Перейти к содержанию

EfficientDet vs. RTDETRv2: техническое сравнение

Выбор подходящей модели обнаружения объектов — это критически важное решение, которое влияет на производительность, эффективность и масштабируемость любого проекта в области компьютерного зрения. На этой странице представлено подробное техническое сравнение EfficientDet и RTDETRv2, двух влиятельных архитектур от Google и Baidu, соответственно. Мы рассмотрим их основные архитектурные различия, проанализируем показатели производительности и обсудим их идеальные варианты использования, чтобы помочь вам сделать осознанный выбор для ваших конкретных потребностей.

EfficientDet: Масштабируемое и эффективное обнаружение объектов

Архитектура и ключевые особенности

EfficientDet представил семейство детекторов объектов, разработанных для высокой эффективности и масштабируемости. Его архитектура построена на нескольких ключевых инновациях. Он использует высокоэффективный EfficientNet в качестве backbone для извлечения признаков. Важным вкладом является Bi-directional Feature Pyramid Network (BiFPN), новый слой объединения признаков, который обеспечивает более богатое многомасштабное представление признаков с меньшим количеством параметров. EfficientDet также представил метод составного масштабирования, который систематически масштабирует глубину, ширину и входное разрешение модели вместе, что позволяет создавать семейство моделей (D0-D7), оптимизированных для различных вычислительных бюджетов.

Сильные и слабые стороны

Преимущества:

  • Высокая эффективность: Обеспечивает хороший баланс точности для заданного количества параметров и FLOPs, что делает его подходящим для сред с ограниченными ресурсами.
  • Масштабируемость: Семейство моделей предоставляет четкий путь для масштабирования вверх или вниз в зависимости от аппаратных требований и требований к производительности.
  • Высокая производительность CPU: Меньшие варианты хорошо работают на CPU, что делает их жизнеспособными для развертывания без выделенных GPU.

Слабые стороны:

  • Более медленный инференс на GPU: Будучи эффективными с точки зрения FLOPs, на практике они могут быть медленнее на GPU по сравнению с высокооптимизированными моделями, такими как серия Ultralytics YOLO.
  • Ограниченная универсальность: В первую очередь предназначен для обнаружения объектов и не имеет встроенной поддержки других задач, таких как сегментация экземпляров или оценка позы, которые есть в современных фреймворках.
  • Реализация: Официальная реализация выполнена на TensorFlow, что может потребовать дополнительных усилий для интеграции в рабочие процессы на основе PyTorch.

Идеальные варианты использования

EfficientDet превосходен в:

  • Edge AI: Идеально подходит для развертывания на периферийных устройствах и в мобильных приложениях, где вычислительные ресурсы и энергопотребление ограничены.
  • Облачные приложения с ограниченным бюджетом: Полезно для крупных облачных сервисов, где минимизация вычислительных затрат на один инференс является приоритетом.
  • Быстрое прототипирование: Масштабируемые модели позволяют разработчикам начать с облегченной версии и масштабировать ее по мере необходимости для различных задач компьютерного зрения.

Узнайте больше об EfficientDet

RTDETRv2: высокоточное обнаружение в реальном времени с помощью трансформеров

Архитектура и ключевые особенности

RTDETRv2 — это современный детектор без привязок, основанный на архитектуре Vision Transformer (ViT). Он основан на фреймворке DETR (DEtection TRansformer), который использует Transformer encoder-decoder для обработки признаков из CNN backbone. Этот гибридный подход позволяет RTDETRv2 использовать механизм самовнимания для захвата глобального контекста и долгосрочных зависимостей внутри изображения. Это приводит к превосходной производительности в сложных сценах со многими перекрывающимися или небольшими объектами. RTDETRv2 дополнительно совершенствует оригинал, вводя «bag-of-freebies» для повышения производительности без увеличения стоимости инференса.

Сильные и слабые стороны

Преимущества:

  • Высокая точность: Архитектура transformer обеспечивает глубокое понимание взаимосвязей между объектами, что приводит к самым современным показателям mAP.
  • Надежное извлечение признаков: Отлично обнаруживает объекты в сложных условиях, таких как окклюзия и плотные скопления людей.
  • Реальное время на GPU: Оптимизировано для высокой скорости инференса, особенно при ускорении с помощью таких инструментов, как NVIDIA TensorRT.

Слабые стороны:

  • Высокая вычислительная потребность: Transformers являются вычислительно интенсивными, что приводит к большему количеству параметров, FLOPs и использованию памяти по сравнению с моделями на основе CNN.
  • Сложность обучения: Обучение моделей-трансформеров часто происходит медленнее и требует значительно больше памяти GPU, чем модели, такие как Ultralytics YOLOv8.
  • Более медленная работа на CPU: Преимущество в производительности наиболее заметно на GPU; на CPU или маломощных периферийных устройствах она может быть не такой высокой, как у эффективных CNN.

Идеальные варианты использования

RTDETRv2 особенно хорошо подходит для:

  • Автономное вождение: Необходим для систем восприятия в реальном времени в автомобилях с автоматическим управлением, где точность имеет решающее значение.
  • Продвинутая робототехника: Позволяет роботам перемещаться и взаимодействовать со сложными, динамическими средами, что является ключевым аспектом ИИ в робототехнике.
  • Высокоточное наблюдение: Идеально подходит для систем безопасности в людных общественных местах, где необходимо точно отслеживать людей.

