Link to this sectionRTDETRv2 против YOLOv10#

Эволюция компьютерного зрения во многом продиктована неустанным стремлением найти баланс между скоростью и точностью. Традиционно конвейеры обнаружения объектов в реальном времени полагались на немаксимальное подавление (NMS) в качестве этапа постобработки для фильтрации перекрывающихся ограничивающих рамок. Однако NMS вносит задержки и требует сложной настройки гиперпараметров. Недавно появились два различных архитектурных подхода, позволяющих решить эту проблему нативно: модели на базе Transformer, такие как RTDETRv2, и модели на базе CNN, такие как YOLOv10.

Это руководство представляет собой всестороннее техническое сравнение двух этих моделей, анализируя их архитектуры, показатели производительности и идеальные сценарии использования, а также подчеркивая, как последние инновации в экосистеме Ultralytics предлагают лучшее решение для современного развертывания.

Link to this sectionRTDETRv2: Трансформеры для детектирования в реальном времени#

RTDETRv2 базируется на оригинальной архитектуре RT-DETR, стремясь объединить понимание глобального контекста от Vision Transformers с требованиями к скорости в реальном времени, в которых традиционно доминируют модели YOLO.

Основные характеристики:

• Авторы: Вэньюй Лю, Иань Чжао, Циньяо Чанг, Куй Хуан, Гуаньчжун Ван и И Лю
• Организация: Baidu
• Дата: 2024-07-24
• Arxiv: https://arxiv.org/abs/2407.17140
• GitHub: https://github.com/lyuwenyu/RT-DETR/tree/main/rtdetrv2_pytorch

Link to this sectionАрхитектура и методологии обучения#

RTDETRv2 использует архитектуру Transformer «от начала до конца» (end-to-end), которая по своей сути позволяет обойтись без NMS. Она улучшает своего предшественника за счет введения подхода «Bag-of-Freebies», оптимизации стратегии обучения и внедрения возможностей многомасштабного обнаружения. Модель использует CNN-бэкенд для извлечения карт признаков (визуальных деталей, таких как края и текстуры), которые затем обрабатываются структурой энкодер-декодер трансформера. Это позволяет модели анализировать весь контекст изображения одновременно, что делает ее крайне эффективной для понимания сложных сцен, где объекты расположены плотно или перекрывают друг друга.

Link to this sectionСильные и слабые стороны#

Преимущества:

• Глобальный контекст: механизм внимания позволяет модели превосходно работать в сложных, загроможденных средах.
• Без NMS: Напрямую предсказывает координаты объектов, упрощая конвейер развертывания.
• Высокая точность: Достигает отличного среднего среднего значения точности (mAP) на наборе данных COCO.

Недостатки:

• Ресурсоемкость: Архитектуры Transformer обычно требуют значительно больше памяти CUDA при обучении по сравнению с CNN, что делает их дорогостоящими для дообучения на стандартном оборудовании.
• Изменчивость скорости вывода: Несмотря на быстродействие, тяжелые вычисления внимания могут приводить к снижению FPS в компьютерном зрении на граничных устройствах, не имеющих выделенных AI-ускорителей.

Узнай больше о RTDETRv2

Link to this sectionYOLOv10: Детектирование объектов в реальном времени из конца в конец#

YOLOv10 представляет собой серьезный сдвиг в линейке обнаружения объектов YOLO, непосредственно устраняя давнюю проблему «узкого места» NMS в рамках архитектуры CNN.

Основные характеристики:

• Авторы: Ао Ван, Хуэй Чен, Лихао Лю и др.
• Организация: Университет Цинхуа
• Дата: 2024-05-23
• Arxiv: https://arxiv.org/abs/2405.14458
• GitHub: https://github.com/THU-MIG/yolov10

Link to this sectionАрхитектура и методологии обучения#

Основная инновация YOLOv10 заключается в последовательном двойном назначении для обучения без NMS. В процессе обучения используются две головы обнаружения: одна с назначением «один-ко-многим» (как в традиционных YOLO) для обеспечения богатых сигналов контроля, и другая с назначением «один-к-одному» для исключения необходимости в NMS. Во время вывода используется только голова «один-к-одному», что приводит к сквозному (end-to-end) процессу. Кроме того, авторы применили стратегию проектирования моделей, основанную на целостной эффективности и точности, всесторонне оптимизировав различные компоненты для снижения вычислительной избыточности.

Link to this sectionСильные и слабые стороны#

Преимущества:

• Экстремальная скорость: Устранив NMS и оптимизировав архитектуру, YOLOv10 достигает невероятно низкой задержки вывода.
• Эффективность: Требует меньше параметров и FLOPs для достижения точности, сравнимой с другими моделями, что делает ее очень подходящей для ограниченных сред.
• Развертывание без NMS: Упрощает интеграцию в периферийные приложения, такие как умное наблюдение.

