EfficientDet против RTDETRv2#

Выбор оптимальной архитектуры для проектов по computer vision требует работы со множеством нейронных сетей. Это руководство исследует детальное техническое сравнение двух различных подходов: EfficientDet, высокомасштабируемого семейства сверточных нейронных сетей (CNN), и RTDETRv2, современной модели трансформера реального времени. Мы оцениваем их структурные различия, методы обучения и пригодность для развертывания в различных аппаратных средах.

Понимая компромиссы между устаревшей эффективностью и возможностями современных трансформеров, ты сможешь принимать обоснованные решения. Кроме того, мы рассмотрим, как современные альтернативы вроде нового Ultralytics YOLO26 стирают границы, предлагая непревзойденную скорость, точность и простоту использования.

Понимание EfficientDet#

EfficientDet произвела революцию в object detection, внедрив принципиальный подход к масштабированию моделей.

• Авторы: Минсин Тан, Руомин Пан и Куок В. Ле
• Организация: Google
• Дата: 20 ноября 2019 г.
• Arxiv: https://arxiv.org/abs/1911.09070
• GitHub: Google AutoML Repository
• Docs: EfficientDet Documentation

Архитектура и основные концепции#

В основе EfficientDet лежит EfficientNet в качестве бэкбона и двунаправленная пирамидальная сеть признаков (BiFPN). BiFPN обеспечивает простую и быструю интеграцию признаков различных масштабов путем применения обучаемых весов для определения важности различных входных данных. Это сочетается с методом составного масштабирования, который равномерно и одновременно масштабирует разрешение, глубину и ширину для всей сети: бэкбона, сети признаков и сетей предсказания рамок/классов.

Преимущества и ограничения#

Главная сила EfficientDet заключается в эффективности использования параметров. На момент выхода модели, такие как EfficientDet-D0, достигали более высокой точности при меньшем количестве параметров и операций FLOP по сравнению с предыдущими версиями YOLO. Это сделало их очень привлекательными для сред с жесткими ограничениями по вычислительным ресурсам.

Однако EfficientDet полагается на стандартное подавление немаксимумов (NMS) при постобработке для фильтрации перекрывающихся рамок, что может стать «узким местом» и вызывать задержки в конвейерах реального времени. Кроме того, хотя процесс обучения хорошо документирован, донастройка EfficientDet может быть более сложной по сравнению с высокооптимизированными решениями для разработчиков, доступными в современных инструментах.

Узнай больше об EfficientDet

Знакомство с RTDETRv2#

RTDETRv2 представляет собой эволюцию архитектур на основе трансформеров, меняя парадигму от традиционных CNN, использующих анкоры.

• Авторы: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang и Yi Liu
• Организация: Baidu
• Дата: 24.07.2024
• Arxiv: https://arxiv.org/abs/2407.17140
• GitHub: Репозиторий RT-DETR
• Документация: Документация RTDETRv2

Достижения в трансформерах#

RTDETRv2 опирается на базовую модель Real-Time Detection Transformer (RT-DETR). Она использует механизмы глобального внимания, позволяя модели понимать сложный контекст сцены без локализованных ограничений стандартных сверток. Самое значительное архитектурное преимущество — это встроенный дизайн без NMS. Предсказывая объекты напрямую из входного изображения, модель упрощает конвейер вывода, избавляя от эвристической настройки, требуемой постпроцессингом NMS.

Сильные и слабые стороны#

RTDETRv2 превосходно справляется в условиях высокой плотности, где перекрывающиеся объекты ставят в тупик традиционные CNN. Она демонстрирует высокую точность на сложных эталонных datasets like COCO.

Несмотря на точность, модели-трансформеры закономерно требуют значительного объема памяти. Эффективность обучения заметно ниже: для сходимости требуется значительно больше эпох и больший объем памяти CUDA по сравнению с CNN. Это делает RTDETRv2 менее подходящим вариантом для разработчиков с ограниченным облачным бюджетом или тех, кому нужно быстрое прототипирование.

Узнай больше о RTDETRv2

Сравнение эталонных показателей производительности#

Понимание базовых performance metrics жизненно важно для выбора модели. В следующей таблице представлено сравнение EfficientDet и RTDETRv2 в различных размерах.

Сценарии использования и рекомендации#

Выбор между EfficientDet и RT-DETR зависит от твоих конкретных проектных требований, ограничений развертывания и предпочтений в экосистеме.

