PP-YOLOE+ против RTDETRv2
В последние годы компьютерное зрение быстро развивалось, особенно в области обнаружения объектов в реальном времени. Выбор подходящей архитектуры для развертывания может стать решающим фактором между медленным приложением с высоким потреблением памяти и оптимизированной отзывчивой системой. В этом техническом сравнении рассматриваются две известные модели Baidu: PP-YOLOE+ на основе CNN и RTDETRv2 на основе трансформера. Мы анализируем их архитектуры, показатели производительности и наиболее подходящие сценарии использования, а также сравниваем их с Ultralytics YOLO26.
PP-YOLOE+: развитие парадигмы CNN#
Созданная как очередная версия предыдущих моделей, PP-YOLOE+ демонстрирует возможности традиционных свёрточных нейронных сетей (CNN) в обнаружении объектов. Эта эффективная безанкорная модель обнаружения развивает фундаментальные механизмы серии YOLO и добавляет оптимизации для экосистемы PaddlePaddle.
Сведения о модели:
- Авторы: авторы PaddlePaddle
- Организация: Baidu
- Дата: 2022-04-02
- arXiv: 2203.16250
- GitHub: Репозиторий PaddleDetection
- Документация: Документация PP-YOLOE+
Архитектура и методики#
В основе PP-YOLOE+ лежит CSPRepResNet, а для эффективного объединения признаков разных масштабов используется пирамида признаков в стиле PAN. В безанкорной архитектуре не требуется эвристически настраивать генерацию анкерных рамок. При обучении также применяется обучение выравниванию задач (TAL), чтобы точнее сопоставлять предсказания с эталонными рамками.
Преимущества и сценарии применения#
Главное преимущество PP-YOLOE+ — надежная работа на стандартном серверном оборудовании и глубокая интеграция с инструментами Baidu. Модель хорошо подходит для традиционных промышленных процессов, например для статического обнаружения дефектов на производстве, где ограничения оборудования не слишком жесткие.
Несмотря на высокую точность PP-YOLOE+, ее развертывание за пределами родной экосистемы иногда требует дополнительных этапов преобразования — в отличие от современных конвейеров Ultralytics, в которых сразу доступны форматы экспорта.
RTDETRv2: Transformer для обнаружения объектов в реальном времени#
Отказавшись от исключительно CNN-архитектуры, RTDETRv2 (трансформер для обнаружения объектов в реальном времени, версия 2) использует механизмы внимания для обнаружения объектов в реальном времени. Модель призвана сочетать глобальное понимание контекста, свойственное трансформерам, с низкой задержкой, необходимой для реальных приложений.
Сведения о модели:
- Авторы: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang и Yi Liu
- Организация: Baidu
- Дата: 2024-07-24
- arXiv: 2407.17140
- GitHub: Репозиторий RTDETRv2
- Документация: README RTDETRv2
Архитектура и методики#
RTDETRv2 использует гибридную архитектуру: CNN-бэкбон извлекает признаки, а упрощённый трансформер выполняет кодирование и декодирование. Отличительная особенность RTDETRv2 — изначально сквозная архитектура, исключающая традиционную постобработку с подавлением немаксимумов (NMS). Модель также обрабатывает объекты разных масштабов и сложные сцены, используя механизм self-attention для анализа пространственных связей между удалёнными объектами.
Преимущества и сценарии применения#
Архитектура Transformer делает RTDETRv2 особенно эффективной в сценариях, где важно учитывать глобальный контекст. Однако модели Transformer обычно требуют значительно больше памяти CUDA при обучении и инференсе, чем легковесные CNN. Модель лучше всего подходит для сред без жестких ограничений по оборудованию, например для облачной видеоаналитики на мощных GPU-серверах.
Сравнение производительности и метрик#
При оценке этих моделей важно учитывать компромисс между средней точностью по всем классам (mAP) и вычислительной стоимостью, измеряемой во FLOPs и задержке инференса. В таблице ниже приведены основные показатели моделей PP-YOLOE+ и RTDETRv2 разных размеров.
| Модель | размер (пиксели) | mAPval50-95 | Скорость CPU ONNX (мс) | Скорость T4 TensorRT10 (мс) | параметры (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| PP-YOLOE+t | 640 | 39.9 | - | 2.84 | 4.85 | 19.15 |
| PP-YOLOE+s | 640 | 43.7 | - | 2.62 | 7.93 | 17.36 |
| PP-YOLOE+m | 640 | 49.8 | - | 5.56 | 23.43 | 49.91 |
| PP-YOLOE+l | 640 | 52.9 | - | 8.36 | 52.2 | 110.07 |
| PP-YOLOE+x | 640 | 54.7 | - | 14.3 | 98.42 | 206.59 |
| 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 |
RTDETRv2 обеспечивает высокую mAP, но требует больше параметров и FLOPs. Разработчики, которые хотят развернуть модель на компактных edge-устройствах, часто сталкиваются с узкими местами из-за высокого потребления памяти, характерного для слоев Transformer.
Сценарии использования и рекомендации#
Выбирай между PP-YOLOE+ и RT-DETR с учетом требований конкретного проекта, ограничений развертывания и предпочтительной экосистемы.
Когда выбирать PP-YOLOE+#
PP-YOLOE+ — хороший выбор для:
- Интеграция с экосистемой PaddlePaddle: Организации с готовой инфраструктурой на базе фреймворка и инструментов PaddlePaddle от Baidu.
- Развертывание на периферийных устройствах с Paddle Lite: Развертывание на оборудовании со специально оптимизированными ядрами инференса для Paddle Lite или движка инференса Paddle.
- Обнаружение объектов на сервере с высокой точностью: Сценарии, где приоритетом является максимальная точность обнаружения на мощных серверах с GPU, а зависимость от конкретного фреймворка не имеет значения.
