YOLOv8 vs RTDETRv2#

Ландшафт компьютерного зрения постоянно развивается: новые архитектуры расширяют границы возможностей обнаружения объектов в реальном времени. Две заметные модели, привлекшие значительное внимание, — Ultralytics YOLOv8 и RTDETRv2 от Baidu. В этом руководстве представлено подробное техническое сравнение этих мощных моделей, включая их архитектуры, показатели производительности и оптимальные сценарии развертывания.

Обзор YOLOv8#

Ultralytics YOLOv8 представляет собой важную веху в семействе моделей YOLO («смотришь один раз» (YOLO)). Модель основана на результатах многолетних фундаментальных исследований и обеспечивает исключительную скорость, точность и простоту использования для широкого спектра задач.

Ключевые характеристики:

• Авторы: Glenn Jocher, Ayush Chaurasia и Jing Qiu
• Организация: Ultralytics
• Дата: 10 января 2023 г.
• GitHub: Репозиторий Ultralytics
• Документация: Документация YOLOv8

Архитектура и преимущества#

YOLOv8 представляет оптимизированную архитектуру, которая улучшает как извлечение признаков, так и регрессию ограничивающих рамок. Это детектор без якорей, что упрощает головку предсказания и сокращает количество настроек гиперпараметров, необходимых во время обучения. Такая архитектура обеспечивает отличный баланс производительности между скоростью инференса и средней точностью (mAP), благодаря чему модель отлично подходит для реального развертывания как на периферийных устройствах, так и на облачных серверах.

Кроме того, YOLOv8 требует значительно меньше памяти во время обучения по сравнению с архитектурами на основе Transformer. Это позволяет разработчикам обучать модели на стандартных потребительских GPU без ошибок нехватки памяти.

Универсальность#

Одна из ключевых сильных сторон YOLOv8 — встроенная универсальность. В то время как многие модели сосредоточены исключительно на ограничивающих рамках, YOLOv8 из коробки поддерживает обнаружение объектов, сегментацию экземпляров, классификацию изображений, оценку позы и обнаружение ориентированных ограничивающих рамок (OBB).

Обзор RTDETRv2#

RTDETRv2 (Transformer для обнаружения объектов в реальном времени, версия 2 (RTDETRv2)) развивает оригинальную модель RT-DETR, перенося мощные механизмы внимания Vision Transformer в приложения для обнаружения объектов в реальном времени.

Ключевые характеристики:

• Авторы: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang и Yi Liu
• Организация: Baidu
• Дата: 2024-07-24
• Arxiv: 2407.17140
• GitHub: Репозиторий RT-DETR
• Документация: README RTDETRv2

Архитектура и преимущества#

RTDETRv2 использует гибридную архитектуру, объединяющую основу сверточной нейронной сети (CNN) со структурой кодировщика-декодировщика Transformer. Это позволяет модели захватывать сложные пространственные взаимосвязи и глобальный контекст с помощью механизмов self-attention. Благодаря набору обучающих стратегий «bag-of-freebies» RTDETRv2 достигает конкурентоспособных показателей mAP на стандартных наборах данных для тестирования, таких как набор данных COCO.

Недостатки#

Несмотря на высокую точность, природа RTDETRv2 на основе Transformer приводит к большему потреблению памяти и более длительному обучению по сравнению с архитектурами, состоящими только из CNN. Для Transformer требуется больше VRAM, поэтому их сложно обучать на оборудовании с ограниченными ресурсами. Кроме того, RTDETRv2 хорошо справляется с обнаружением, но не обладает присущей экосистеме Ultralytics универсальностью для мультитасковых задач, таких как оценка позы и сегментация.

Узнай больше о RTDETRv2

Сравнение производительности#

При оценке моделей для промышленной эксплуатации первостепенное значение имеет компромисс между размером модели, скоростью инференса и точностью. В таблице ниже приведено прямое сравнение вариантов YOLOv8 и RTDETRv2.

Варианты применения и рекомендации#

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

Когда стоит выбрать YOLOv8#

YOLOv8 — отличный выбор для:

• Универсальное развертывание для нескольких задач: проектов, которым нужна проверенная модель для обнаружения, сегментации, классификации и оценки позы в экосистеме Ultralytics.
• Сформировавшиеся промышленные системы: существующих производственных сред, уже построенных на архитектуре YOLOv8 и использующих стабильные, тщательно протестированные конвейеры развертывания.
• Широкая поддержка сообщества и экосистемы: приложений, получающих преимущества от обширных руководств по YOLOv8, сторонних интеграций и активных ресурсов сообщества.

Когда стоит выбрать RT-DETR#

RT-DETR рекомендуется для:

• Исследований обнаружения на основе Transformer: Проектов, изучающих механизмы внимания и архитектуры Transformer для сквозного обнаружения объектов без NMS.
• Сценариев с высокой точностью и гибкими требованиями к задержке: Приложений, в которых точность обнаружения является главным приоритетом, а немного большая задержка инференса приемлема.
• Обнаружения крупных объектов: Сцен с преимущественно средними и крупными объектами, где механизм глобального внимания Transformer дает естественное преимущество.

