PP-YOLOE+ против RTDETRv2#

За последние годы сфера компьютерного зрения претерпела резкую эволюцию, особенно в области обнаружения объектов в реальном времени. Выбор правильной архитектуры для твоего развертывания может стать разницей между медленным, требовательным к памяти приложением и высоко оптимизированной, отзывчивой системой. В этом техническом сравнении мы исследуем две заметные модели от Baidu: основанную на CNN PP-YOLOE+ и основанную на Transformer RTDETRv2. Мы проанализируем их архитектуры, показатели производительности и идеальные варианты использования, а также рассмотрим, как они соотносятся с передовой платформой Ultralytics YOLO26.

PP-YOLOE+: Развитие парадигмы CNN#

Разработанная как итерация своих предшественников, PP-YOLOE+ расширяет границы того, чего традиционные сверточные нейронные сети (CNN) могут достичь в детектировании объектов. Это мощный детектор без использования анкоров (anchor-free), который опирается на фундаментальные принципы серии YOLO, одновременно вводя специфические оптимизации для экосистемы PaddlePaddle.

Детали модели:

• Авторы: Авторы PaddlePaddle
• Организация: Baidu
• Дата: 02.04.2022
• Arxiv: 2203.16250
• GitHub: Репозиторий PaddleDetection
• Документация: Документация PP-YOLOE+

Архитектура и методологии#

PP-YOLOE+ опирается на сильно оптимизированный бэкбон и специализированную пирамидальную сеть признаков (FPN) для эффективного объединения многомасштабных признаков. Модель использует архитектуру без анкоров, что упрощает процесс эвристической настройки, обычно требуемый для генерации bbox. Кроме того, методология обучения включает передовые стратегии назначения меток для лучшего сопоставления предсказаний с эталонными рамками (ground truth) во время обучения.

Сильные стороны и сценарии использования#

Основная сила PP-YOLOE+ заключается в ее надежной производительности на стандартном серверном оборудовании и глубокой интеграции с инструментами Baidu. Она хорошо подходит для традиционных промышленных рабочих процессов, таких как статическое обнаружение дефектов в производственных средах, где аппаратные ограничения не слишком строги.

Узнай больше о PP-YOLOE+

RTDETRv2: Трансформеры для детектирования в реальном времени#

Отходя от чистых CNN, RTDETRv2 (Real-Time Detection Transformer version 2) представляет собой шаг вперед к механизмам внимания для задач компьютерного зрения. Она пытается объединить способность Transformer понимать глобальный контекст с низкой задержкой, необходимой для реальных приложений.

Детали модели:

• Авторы: Вэньюй Лю, Иань Чжао, Циньяо Чанг, Куй Хуан, Гуаньчжун Ван и И Лю
• Организация: Baidu
• Дата: 2024-07-24
• Arxiv: 2407.17140
• GitHub: Репозиторий RT-DETRv2
• Документация: README RTDETRv2

Архитектура и методологии#

RTDETRv2 использует гибридную архитектуру, сочетая бэкбон CNN для извлечения признаков с оптимизированным энкодером-декодером на базе Transformer. Отличительной характеристикой RTDETRv2 является нативная архитектура end-to-end, которая исключает традиционную постобработку через NMS. Модель также внедряет такие функции, как многомасштабное детектирование и обработка сложных сцен, используя self-attention для понимания пространственных связей между удаленными объектами.

Сильные стороны и сценарии использования#

Архитектура transformer делает RTDETRv2 высокоэффективной в сценариях, где понимание глобального контекста имеет решающее значение. Однако модели на базе transformer обычно требуют значительно больше памяти CUDA как во время обучения, так и при инференсе по сравнению с легкими CNN. Она лучше всего подходит для сред с неограниченным оборудованием, таких как облачная видеоаналитика, работающая на мощных GPU-серверах.

Узнай больше о RTDETR

Сравнение производительности и метрик#

При оценке этих моделей решающее значение имеет компромисс между mAP и вычислительными затратами (измеряемыми в FLOPs и задержке инференса). В таблице ниже приведены ключевые показатели для различных масштабов PP-YOLOE+ и RTDETRv2.

В то время как RTDETRv2 показывает высокие значения mAP ценой большего количества параметров и FLOPs, разработчики, планирующие развертывание на ограниченных периферийных устройствах, часто сталкиваются с препятствиями из-за высоких требований к памяти, типичных для слоев Transformer.

Сценарии использования и рекомендации#

Выбор между PP-YOLOE+ и RT-DETR зависит от специфических требований твоего проекта, ограничений по развертыванию и предпочтений в экосистеме.