Когда выбрать RT-DETR#
RT-DETR рекомендуется для:
- Исследований обнаружения на основе Transformer: Проектов, в которых изучаются механизмы внимания и архитектуры Transformer для сквозного обнаружения объектов без NMS.
- Сценариев с высокой точностью и гибкими требованиями к задержке: Приложений, где точность обнаружения важнее всего, а немного большая задержка инференса допустима.
- Обнаружения крупных объектов: Сцен, в которых преобладают объекты среднего и крупного размера, а механизм глобального внимания Transformer даёт естественное преимущество.
Когда выбирать Ultralytics (YOLO26)#
Для большинства новых проектов Ultralytics YOLO26 предлагает лучшее сочетание производительности и удобства для разработчиков:
- Развертывание на периферийных устройствах без NMS: Приложения, которым необходим стабильный инференс с низкой задержкой без усложнения постобработки подавлением немаксимумов.
- Среды только с CPU: устройства без выделенного GPU-ускорителя, где инференс YOLO26 (YOLO26n по сравнению с YOLO11n) до 43% быстрее, что дает явное преимущество.
- Обнаружение небольших объектов: Сложные сценарии, например съёмка с дронов или анализ данных IoT-датчиков, где ProgLoss и STAL заметно повышают точность обнаружения крошечных объектов.
Преимущества Ultralytics: знакомство с YOLO26#
Хотя PP-YOLOE+ и RTDETRv2 стали важными вехами, современным разработчикам нужна экосистема, сочетающая высокую производительность с простотой использования. Именно для этого созданы платформа Ultralytics и модель YOLO26.
Выпущенная в январе 2026 года YOLO26 создана для ИИ в области компьютерного зрения с приоритетом периферийных устройств. Она устраняет сложности развертывания, присущие более старым архитектурам, и превосходит их по скорости и точности.
Архитектурные инновации#
YOLO26 предлагает ряд улучшений по сравнению с традиционными CNN и крупными трансформерами:
- Сквозная архитектура без NMS: Как и RTDETRv2, YOLO26 поддерживает изначально сквозной вывод. Благодаря необязательной голове one-to-one (
nms=False), исключающей постобработку NMS, развертывание становится быстрее и проще, а колебания задержки уменьшаются. Это особенно важно для робототехники и автономных систем, работающих в реальном времени. - До 43% более быстрый вывод на CPU: Благодаря оптимизации архитектуры YOLO26 значительно превосходит конкурирующие модели на периферийных устройствах без дискретных GPU: YOLO26n работает на CPU до 43% быстрее YOLO11n. Это делает модель отличным выбором для приложений умного города и IoT.
- Оптимизатор MuSGD: Вдохновлённая новыми методами обучения LLM, YOLO26 использует гибрид SGD и Muon. Это обеспечивает более стабильное обучение и быструю сходимость, существенно сокращая время обучения на GPU.
- ProgLoss + STAL: Прогрессивная функция потерь и назначение меток с учётом мелких объектов заметно повышают точность их распознавания. Это особенно важно для аэрофотоснимков и приложений с дронами, где модели вроде PP-YOLOE+ исторически испытывали трудности.
- Отказ от DFL: Удаление распределённой фокальной функции потерь упрощает экспорт и повышает совместимость с различными периферийными устройствами и устройствами с низким энергопотреблением.
В отличие от специализированных моделей обнаружения объектов, YOLO26 универсальна и поддерживает сегментацию экземпляров, классификацию, оценку позы и ориентированные ограничивающие рамки (OBB). Модель включает специализированные улучшения, такие как RLE для оценки позы и специальная функция потерь для углов OBB.
Простота использования#
Один из главных недостатков сложных архитектур, таких как RTDETRv2, — крутая кривая обучения и разрозненные процессы интеграции. Экосистема Ultralytics скрывает эту сложность за интуитивно понятным API Python и веб-платформой Ultralytics.
Процесс прост — и при обучении на пользовательских наборах данных, и при быстром выполнении вывода:
from ultralytics import RTDETR, YOLO
# Инициализируй модель YOLO26
model_yolo = YOLO("yolo26n.pt")
# Или инициализируй модель RT-DETR через тот же простой API
model_rtdetr = RTDETR("rtdetr-l.pt")
# Запусти инференс в реальном времени
results = model_yolo("https://ultralytics.com/images/zidane.jpg")
results[0].show()
# Экспортируй модель для развертывания на edge-устройстве одной строкой
model_yolo.export(format="engine", quantize=16)Типично низкие требования моделей Ultralytics YOLO к памяти позволяют обучать их быстрее и развертывать на более доступном оборудовании, чем трансформерные аналоги. Активная разработка и подробная документация также помогают поддерживать стабильность рабочих конвейеров.
Если ты рассматриваешь альтернативы, YOLO11 остаётся хорошо поддерживаемой и эффективной моделью предыдущего поколения в экосистеме и обеспечивает надёжную базу для интеграции с существующим оборудованием. Тебе также может пригодиться сравнение YOLO11 и RT-DETR.
Итоги#
PP-YOLOE+ и RTDETRv2 внесли значительный вклад в развитие компьютерного зрения, продемонстрировав перспективность продвинутых конвейеров CNN и трансформеров реального времени соответственно. Однако организациям, которым в 2026 году нужно развернуть надёжные, универсальные и оптимизированные приложения компьютерного зрения, мы рекомендуем Ultralytics YOLO26. Необязательный вывод без NMS, значительно более быстрый вывод на CPU и простая экосистема помогают разработчикам быстро переходить от идеи к масштабируемой эксплуатации.
Комментарии
Задай вопрос, поделись результатами или помоги кому-нибудь.