Недостатки:

• Концепция первого поколения: Как первая модель YOLO, реализующая эту специфическую архитектуру без NMS, она заложила основу, но оставила место для универсальности в многозадачности и оптимизации, которые появились в последующих моделях, таких как YOLO11 и YOLO26.

Узнай больше о YOLOv10

Link to this sectionСравнение производительности#

При оценке моделей для продакшена критически важно сбалансировать точность и вычислительные затраты. В приведенной ниже таблице выделены компромиссы в производительности между различными размерами RTDETRv2 и YOLOv10.

В то время как RTDETRv2 предлагает надежную точность, YOLOv10 демонстрирует заметное преимущество в задержке и эффективности параметров, особенно в своих меньших вариантах (Nano и Small), что делает ее очень привлекательной для приложений граничных вычислений и AIoT.

Link to this sectionСценарии использования и рекомендации#

Выбор между RT-DETR и YOLOv10 зависит от специфических требований твоего проекта, ограничений развертывания и предпочтений в экосистеме.

Link to this sectionКогда выбирать RT-DETR#

RT-DETR — отличный выбор 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.

Link to this sectionКогда стоит выбрать YOLOv10#

YOLOv10 рекомендуется для:

• Детекции в реальном времени без NMS: Приложения, которым полезна сквозная (end-to-end) детекция без использования Non-Maximum Suppression, что снижает сложность развертывания.
• Сбалансированного соотношения скорости и точности: Проекты, требующие оптимального баланса между скоростью вывода и точностью детекции для различных масштабов моделей.
• Приложений с постоянной задержкой: Сценарии развертывания, где критически важна предсказуемость времени вывода, например, в робототехнике или автономных системах.

Link to this sectionКогда выбирать Ultralytics (YOLO26)#

Для большинства новых проектов Ultralytics YOLO26 предлагает наилучшее сочетание производительности и опыта 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.
• Детектирования мелких объектов: сложных сценариев, таких как аэросъемка с дронов или анализ датчиков IoT, где ProgLoss и STAL значительно повышают точность на крошечных объектах.

Link to this sectionПреимущество Ultralytics: представляем YOLO26#

Хотя и RTDETRv2, и YOLOv10 предлагают убедительные академические достижения, их развертывание в реальных сценариях требует надежной, хорошо поддерживаемой программной экосистемы. Платформа Ultralytics предоставляет непревзойденный опыт для разработчиков, сочетая простоту использования, обширную документацию и мощные инструменты для разметки данных и развертывания.

Для разработчиков, ищущих абсолютный передовой уровень в 2026 году, Ultralytics YOLO26 является лучшей рекомендацией. Она синтезирует лучшие идеи обеих архитектур, внедряя при этом революционные улучшения:

• Сквозной дизайн без NMS: Опираясь на концепцию, предложенную в YOLOv10, YOLO26 нативно исключает постобработку NMS, что приводит к более быстрой, простой логике развертывания и нулевой вариативности задержки.
• Удаление DFL: Удалив Distribution Focal Loss, YOLO26 упрощает экспорт модели и значительно улучшает совместимость с периферийными и маломощными устройствами.
• Оптимизатор MuSGD: Гибрид SGD и Muon (вдохновленный инновациями в обучении LLM), этот новый оптимизатор обеспечивает более стабильное обучение и значительно более быструю сходимость по сравнению с традиционными методами.
• До 43% быстрее вывод на CPU: Тщательно оптимизировано для сред без выделенных GPU, делая высокопроизводительный AI для зрения доступным каждому.
• ProgLoss + STAL: Эти передовые функции потерь дают заметные улучшения в распознавании мелких объектов, что критически важно для приложений, использующих дроны и IoT-датчики.
• Непревзойденная универсальность: В отличие от моделей, ограниченных только ограничивающими рамками, YOLO26 поддерживает полный набор задач, включая сегментацию экземпляров, оценку позы, классификацию изображений и обнаружение OBB, в комплекте с улучшениями для конкретных задач, такими как Residual Log-Likelihood Estimation (RLE) для поз.

Узнай больше о YOLO26

Link to this sectionБесшовная реализация с помощью Python#

Обучение и развертывание этих моделей с использованием Python API Ultralytics спроектировано так, чтобы быть максимально простым. Требования к памяти при обучении заметно ниже по сравнению с архитектурами, перегруженными трансформерами, что позволяет тебе обучать мощные модели на стандартном оборудовании.

from ultralytics import YOLO

# Load the cutting-edge YOLO26 model (recommended)
# Alternatively, load a YOLOv10 model using YOLO('yolov10n.pt')
model = YOLO("yolo26n.pt")

# Train the model on your custom dataset
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Easily export to various formats for edge deployment
model.export(format="onnx", simplify=True)

Whether you are implementing security alarm systems or conducting medical image analysis, choosing a model backed by the active Ultralytics community ensures you have the tools, hyperparameter tuning guides, and continuous updates needed to succeed. While YOLOv10 and RTDETRv2 paved the way for NMS-free architectures, YOLO26 perfects the formula, offering the best balance of performance, versatility, and production readiness.