Начать

YOLOv8 и RTDETRv2

Ландшафт компьютерного зрения постоянно меняется, а новые архитектуры расширяют возможности обнаружения объектов в реальном времени. Две заметные модели, привлекшие значительное внимание, — Ultralytics YOLOv8 и RTDETRv2 от Baidu. В этом руководстве приводится техническое сравнение моделей, их архитектур, метрик производительности и оптимальных сценариев развертывания.

Обзор YOLOv8#

Ultralytics YOLOv8 — важная веха в семействе моделей YOLO (смотришь только один раз), сочетающая скорость, точность и простоту использования для широкого спектра задач.

Основные характеристики:

Архитектура и сильные стороны#

В YOLOv8 представлена упрощенная архитектура, оптимизирующая извлечение признаков и регрессию ограничивающих рамок. Это детектор без анкеров, который упрощает голову предсказаний и сокращает количество настроек гиперпараметров, необходимых во время обучения. Благодаря этому YOLOv8 обеспечивает удачный баланс между скоростью инференса и средней точностью (mAP), что делает ее подходящей для развертывания в реальных условиях — как на периферийных устройствах, так и на облачных серверах.

Кроме того, во время обучения YOLOv8 требует меньше памяти, чем архитектуры на основе Transformer, поэтому разработчики могут обучать модели на обычных потребительских GPU, не сталкиваясь с нехваткой памяти.

Универсальность#

Одно из главных преимуществ YOLOv8 — универсальность, доступная из коробки. В то время как многие модели специализируются только на ограничивающих рамках, YOLOv8 изначально поддерживает обнаружение объектов, сегментацию экземпляров, классификацию изображений, оценку позы и обнаружение повернутых ограничивающих рамок (OBB).

Обзор RTDETRv2#

RTDETRv2 (Transformer для обнаружения объектов в реальном времени, версия 2) развивает идеи оригинальной модели RT-DETR, стремясь перенести механизмы внимания из Vision Transformers в приложения для обнаружения объектов в реальном времени.

Основные характеристики:

Архитектура и сильные стороны#

RTDETRv2 использует гибридную архитектуру, объединяющую основу сверточной нейронной сети (CNN) со структурой кодировщика-декодировщика Transformer. Благодаря механизмам самовнимания модель может учитывать сложные пространственные взаимосвязи и глобальный контекст. Применяя набор стратегий обучения «bag-of-freebies», RTDETRv2 достигает конкурентных показателей mAP на стандартных эталонных наборах данных, таких как набор данных COCO.

Недостатки#

Несмотря на высокую точность, архитектура RTDETRv2 на основе Transformer приводит к большему потреблению памяти и более длительному обучению по сравнению с чистыми архитектурами CNN. Transformer обычно требуют больше VRAM, что затрудняет обучение на оборудовании с ограниченными ресурсами. Кроме того, хотя RTDETRv2 хорошо справляется с обнаружением объектов, в ней нет поддержки нескольких задач (например, сегментации и оценки позы), встроенной в экосистему Ultralytics.

Подробнее о RTDETRv2

Сравнение производительности#

При выборе моделей для промышленной эксплуатации важно учитывать компромисс между размером модели, скоростью инференса и точностью. В таблице ниже напрямую сравниваются варианты YOLOv8 и RTDETRv2.

Модельразмер
(пиксели)
mAPval50-95Скорость
CPU ONNX
(мс)
Скорость
T4 TensorRT10
(мс)
параметры
(M)
FLOPs
(B)
YOLOv8n64037.380.41.473.28.7
YOLOv8s64044.9128.42.6611.228.6
YOLOv8m64050.2234.75.8625.978.9
YOLOv8l64052.9375.29.0643.7165.1
YOLOv8x64053.9479.114.3768.2257.8
RTDETRv2-s64048.1-5.032060
RTDETRv2-m64051.9-7.5136100
RTDETRv2-l64053.4-9.7642136
RTDETRv2-x64054.3-15.0376259
Оборудование и метрики

Инференс на CPU выполнялся с использованием ONNX, а скорость на GPU проверялась с помощью TensorRT на NVIDIA T4 GPU.

Сценарии использования и рекомендации#

Выбор между YOLOv8 и RT-DETR зависит от конкретных требований проекта, ограничений на развертывание и предпочтений в отношении экосистемы.

Когда выбрать YOLOv8#

YOLOv8 — хороший выбор для:

  • Универсальное развёртывание для нескольких задач: Проекты, которым нужна проверенная модель для обнаружения объектов, сегментации, классификации и оценки позы в экосистеме Ultralytics.
  • Уже работающие системы: существующие промышленные среды, построенные на архитектуре YOLOv8 и использующие стабильные, тщательно проверенные конвейеры развертывания.
  • Широкая поддержка сообщества и экосистемы: приложения, которым помогают многочисленные руководства по YOLOv8, сторонние интеграции и активное сообщество.

