Начать

RTDETRv2 и YOLOv10

Развитие компьютерного зрения во многом обусловлено необходимостью сбалансировать скорость и точность. Традиционно в конвейерах обнаружения объектов в реальном времени для фильтрации перекрывающихся ограничивающих рамок применяют подавление немаксимумов (NMS) на этапе постобработки. Однако NMS увеличивает задержку и требует настройки порога. Два архитектурных подхода устраняют эту операцию на уровне самой модели: модели на основе Transformer, такие как RTDETRv2, и модели на основе CNN, такие как YOLOv10.

В этом руководстве сравниваются архитектуры, метрики производительности и оптимальные сценарии применения двух моделей, а также показано, как новейшие модели экосистемы Ultralytics вписываются в современные сценарии развёртывания.

RTDETRv2: Transformer для обнаружения объектов в реальном времени#

RTDETRv2 развивает архитектуру оригинальной модели RT-DETR, объединяя понимание глобального контекста, свойственное Vision Transformer, со скоростью работы в реальном времени, которой традиционно отличаются модели YOLO.

Основные характеристики:

Архитектура и методики обучения#

RTDETRv2 использует сквозную архитектуру Transformer без NMS. По сравнению с предшественницей в ней применён подход «Bag-of-Freebies», который оптимизирует стратегию обучения и добавляет возможности многомасштабного обнаружения. Для извлечения карт признаков (визуальных деталей, таких как края и текстуры) модель использует магистраль CNN, а затем обрабатывает их структурой энкодера-декодера Transformer. Это позволяет модели одновременно анализировать контекст всего изображения и эффективно разбирать сложные сцены, в которых объекты расположены тесно или перекрывают друг друга.

Преимущества и недостатки#

Преимущества:

  • Глобальный контекст: Механизм внимания помогает модели эффективно работать в сложных и загроможденных сценах.
  • Без NMS: модель напрямую предсказывает координаты объектов, упрощая конвейер развертывания.
  • Высокая точность: модель обеспечивает отличное значение средней точности (mAP) на наборе данных COCO.

Недостатки:

  • Высокая ресурсоёмкость: архитектуры Transformer обычно требуют во время обучения больше памяти CUDA, чем CNN, поэтому их тонкая настройка на стандартном оборудовании обходится дороже.
  • Непостоянная скорость инференса: несмотря на высокую скорость, интенсивные вычисления внимания могут снижать частоту кадров в компьютерном зрении на периферийных устройствах без специализированных ускорителей ИИ.

Подробнее о RTDETRv2

YOLOv10: сквозное обнаружение объектов в реальном времени#

YOLOv10 существенно меняет подход к развитию семейства моделей YOLO для обнаружения объектов, напрямую устраняя давнее узкое место NMS на уровне архитектуры CNN.

Основные характеристики:

Архитектура и методики обучения#

Главное нововведение YOLOv10 — согласованные двойные назначения для обучения без NMS. Во время обучения используются две головы обнаружения: первая применяет назначение «один ко многим», как в традиционных моделях YOLO, и обеспечивает богатый сигнал для обучения, а вторая — назначение «один к одному», устраняющее необходимость в NMS. Во время инференса используется только голова «один к одному», благодаря чему процесс становится сквозным. Кроме того, авторы применили комплексную стратегию проектирования модели с учетом эффективности и точности, оптимизировав различные компоненты и сократив избыточные вычисления.

Преимущества и недостатки#

Преимущества:

  • Низкая задержка: устраняя NMS и оптимизируя архитектуру, YOLOv10 обеспечивает очень низкую задержку инференса.
  • Эффективность: для достижения точности, сопоставимой с другими моделями, требуется меньше параметров и FLOPs, что делает модель особенно подходящей для сред с ограниченными ресурсами.
  • Развертывание без NMS: упрощает интеграцию в периферийные приложения, например в системы умного видеонаблюдения.

Недостатки:

  • Концепция первого поколения: YOLOv10 стала первой моделью YOLO с такой архитектурой без NMS. Она заложила основу для дальнейшей разработки, но в ней еще не было универсальности для множества задач и оптимизаций, появившихся в последующих моделях, таких как YOLO11 и YOLO26.

Подробнее о YOLOv10

Сравнение производительности#

При оценке моделей для production точность нужно сопоставлять с вычислительными затратами. В таблице ниже показаны компромиссы между размерами RTDETRv2 и YOLOv10 на COCO.

Модельразмер
(пиксели)
mAPval50-95Скорость
CPU ONNX
(мс)
Скорость
T4 TensorRT10
(мс)
параметры
(M)
FLOPs
(B)
RTDETRv2-s64048.1-5.032060
RTDETRv2-m64051.9-7.5136100
RTDETRv2-l64053.4-9.7642136
RTDETRv2-x64054.3-15.0376259
YOLOv10n64038.5-1.842.36.7
YOLOv10s64046.3-2.497.221.6
YOLOv10m64051.1-4.7415.459.1
YOLOv10b64052.5-5.7419.192.0
YOLOv10l64053.2-7.2824.4120.3
YOLOv10x64054.4-10.7029.5160.4

RTDETRv2 немного точнее в малом, среднем и крупном размерах (48.1, 51.9 и 53.4 mAP против 46.3, 51.1 и 53.2 у YOLOv10s, m и l), однако YOLOv10 быстрее и компактнее при любом размере. YOLOv10x сравнима с RTDETRv2-x по точности (54.4 против 54.3 mAP), но имеет 29.5M параметров вместо 76M и задержку в TensorRT 10.70 мс вместо 15.03 мс. Nano- и small-варианты делают YOLOv10 привлекательной для приложений периферийных вычислений и AIoT.

