Link to this sectionYOLOX vs RTDETRv2#

Scegliere l'architettura ottimale per applicazioni di computer vision richiede un attento equilibrio tra precisione, velocità di inferenza e fattibilità del deployment. In questa analisi tecnica completa, esploriamo le differenze fondamentali tra YOLOX, un'architettura CNN anchor-free di grande successo, e RTDETRv2, un transformer di rilevamento real-time all'avanguardia.

Sebbene entrambi i modelli abbiano dato un contributo significativo al campo del rilevamento oggetti, gli sviluppatori che creano applicazioni pronte per la produzione spesso scoprono che alternative moderne come Ultralytics YOLO26 offrono un'efficienza di addestramento superiore, requisiti di memoria inferiori e un ecosistema di deployment più robusto.

Link to this sectionYOLOX: Colmare il divario tra ricerca e industria#

YOLOX è emerso come un adattamento anchor-free estremamente popolare della serie YOLO, introducendo un design semplificato che ha offerto notevoli miglioramenti delle prestazioni al momento del suo rilascio.

• Autori: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li e Jian Sun
• Organizzazione: Megvii
• Data: 18 luglio 2021
• Link: Arxiv, GitHub, Docs

Link to this sectionInnovazioni architettoniche#

YOLOX ha traghettato la famiglia YOLO verso un paradigma anchor-free, integrando una head disaccoppiata e la strategia avanzata di assegnazione delle etichette SimOTA. Eliminando gli anchor box, l'architettura ha ridotto significativamente il numero di parametri di progettazione e migliorato la generalizzazione su vari dataset di benchmark. Le sue versioni leggere, YOLOX-Nano e YOLOX-Tiny, sono diventate scelte popolari per il deployment di applicazioni di visione AI su dispositivi edge.

Scopri di più su YOLOX

Link to this sectionRTDETRv2: Far progredire i Vision Transformer real-time#

Costruito sulle fondamenta del suo predecessore, RTDETRv2 sfrutta la potenza dei Vision Transformer (ViT) per ottenere una precisione altamente competitiva senza sacrificare le velocità di inferenza real-time.

• Autori: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang e Yi Liu
• Organizzazione: Baidu
• Data: 24-07-2024
• Link: Arxiv, GitHub

Link to this sectionInnovazioni architettoniche#

RTDETRv2 ripensa fondamentalmente la pipeline di rilevamento utilizzando un'architettura basata su transformer che aggira nativamente la Non-Maximum Suppression (NMS). Questo risultato si ottiene attraverso un encoder ibrido e una selezione di query consapevole dello IoU, che migliora l'inizializzazione delle query degli oggetti. Il modello gestisce efficacemente le funzionalità multi-scala, consentendogli di catturare dettagli intricati in ambienti complessi, come il rilevamento video del traffico notturno.

Tuttavia, i transformer sono intrinsecamente avidi di risorse. L'addestramento di RTDETRv2 richiede solitamente molta più memoria GPU e cicli di calcolo rispetto alle alternative basate su CNN, il che può rappresentare un ostacolo per i team che operano con vincoli di budget rigorosi o che necessitano di frequenti ottimizzazioni del modello.

Scopri di più su RTDETR

Link to this sectionTabella di confronto delle prestazioni#

Per valutare oggettivamente queste architetture, esaminiamo le loro prestazioni sul dataset COCO. La tabella sottostante illustra i compromessi tra precisione (mAP), numero di parametri e complessità computazionale.

Mentre RTDETRv2 raggiunge una precisione impressionante, YOLOX mantiene un vantaggio nei profili di parametri leggeri, in particolare con le sue varianti Nano e Tiny.

Link to this sectionCasi d'uso e raccomandazioni#

La scelta tra YOLOX e RT-DETR dipende dai requisiti specifici del tuo progetto, dai vincoli di deployment e dalle preferenze dell'ecosistema.

Link to this sectionQuando scegliere YOLOX#

YOLOX è una scelta solida per:

• Ricerca sul rilevamento senza anchor: Ricerca accademica che utilizza l'architettura pulita e senza anchor di YOLOX come base per sperimentare nuove head di rilevamento o funzioni di perdita.
• Dispositivi edge ultraleggeri: Implementazione su microcontrollori o hardware mobile legacy dove l'impronta estremamente ridotta della variante YOLOX-Nano (0.91M di parametri) è critica.
• Studi sull'assegnazione delle label SimOTA: Progetti di ricerca che studiano le strategie di assegnazione delle label basate sul trasporto ottimale e il loro impatto sulla convergenza dell'addestramento.

Link to this sectionQuando scegliere RT-DETR#

RT-DETR è consigliato per:

• Ricerca sul rilevamento basato su Transformer: Progetti che esplorano meccanismi di attenzione e architetture transformer per il rilevamento di oggetti end-to-end senza NMS.
• Scenari ad alta precisione con latenza flessibile: Applicazioni in cui la precisione di rilevamento è la priorità assoluta e una latenza di inferenza leggermente superiore è accettabile.
• Rilevamento di oggetti di grandi dimensioni: Scene con oggetti prevalentemente medio-grandi in cui il meccanismo di attenzione globale dei transformer offre un vantaggio naturale.