Когда выбирать Ultralytics (YOLO26)#

Для большинства новых проектов Ultralytics YOLO26 предлагает лучшее сочетание производительности и удобства для разработчиков:

• Развертывания на периферийных устройствах без NMS: приложений, требующих стабильного вывода с низкой задержкой без сложной постобработки с подавлением немаксимумов.
• Сред без GPU: устройств без выделенного ускорения GPU, где до 43% более быстрый вывод YOLO26 на CPU дает решающее преимущество.
• Обнаружения мелких объектов: сложных сценариев, таких как аэрофотосъемка с дронов или анализ данных IoT-сенсоров, где ProgLoss и STAL значительно повышают точность обнаружения крошечных объектов.

Преимущества Ultralytics#

Выбор модели выходит за рамки одних лишь метрик: окружающая программная экосистема имеет решающее значение для продуктивности разработчиков. Экосистема Ultralytics известна простотой использования и предоставляет унифицированный API Python, который упрощает весь жизненный цикл машинного обучения.

От управления наборами данных до распределенного обучения Ultralytics избавляет от необходимости писать сложный шаблонный код. Разработчики получают готовые предварительно обученные веса и бесшовную интеграцию с такими платформами, как Hugging Face, и инструментами мониторинга. Эта качественно поддерживаемая экосистема обеспечивает активную разработку, частые обновления и надежную поддержку сообщества.

Кроме того, эффективность обучения — отличительная черта моделей Ultralytics YOLO. Они оптимизированы для быстрой сходимости и меньшего потребления памяти во время процесса обучения, что значительно ускоряет циклы экспериментов по сравнению с детекторами на основе Transformer, такими как RTDETRv2.

Будущее: возможности YOLO26#

Хотя YOLOv8 остается мощным решением, разработчикам, которые хотят использовать самые передовые технологии, стоит рассмотреть переход на долгожданную YOLO26, выпущенную в январе 2026 года. YOLO26 меняет представление о передовом уровне технологий благодаря нескольким революционным инновациям:

• Сквозная архитектура без NMS: YOLO26 исключает постобработку Non-Maximum Suppression (NMS), обеспечивая более быстрые и детерминированные процессы развертывания.
• Удаление DFL: Удаление Distribution Focal Loss упрощает модель и улучшает ее совместимость с периферийными устройствами и устройствами с низким энергопотреблением.
• Оптимизатор MuSGD: Интегрируя инновации из области обучения LLM, оптимизатор MuSGD обеспечивает более стабильное обучение и более быструю сходимость.
• До 43% более быстрый инференс на CPU: Модель тщательно оптимизирована для сред без выделенных GPU.
• ProgLoss + STAL: Эти передовые функции потерь заметно улучшают распознавание небольших объектов, что особенно важно для аэрофотосъемки и робототехники.

Среди других современных альтернатив, которые стоит изучить в линейке Ultralytics, — YOLO11, обеспечивающая надежную производительность в устаревших проектах, хотя для всех новых развертываний рекомендуется YOLO26.

Пример кода: обучение и вывод#

Простота API Ultralytics позволяет загружать, обучать и развертывать модели всего в несколько строк кода на Python. Перед запуском следующего примера убедись, что у тебя установлен PyTorch.

from ultralytics import YOLO

# Load a pretrained YOLOv8 small model
model = YOLO("yolov8s.pt")

# Train the model on your custom dataset
# Memory efficient training allows for larger batch sizes
train_results = model.train(data="coco8.yaml", epochs=50, imgsz=640, batch=16)

# Run inference on a test image
results = model("https://ultralytics.com/images/bus.jpg")

# Display the results
results[0].show()

# Export seamlessly for edge deployment
export_path = model.export(format="onnx")

Заключение#

И YOLOv8, и RTDETRv2 предлагают убедительные возможности для обнаружения объектов в реальном времени. RTDETRv2 демонстрирует мощь Transformer в захвате глобального контекста, что делает модель подходящей для задач, требующих сложного пространственного анализа, если скорость инференса и потребление памяти не являются основными ограничениями.

Однако для разработчиков, которые ценят исключительный баланс скорости, точности и эффективности использования ресурсов, модели Ultralytics YOLO остаются лучшим выбором. Легковесность YOLOv8 в сочетании с непревзойденной простотой использования, универсальностью для различных задач компьютерного зрения и активно развивающейся экосистемой с открытым исходным кодом делает ее оптимальным решением для масштабируемых промышленных сред. Тем, кто стремится достичь максимальной производительности на периферийных устройствах, недавно выпущенная YOLO26 предлагает непревзойденную эффективность без NMS и продолжает лидировать в отрасли.