Узнайте больше о RTDETRv2

Сравнение производительности: скорость против точности

Эталонные тесты производительности показывают явный компромисс между двумя архитектурами. EfficientDet предлагает широкий спектр моделей, при этом ее небольшие варианты (d0-d2) обеспечивают исключительную эффективность с точки зрения параметров, FLOPs и скорости CPU, хотя и с более низкой точностью. По мере масштабирования точность улучшается за счет значительно более высокой задержки. RTDETRv2, с другой стороны, работает на более высоком уровне производительности. Она достигает более высокой точности (mAP) по сравнению с большинством вариантов EfficientDet, но требует больше вычислительных ресурсов и лучше всего подходит для сред с ускорением GPU. Например, RTDETRv2-x достигает наивысшего mAP - 54,3, в то время как EfficientDet-d0 является самым быстрым как на CPU, так и на GPU.

Модель размер
(пиксели)		 mAPval
50-95		 Скорость
CPU ONNX
(мс)		 Скорость
T4 TensorRT10
(мс)		 параметры
(M)		 FLOPs
(B)
EfficientDet-d0 640 34.6 10.2 3.92 3.9 2.54
EfficientDet-d1 640 40.5 13.5 7.31 6.6 6.1
EfficientDet-d2 640 43.0 17.7 10.92 8.1 11.0
EfficientDet-d3 640 47.5 28.0 19.59 12.0 24.9
EfficientDet-d4 640 49.7 42.8 33.55 20.7 55.2
EfficientDet-d5 640 51.5 72.5 67.86 33.7 130.0
EfficientDet-d6 640 52.6 92.8 89.29 51.9 226.0
EfficientDet-d7 640 53.7 122.0 128.07 51.9 325.0
RTDETRv2-s 640 48.1 - 5.03 20 60
RTDETRv2-m 640 51.9 - 7.51 36 100
RTDETRv2-l 640 53.4 - 9.76 42 136
RTDETRv2-x 640 54.3 - 15.03 76 259

Преимущество Ultralytics: Превосходная альтернатива

Несмотря на то, что EfficientDet и RTDETRv2 являются мощными моделями, разработчикам, ищущим комплексное решение, которое сбалансирует производительность, удобство использования и универсальность, следует обратить внимание на серию Ultralytics YOLO. Такие модели, как YOLOv8 и новейшая YOLO11, часто представляют собой более привлекательный выбор для широкого спектра приложений, от исследований до промышленного развертывания.

  • Простота использования: Модели Ultralytics известны своей оптимизированной работой, отличаясь простым Python API, обширной документацией и понятными командами CLI.
  • Хорошо поддерживаемая экосистема: Модели являются частью надежной экосистемы с активной разработкой, большим сообществом с открытым исходным кодом, частыми обновлениями и простой интеграцией с такими инструментами, как Ultralytics HUB, для сквозного MLOps.
  • Баланс производительности: Модели Ultralytics тщательно разработаны для обеспечения превосходного компромисса между скоростью и точностью, что делает их подходящими для различных реальных сценариев, от периферийных устройств до облачных серверов.
  • Эффективность использования памяти: Модели Ultralytics YOLO разработаны для эффективного использования памяти. Они обычно требуют меньше памяти CUDA для обучения по сравнению с моделями на основе трансформеров, такими как RTDETRv2, что делает их доступными для пользователей с менее мощным оборудованием.
  • Универсальность: В отличие от однозадачных моделей, YOLOv8 и YOLO11 — это многозадачные структуры, поддерживающие обнаружение объектов, сегментацию, классификацию, оценку позы и обнаружение ориентированных объектов (OBB) «из коробки».
  • Эффективность обучения: Воспользуйтесь преимуществами более быстрого времени обучения, эффективной загрузки данных и готовых предварительно обученных весов на наборах данных, таких как COCO.

Заключение: какая модель подходит именно вам?

В заключение, выбор между EfficientDet и RTDETRv2 во многом зависит от приоритетов проекта. EfficientDet — это оптимальный выбор, когда вычислительная эффективность и масштабируемость для различных аппаратных профилей имеют первостепенное значение. Его семейство моделей обеспечивает гибкость для приложений с ограниченными ресурсами. RTDETRv2 — предпочтительный вариант, когда максимальная точность является обязательным условием и доступны мощные ресурсы GPU. Его архитектура на основе трансформеров превосходно понимает сложные сцены, что делает его идеальным для критически важных приложений, работающих в реальном времени.

Однако, для большинства разработчиков и исследователей модели Ultralytics, такие как YOLOv8 и YOLO11, предлагают наиболее практичное и мощное решение. Они сочетают в себе высокую производительность с исключительной простотой использования, универсальностью и поддерживающей экосистемой, сокращая время разработки и позволяя использовать более широкий спектр приложений из единого унифицированного фреймворка.

Изучите другие сравнения



📅 Создано 1 год назад ✏️ Обновлено 1 месяц назад
glenn-jocher

Комментарии