Когда выбрать RT-DETR#

RT-DETR рекомендуется для:

  • Исследования обнаружения на основе Transformer: проекты, изучающие 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 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 мелких объектов: сложные сценарии, например съемка с дронов или анализ данных датчиков IoT, где ProgLoss и STAL повышают точность распознавания крошечных объектов.

Преимущества Ultralytics#

При выборе модели важны не только основные метрики: окружающая программная экосистема играет ключевую роль в производительности разработчиков. Экосистема Ultralytics разработана для простоты использования и предоставляет унифицированный Python API, который упрощает весь жизненный цикл машинного обучения.

От управления наборами данных до распределенного обучения — Ultralytics берет на себя сложный шаблонный код. Разработчикам доступны предварительно обученные веса и интеграции с платформами вроде Hugging Face и инструментами мониторинга экспериментов. Экосистема активно развивается и регулярно обновляется, а за ней стоит большое сообщество.

Модели Ultralytics YOLO также оптимизированы для быстрой сходимости и меньшего потребления памяти в процессе обучения, что позволяет быстрее проводить эксперименты, чем с детекторами на основе Transformer, такими как RTDETRv2.

Взгляд в будущее: возможности YOLO26#

YOLOv8 остается мощной моделью, но для новых проектов Ultralytics рекомендует выпущенную в январе 2026 года YOLO26, которая предлагает несколько улучшений:

  • Сквозной дизайн без NMS: необязательная голова one-to-one в YOLO26 (nms=False) устраняет постобработку с подавлением немаксимумов (NMS), обеспечивая более быстрое и детерминированное развертывание.
  • Удаление DFL: отказ от Distribution Focal Loss упрощает модель и улучшает совместимость с периферийными устройствами и устройствами с низким энергопотреблением.
  • Оптимизатор MuSGD: созданный под влиянием обучения LLM, MuSGD (гибрид SGD и Muon) обеспечивает более стабильное обучение и более быструю сходимость.
  • Инференс на CPU до 43% быстрее: YOLO26n выполняет инференс в ONNX на CPU до 43% быстрее YOLO11n и хорошо подходит для сред без выделенных GPU.
  • ProgLoss + STAL: Progressive Loss и Small-Target-Aware Label Assignment заметно улучшают распознавание мелких объектов, что особенно важно для аэрофотосъёмки и робототехники.

К другим современным альтернативам из линейки Ultralytics, которые стоит изучить, относится YOLO11. Она остается хорошим вариантом для существующих проектов, хотя для новых развертываний рекомендуется YOLO26.

Пример кода: обучение и инференс#

Благодаря простоте API Ultralytics для загрузки, обучения и развертывания моделей достаточно всего нескольких строк кода на Python. Перед запуском примера ниже установи PyTorch.

from ultralytics import YOLO

# Загружаем предварительно обученную небольшую модель YOLOv8
model = YOLO("yolov8s.pt")

# Обучи модель на собственном датасете
# Экономное использование памяти при обучении позволяет увеличить размер батча
train_results = model.train(data="coco8.yaml", epochs=50, imgsz=640, batch=16)

# Запусти инференс на тестовом изображении
results = model("https://ultralytics.com/images/bus.jpg")

# Отобрази результаты
results[0].show()

# Экспортируй модель для развертывания на периферийных устройствах
export_path = model.export(format="onnx")
Готово к развертыванию

Ultralytics поддерживает экспорт одной командой во множество форматов, включая ONNX, TensorRT и CoreML, упрощая варианты развертывания моделей на разных аппаратных архитектурах.

Заключение#

И YOLOv8, и RTDETRv2 обладают широкими возможностями для обнаружения объектов в реальном времени. RTDETRv2 показывает, как Transformer учитывают глобальный контекст, поэтому модель подходит для сложных задач пространственного анализа, где скорость инференса и затраты памяти не являются главными ограничениями.

Однако разработчикам, которым важен баланс скорости, точности и эффективности использования ресурсов, практичнее выбрать модели Ultralytics YOLO. Легкая архитектура YOLOv8, простота использования, поддержка нескольких задач и активная экосистема с открытым исходным кодом делают ее подходящей для масштабируемых промышленных систем. Для максимальной производительности на периферийных устройствах YOLO26 обеспечивает инференс без NMS и более высокую скорость CPU.

Комментарии

Задай вопрос, поделись результатами или помоги кому-нибудь.