Выбор подходящего размера

Если ты используешь серверные GPU, где размер пакета и объем видеопамяти не так сильно ограничены, большие модели (например, -x или -l) обеспечат максимальную точность. Для периферийных устройств, таких как Raspberry Pi и мобильные телефоны, выбирай нано- (-n) или малые (-s) варианты, чтобы сохранить частоту кадров в реальном времени.

Сценарии использования и рекомендации#

Выбор между RT-DETR и YOLOv10 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 YOLOv10#

YOLOv10 рекомендуется для таких задач:

  • Детектирование в реальном времени без NMS: Приложения, которым полезно сквозное детектирование без подавления немаксимумов, что упрощает развертывание.
  • Сбалансированное соотношение скорости и точности: Проекты, в которых важно найти оптимальный баланс между скоростью инференса и точностью детектирования для моделей разных размеров.
  • Приложения с постоянной задержкой: Сценарии развертывания, где важны предсказуемые времена инференса, например в робототехнике или автономных системах.

Когда выбирать Ultralytics (YOLO26)#

Для большинства новых проектов Ultralytics YOLO26 предлагает оптимальное сочетание производительности и удобства разработки:

  • Развертывание на периферийных устройствах без NMS: Приложения, которым необходим стабильный инференс с низкой задержкой без усложнения постобработки подавлением немаксимумов.
  • Среды, работающие только на CPU: устройства без выделенного ускорения на GPU, на которых преимущество YOLO26n особенно заметно: инференс на CPU выполняется до 43% быстрее, чем у YOLO11n.
  • Обнаружение небольших объектов: сложные сценарии, например аэрофотосъемка с дронов или анализ данных датчиков IoT, где ProgLoss и STAL повышают точность обнаружения небольших объектов.

Преимущества Ultralytics: знакомство с YOLO26#

RTDETRv2 и YOLOv10 — значимые исследовательские разработки, но для их развёртывания в реальных условиях нужна хорошо поддерживаемая программная экосистема. Платформа Ultralytics сочетает простоту использования, подробную документацию и инструменты для разметки данных и развёртывания.

Для новых проектов в 2026 году рекомендуем модель Ultralytics YOLO26. Она объединяет идеи обеих архитектур и предлагает несколько улучшений:

  • Сквозная архитектура без NMS: Опираясь на обучение без NMS, которое YOLOv10 внедрила в модели YOLO, YOLO26 предлагает дополнительную голову one-to-one (nms=False), пропускающую постобработку с NMS, что упрощает и ускоряет развёртывание и обеспечивает более стабильную задержку.
  • Отказ от DFL: благодаря отказу от Distribution Focal Loss YOLO26 упрощает экспорт модели и лучше совместима с периферийными устройствами и устройствами с низким энергопотреблением.
  • Оптимизатор MuSGD: этот гибрид SGD и Muon, вдохновлённый методами обучения LLM, обеспечивает более стабильное обучение и быструю сходимость.
  • Инференс на CPU до 43% быстрее: YOLO26n работает на CPU с ONNX до 43% быстрее YOLO11n, что полезно в средах без выделенных GPU.
  • ProgLoss + STAL: прогрессивная функция потерь и назначение меток с учётом малых объектов (STAL) улучшают распознавание небольших объектов, что особенно важно для приложений с использованием дронов и датчиков IoT.
  • Поддержка нескольких задач: в отличие от моделей, ограниченных ограничивающими рамками, YOLO26 также поддерживает сегментацию экземпляров, семантическую сегментацию, оценку глубины, классификацию изображений, оценку позы и обнаружение OBB, а также улучшения для конкретных задач, например Residual Log-Likelihood Estimation (RLE) для оценки позы.

Реализация на Python#

Обучение и развёртывание этих моделей с помощью API Python Ultralytics сделано простым. Для обучения требуется меньше памяти, чем для архитектур с большим количеством Transformer, поэтому мощные модели можно обучать на стандартном оборудовании.

from ultralytics import YOLO

# Загрузи модель YOLO26 (рекомендуется)
# В качестве альтернативы загрузи модель YOLOv10 с помощью YOLO('yolov10n.pt')
model = YOLO("yolo26n.pt")

# Обучи модель на собственном датасете
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Легко экспортировать модель в разные форматы для развертывания на периферийных устройствах
model.export(format="onnx", simplify=True)

Будь то внедрение систем охранной сигнализации или анализ медицинских изображений, выбор модели с активным сообществом Ultralytics даст тебе необходимые инструменты, руководства по настройке гиперпараметров и регулярные обновления. YOLOv10 и RTDETRv2 проложили путь архитектурам без NMS, а YOLO26 развивает эти идеи, предлагая удачное сочетание производительности, универсальности и готовности к production.

Участники

Комментарии

Задай вопрос, поделись результатами или помоги кому-нибудь.