Когда стоит выбрать EfficientDet#

EfficientDet — отличный выбор, если:

• Конвейеры Google Cloud и TPU: Системы с глубокой интеграцией в Google Cloud Vision API или инфраструктуру TPU, где EfficientDet имеет встроенную оптимизацию.
• Исследования составного масштабирования: Академическое тестирование, сфокусированное на изучении эффектов сбалансированного масштабирования глубины, ширины и разрешения сети.
• Мобильное развертывание через TFLite: Проекты, которым специально требуется экспорт TensorFlow Lite для Android или встраиваемых устройств Linux.

Когда выбирать RT-DETR#

RT-DETR рекомендуется для:

• Исследований детектирования на основе Transformer: проектов, изучающих механизмы внимания и архитектуры трансформеров для end-to-end детектирования объектов без NMS.
• Сценариев с высокой точностью и гибкой задержкой: приложений, где точность детектирования является главным приоритетом, а немного большая задержка вывода допустима.
• Детектирования крупных объектов: сцен преимущественно со средними и крупными объектами, где глобальный механизм внимания трансформеров дает естественное преимущество.

Когда выбирать Ultralytics (YOLO26)#

Для большинства новых проектов Ultralytics YOLO26 предлагает наилучшее сочетание производительности и удобства для разработчика:

• Развертывания на периферии без NMS: приложений, требующих стабильного вывода с низкой задержкой без сложности постобработки подавления немаксимумов.
• Среды только с CPU: устройств без выделенного GPU-ускорения, где до 43% более быстрый вывод на CPU у YOLO26 дает решающее преимущество.
• Обнаружение малых объектов: Сложные сценарии, такие как aerial drone imagery или анализ с помощью IoT-сенсоров, где ProgLoss и STAL значительно повышают точность для крошечных объектов.

Преимущество Ultralytics: представляем YOLO26#

Хотя EfficientDet и RTDETRv2 закрепили свои позиции в истории computer vision, современные производственные среды требуют идеального баланса скорости, точности и исключительного опыта разработчика. Недавно выпущенный Ultralytics YOLO26 объединяет лучшие аспекты этих непохожих архитектур.

YOLO26 выделяется тем, что объединяет оптимизированную экосистему, которой славится Ultralytics, с прорывной внутренней механикой.

Почему стоит выбрать YOLO26 вместо конкурентов?#

• Сквозной дизайн без NMS: Вдохновляясь трансформерами, такими как RTDETRv2, YOLO26 является изначально сквозной моделью. Она исключает постобработку NMS, гарантируя более быстрое и простое развертывание без огромного избытка параметров, присущего чистым трансформерам.
• Оптимизатор MuSGD: Вдохновленный инновациями в обучении больших языковых моделей (таких как Kimi K2 от Moonshot AI), YOLO26 использует гибрид SGD и Muon. Это обеспечивает беспрецедентную стабильность обучения и значительно более быструю сходимость по сравнению с длительными циклами, необходимыми для RTDETRv2.
• Optimized for Edge: Благодаря ускорению вывода на CPU до 43%, YOLO26 создана для edge AI. Она легко превосходит тяжелые модели-трансформеры на ограниченном железе, таком как мобильные телефоны и умные камеры.
• DFL Removal: Удаление Distribution Focal Loss упрощает граф модели, облегчая бесшовный экспорт в TensorRT и ONNX.
• ProgLoss + STAL: Эти продвинутые функции потерь дают заметные улучшения в распознавании мелких объектов, решая распространенную проблему в аэрофотосъемке и робототехнике.
• Versatility: В отличие от RTDETRv2, которая фокусируется главным образом на детекции, YOLO26 нативно поддерживает instance segmentation, pose estimation, image classification и oriented bounding boxes (OBB) с улучшениями под конкретные задачи, такими как RLE для поз и специализированная потеря угла для OBB.

Простота кода с Ultralytics#

Поддерживаемый в актуальном состоянии Ultralytics Python API делает обучение моделей и инференс элементарными задачами. Разработчики могут легко бенчмаркить модели или запускать скрипты обучения с минимальным количеством шаблонного кода.

from ultralytics import YOLO

# Load the state-of-the-art YOLO26 model
model = YOLO("yolo26n.pt")

# Train the model on your custom dataset
results = model.train(data="coco8.yaml", epochs=50, imgsz=640)

# Run inference on a test image
predictions = model.predict("image.jpg")

Для тех, кто управляет устаревшей инфраструктурой, получившая признание Ultralytics YOLOv8 остается стабильным и мощным выбором, демонстрируя долгосрочную надежность экосистемы Ultralytics. Независимо от того, запускаешь ли ты сложные алгоритмы real-time tracking или простую детекцию дефектов, обновление до YOLO26 гарантирует защиту твоей системы от устаревания, высокую точность и эффективное использование памяти.