Link to this sectionQuando scegliere Ultralytics (YOLO26)#

Per la maggior parte dei nuovi progetti, Ultralytics YOLO26 offre la migliore combinazione di prestazioni ed esperienza per gli sviluppatori:

• Implementazione Edge senza NMS: Applicazioni che richiedono un'inferenza costante e a bassa latenza senza la complessità della post-elaborazione della soppressione dei non massimi.
• Ambienti solo CPU: Dispositivi senza accelerazione GPU dedicata, dove l'inferenza CPU fino al 43% più veloce di YOLO26 fornisce un vantaggio decisivo.
• Rilevamento di oggetti piccoli: Scenari impegnativi come immagini di droni aerei o analisi di sensori IoT in cui ProgLoss e STAL aumentano significativamente la precisione su oggetti minuscoli.

Link to this sectionIl vantaggio di Ultralytics: YOLO26#

Sebbene sia YOLOX che RTDETRv2 offrano punti di forza distinti, il nuovo Ultralytics YOLO26 ridefinisce lo stato dell'arte per la visione AI, risolvendo i compromessi storici tra velocità, precisione e facilità di deployment.

Link to this section1. Architettura end-to-end senza NMS#

Prendendo ispirazione dai modelli transformer pur mantenendo l'efficienza delle CNN, YOLO26 presenta un design nativamente end-to-end senza NMS. Eliminando la Non-Maximum Suppression come passaggio di post-processing, YOLO26 semplifica drasticamente le pipeline di deployment, garantendo una latenza di inferenza coerente su vari dispositivi edge senza l'overhead della complessa regolazione delle soglie.

Link to this section2. Inferenza CPU fino al 43% più veloce#

A differenza delle architetture transformer come RTDETRv2 che dipendono pesantemente da GPU di fascia alta, YOLO26 è specificamente ottimizzato per ambienti di edge computing. Grazie alla rimozione della Distribution Focal Loss (DFL), YOLO26 snellisce l'esportazione del modello e raggiunge un'inferenza su CPU fino al 43% più veloce, rendendolo la scelta ideale per l'integrazione in hardware come il Raspberry Pi o dispositivi mobili standard.

Link to this section3. Efficienza di addestramento con MuSGD#

L'addestramento dei modelli transformer spesso porta a un eccessivo consumo di memoria CUDA e a tempi di addestramento prolungati. YOLO26 introduce il nuovo ottimizzatore MuSGD, un ibrido tra Stochastic Gradient Descent e l'ottimizzatore Muon ispirato ai LLM. Questa innovazione offre un addestramento eccezionalmente stabile e una convergenza più rapida, riducendo significativamente i requisiti hardware rispetto a RTDETRv2.

Link to this section4. Ecosistema e versatilità senza pari#

L'ecosistema Ultralytics offre un'esperienza di sviluppo intuitiva e semplificata. Con un'ampia documentazione, un supporto attivo dalla community e la piattaforma cloud Ultralytics, gestire l'intero ciclo di vita dell'IA non è mai stato così semplice. Inoltre, YOLO26 è estremamente versatile. Mentre RTDETRv2 si concentra sul rilevamento di oggetti, YOLO26 supporta nativamente segmentazione di istanze, stima della posa, classificazione di immagini e attività Oriented Bounding Box (OBB). Potenziato dalle nuove funzioni di perdita ProgLoss + STAL, YOLO26 eccelle anche nel riconoscimento di piccoli oggetti, una funzionalità critica per immagini aeree e rilevamento di difetti industriali.

Link to this sectionIntegrazione perfetta con Ultralytics#

Il deployment dei modelli non dovrebbe richiedere di doversi destreggiare tra codebase complesse e frammentate. L'API Python di Ultralytics ti consente di caricare, addestrare ed esportare modelli all'avanguardia in poche righe di codice.

from ultralytics import YOLO

# Load the latest YOLO26 nano model for optimal edge performance
model = YOLO("yolo26n.pt")

# Train the model on your custom dataset with minimal memory overhead
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Validate the model's performance
metrics = model.val()

# Export seamlessly to ONNX or TensorRT for deployment
model.export(format="onnx", optimize=True)

Sfruttando Ultralytics, eviti le complicate configurazioni di ambiente tipicamente associate ai repository di ricerca, accelerando il tuo time to market.

Link to this sectionConclusione#

YOLOX e RTDETRv2 rappresentano pietre miliari significative nel progresso del rilevamento oggetti in tempo reale. YOLOX ha dimostrato la fattibilità di CNN anchor-free altamente efficienti, mentre RTDETRv2 ha adattato con successo i transformer ai vincoli del tempo reale.

Tuttavia, per le moderne applicazioni che vanno dall'analisi smart retail alla robotica embedded, Ultralytics YOLO26 fornisce la soluzione definitiva. Fondendo l'inferenza senza NMS con velocità CPU senza pari, ingombri di memoria ridotti e il solido supporto della piattaforma Ultralytics, YOLO26 fornisce agli sviluppatori gli strumenti per costruire la prossima generazione di sistemi di computer vision affidabili e ad alte prestazioni.