RTDETRv2 и YOLO26#
Обнаружение объектов в реальном времени стремительно развивается: исследователи постоянно повышают скорость, точность и эффективность развертывания. Среди наиболее заметных архитектур, определяющих это направление, — RTDETRv2 на основе Transformer и передовая сверточная нейронная сеть (CNN) Ultralytics YOLO26. В этом руководстве подробно рассматриваются их архитектуры, показатели производительности и оптимальные варианты использования, чтобы помочь тебе выбрать модель для следующего проекта в области компьютерного зрения.
RTDETRv2: Transformer для обнаружения объектов в реальном времени#
RTDETRv2 развивает архитектуру исходной модели RT-DETR и призвана объединить способность визуальных Transformer учитывать глобальный контекст со скоростью, необходимой для приложений реального времени.
Основные характеристики:
- Авторы: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang и Yi Liu
- Организация: Baidu
- Дата: 2024-07-24
- Ссылки: Arxiv, GitHub, Документация
Архитектура и сильные стороны#
В отличие от традиционных детекторов с якорями, RTDETRv2 использует подход на основе Transformer, который нативно устраняет необходимость в подавлении немаксимумов (NMS) при постобработке. Благодаря гибкому механизму внимания модель эффективно распознаёт сложные сцены и перекрывающиеся объекты. Улучшения «Bag-of-Freebies» значительно повысили её точность на датасете COCO, сохранив приемлемую скорость инференса на высокопроизводительных GPU.
Ограничения#
Несмотря на впечатляющие результаты RTDETRv2 в академических исследованиях, её развертывание в производственной среде часто сопряжено с трудностями. По сравнению со сверточными нейронными сетями Transformer изначально требуются большие объёмы памяти как при обучении, так и при инференсе. Из-за этого развертывание на периферийных устройствах ИИ с ограниченными ресурсами может быть затруднено. Кроме того, для обучения Transformer обычно нужны бо́льшие размеры пакетов и больше памяти CUDA, что может стать узким местом для исследователей с ограниченными аппаратными ресурсами.
YOLO26: вершина периферийного ИИ для компьютерного зрения#
Выпущенная в начале 2026 года, Ultralytics YOLO26 переосмысливает возможности обнаружения объектов на основе сверточных нейронных сетей. В ней реализованы передовые оптимизации, специально разработанные для простого развертывания в производственной среде и максимальной эффективности оборудования.
Основные характеристики:
- Авторы: Glenn Jocher и Jing Qiu
- Организация: Ultralytics
- Дата: 14 января 2026 года
- Ссылки: GitHub, Документация
Архитектурные прорывы#
В YOLO26 реализовано несколько революционных возможностей, которые решают распространённые проблемы развертывания моделей:
- Сквозная архитектура без NMS: развивая идеи, впервые реализованные в YOLOv10, YOLO26 изначально построена как сквозная модель. Пропуск постобработки NMS с помощью опциональной головы один-к-одному (
nms=False) значительно уменьшает вариативность задержки и обеспечивает предсказуемое время инференса в производственной среде. - До 43% более быстрый инференс на CPU: благодаря продуманным архитектурным улучшениям и удалению Distribution Focal Loss (DFL) YOLO26 достигает беспрецедентной скорости на CPU и становится оптимальным выбором для периферийных вычислений без выделенных GPU.
- Оптимизатор MuSGD: вдохновлённая методами обучения больших языковых моделей (LLM), например Moonshot AI Kimi K2, YOLO26 использует оптимизатор MuSGD — гибрид SGD и Muon. Он обеспечивает стабильное обучение и чрезвычайно быструю сходимость.
- ProgLoss + STAL: эти продвинутые функции потерь заметно повышают качество распознавания небольших объектов. Это важное улучшение для приложений, связанных с аэрофотосъёмкой и наблюдением с помощью дронов.
Помимо стандартного обнаружения, в YOLO26 реализованы специальные улучшения: функция потерь для семантической сегментации и протослои нескольких масштабов для задач сегментации, оценка остаточного логарифмического правдоподобия (RLE) для оценки позы и специальная функция потерь для углов, устраняющая проблемы с границами при обнаружении ориентированных ограничивающих рамок (OBB).