Когда выбирать PP-YOLOE+#

PP-YOLOE+ — это сильный выбор в следующих случаях:

• Интеграция с экосистемой PaddlePaddle: Организации с существующей инфраструктурой, созданной на базе фреймворка и инструментов Baidu's PaddlePaddle.
• Развертывание на периферии с Paddle Lite: Развертывание на оборудовании с высокооптимизированными ядрами вывода, специально предназначенными для движка Paddle Lite или Paddle.
• Серверное обнаружение с высокой точностью: Сценарии, где приоритетом является максимальная точность обнаружения на мощных GPU-серверах, где зависимость от фреймворка не является проблемой.

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 и PP-YOLOE+, и RTDETRv2 представляют собой значительные вехи, современному разработчику требуется экосистема, которая идеально балансирует между экстремальной производительностью и простотой использования. Платформа Ultralytics Platform и прорывная модель YOLO26 предлагают именно это.

Выпущенная в январе 2026 года, YOLO26 устанавливает новый стандарт для граничного (edge-first) ИИ в компьютерном зрении. Она элегантно решает проблемы развертывания, связанные со старыми архитектурами, превосходя их как по скорости, так и по точности.

Архитектурные инновации#

YOLO26 представляет несколько новаторских улучшений, которые превосходят традиционные CNN и тяжелые Transformer:

• Дизайн End-to-End без NMS: Как и RTDETRv2, YOLO26 является изначально сквозной (end-to-end). Исключая постобработку Non-Maximum Suppression (NMS), она обеспечивает более быстрое и простое развертывание с уменьшенным джиттером задержки, что идеально подходит для робототехники реального времени и автономных систем.
• Инференс на CPU быстрее до 43%: Благодаря глубоким архитектурным оптимизациям YOLO26 значительно превосходит конкурирующие модели на периферийных устройствах без дискретных GPU, что делает ее лучшим выбором для IoT и приложений умного города.
• Оптимизатор MuSGD: Вдохновленный инновациями в обучении LLM, YOLO26 использует гибрид SGD и Muon. Это обеспечивает более стабильные траектории обучения и заметно более быструю сходимость, существенно сокращая время обучения на GPU.
• ProgLoss + STAL: Эти продвинутые функции потерь дают заметные улучшения в распознавании мелких объектов, в области, где такие модели, как PP-YOLOE+, исторически испытывают трудности, что оказывается критически важным для аэроснимков и приложений с дронами.
• Удаление DFL: Отказ от Distribution Focal Loss упрощает процесс экспорта, обеспечивая бесшовную совместимость с различными периферийными и маломощными устройствами.

Узнай больше о YOLO26

Непревзойденная простота использования#

Одним из самых больших недостатков внедрения сложных архитектур, таких как RTDETRv2, является высокий порог вхождения и разобщенные процессы интеграции. Экосистема Ultralytics полностью абстрагирует эти сложности через интуитивно понятный Python API и комплексную веб-платформу.

Независимо от того, обучаешь ли ты собственные датасеты или запускаешь быстрый инференс, этот процесс происходит плавно и без проблем:

from ultralytics import RTDETR, YOLO

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

# Alternatively, initialize an RT-DETR model via the same simple API
model_rtdetr = RTDETR("rtdetr-l.pt")

# Run real-time inference effortlessly
results = model_yolo("https://ultralytics.com/images/zidane.jpg")
results[0].show()

# Export for edge deployment in one line
model_yolo.export(format="engine", quantize=16)

Более низкие требования к памяти, типичные для моделей Ultralytics YOLO, означают, что ты можешь обучаться быстрее и развертываться на более дешевом оборудовании по сравнению с аналогами на базе Transformer. Более того, активная разработка и документация мирового уровня гарантируют стабильность твоих производственных конвейеров.

Для команд, ищущих альтернативы, YOLO11 остается великолепно поддерживаемым и исключительно способным предшественником в экосистеме, предоставляя отличную базовую линию для интеграции унаследованного оборудования. Тебе также может быть полезно прочитать наше сравнение YOLO11 vs RTDETR.

Резюме#

PP-YOLOE+ и RTDETRv2 внесли существенный вклад в эволюцию компьютерного зрения, продемонстрировав жизнеспособность передовых конвейеров CNN и трансформеров реального времени соответственно. Однако для организаций, стремящихся развернуть надежные, универсальные и высокооптимизированные приложения компьютерного зрения в 2026 году, Ultralytics YOLO26 предоставляет непревзойденное решение. Её архитектура без NMS, значительно более быстрый инференс на CPU и оптимизированная экосистема позволяют разработчикам переходить от идеи к масштабируемому производству быстрее, чем когда-либо прежде.