Сравнение производительности#
При оценке этих моделей важно обеспечить высокий баланс между точностью (mAP) и вычислительной эффективностью. В таблице ниже показано, что YOLO26 стабильно превосходит RTDETRv2 в разных вариантах размера.
| Модель | размер (пиксели) | mAPval 50-95 | Скорость CPU ONNX (мс) | Скорость T4 TensorRT10 (мс) | параметры (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| 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 |
| YOLO26n | 640 | 40.9 | 38.9 | 1.7 | 2.4 | 5.5 |
| YOLO26s | 640 | 48.6 | 87.2 | 2.5 | 9.5 | 20.9 |
| YOLO26m | 640 | 53.1 | 220.0 | 4.7 | 20.4 | 68.4 |
| YOLO26l | 640 | 55.0 | 286.2 | 6.2 | 24.8 | 86.8 |
| YOLO26x | 640 | 57.5 | 525.8 | 11.8 | 55.7 | 194.4 |
Как видно выше, модель YOLO26x достигает впечатляющего показателя 57.5 mAP, значительно превосходя RTDETRv2-x, используя меньше параметров и обеспечивая более высокую скорость инференса на TensorRT. Кроме того, YOLO26 требует заметно меньше памяти, что делает её оптимальным выбором для периферийных развертываний в реальном времени.
Экосистема и простота использования#
Сырая производительность крайне важна, но именно экосистема определяет, насколько быстро модель можно перевести из исследований в производственную среду. Здесь платформа Ultralytics даёт непревзойдённое преимущество.
Единая экосистема с надёжной поддержкой#
RTDETRv2 существует главным образом как исследовательский репозиторий, поэтому для неё может потребоваться сложная настройка окружения и ручное написание скриптов для пользовательских задач. В свою очередь, Ultralytics YOLO26 доступна в виде зрелого, тщательно протестированного пакета Python. Экосистема Ultralytics обеспечивает удобство работы и простой API для обучения, валидации, предсказаний и экспорта.
Благодаря встроенной интеграции с Weights & Biases и Comet ML отслеживать эксперименты просто. Кроме того, модели Ultralytics универсальны: если RTDETRv2 предназначена для обнаружения объектов, то YOLO26 нативно поддерживает сегментацию экземпляров, оценку позы и классификацию изображений в рамках того же фреймворка.
Пример кода: просто и наглядно#
API Ultralytics позволяет разработчикам загружать модели, обучать их и запускать инференс всего в несколько строк кода. Это значительно повышает эффективность обучения и сокращает время выхода на рынок.
from ultralytics import RTDETR, YOLO
# Загрузить модель RT-DETR
model_rtdetr = RTDETR("rtdetr-l.pt")
# Загрузить современную модель YOLO26
model_yolo = YOLO("yolo26n.pt")
# Легко запустить инференс на изображении
results_rtdetr = model_rtdetr("https://ultralytics.com/images/bus.jpg")
results_yolo = model_yolo("https://ultralytics.com/images/bus.jpg")
# Показать результаты YOLO26
results_yolo[0].show()
# Экспортировать YOLO26 в формат ONNX одним щелчком мыши
model_yolo.export(format="onnx")Сценарии использования и рекомендации#
Выбор между RT-DETR и YOLO26 зависит от конкретных требований проекта, ограничений развертывания и предпочтительной экосистемы.
Когда выбрать RT-DETR#
RT-DETR — отличный выбор 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 YOLO26#
YOLO26 рекомендуется для:
- 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 ускорителя GPU, где до 43% более быстрый инференс YOLO26 на CPU даёт решающее 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.
Другие архитектуры#
Хотя YOLO26 задает современную планку производительности, разработчикам может быть полезно изучить и предыдущие версии. Успешная модель YOLO11 остается надежным и полностью поддерживаемым решением для различных устаревших систем. Подробнее о ее возможностях можно узнать из нашего сравнения RT-DETR и YOLO11. Кроме того, если ты изучаешь более старые архитектуры, сравнение EfficientDet и YOLO26 поможет понять, насколько продвинулись архитектуры обнаружения объектов.
Заключение#
RTDETRv2 и YOLO26 предлагают впечатляющие достижения в области ИИ. Однако командам, которые ставят во главу угла простой переход к промышленной эксплуатации, минимальный объем памяти и широкий спектр задач, мы однозначно рекомендуем Ultralytics YOLO26. Архитектура без NMS, высокая скорость на CPU и поддержка надежной экосистемы Ultralytics помогают создавать масштабируемые, эффективные и перспективные проекты компьютерного зрения. YOLO26 обеспечивает высокую производительность сразу после установки — будь то облачный сервер или устройство с ограниченными ресурсами, например Raspberry Pi.