YOLOv5 与 RTDETRv2：详细技术比较
选择最佳物体检测模型是计算机视觉项目的关键决策。Ultralytics 提供多种模型，以满足各种项目需求。本页提供了 Ultralytics YOLOv5和RTDETRv2 之间的技术比较，强调它们的架构区别、性能基准以及对不同应用的适用性。
YOLOv5：优化速度和效率
Ultralytics YOLOv5是一种被广泛采用的单级对象检测器，以其快速的推理速度和运行效率而著称。YOLOv5 的架构由以下部分组成：
- 骨干网：CSPDarknet53，负责特征提取。
- 颈部：PANet，用于特征融合。
- 云台： YOLOv5 云台，专为探测任务设计。
YOLOv5 有多种尺寸（n、s、m、l、x）可供选择，用户可根据自己的具体要求在速度和精度之间取得平衡。
优势：
- 推理速度： YOLOv5 在速度方面表现出色，是安全警报系统等实时应用的绝佳选择。
- 效率： YOLOv5 型号结构紧凑，所需计算资源较少，适合Raspberry Pi和NVIDIA Jetson 等边缘部署。
- 多功能性：可适应各种硬件环境，包括资源有限的设备。
- 用户友好性：文档齐全，使用Ultralytics Python 软件包和Ultralytics HUB 便可直接实施。
弱点
- 精度权衡：在实现高精度的同时，RTDETRv2 等大型模型可能会提供更优越的 mAP，尤其是在复杂场景中。
理想的使用案例
- 实时物体检测场景，包括视频监控和交通管理中的人工智能。
- 边缘计算和移动部署。
- 需要快速处理的应用，如机器人（ROS Quickstart）和自动驾驶汽车。
RTDETRv2：高精度实时检测变压器
RTDETRv2（Real-Time Detection Transformer v2）是一种先进的物体检测模型，以高精度和实时性为优先考虑。它是在题为"RT-DETRv2：RT-DETRv2: Improved Baseline with Bag-of-Freebies for Real-Time Detection Transformer"的论文中介绍的，作者是来自百度的吕文宇、赵一安、常钦尧、黄奎、王冠中和刘毅。RTDETRv2 基于视觉转换器（ViT）架构，在要求精确物体定位和分类的应用中表现出色。
建筑和主要特点
RTDETRv2 采用基于变换器的架构，通过自我关注机制捕捉图像中的全局上下文。这种方法允许模型权衡不同图像区域的重要性，从而增强特征提取并提高准确性，尤其是在复杂场景中。
优势：
- 卓越的准确性：变压器架构提供了更高的物体检测精度，尤其是在复杂的环境中，这一点已在人群管理中的视觉ai 等场景中得到验证。
- 实时能力：推理速度极具竞争力，尤其是在使用NVIDIA T4 GPU 等硬件加速时。
- 稳健的特征提取：视觉转换器能有效捕捉全局背景和复杂细节，有利于使用计算机视觉分析卫星图像等应用。
弱点
- 模型尺寸更大：RTDETRv2 模型，尤其是较大的变体，比YOLOv5 有更多的参数数和 FLOPs，因此需要更多的计算资源。
- 推理速度：虽然具有实时性，但推理速度可能低于最快的YOLOv5 模型，特别是在功能较弱的设备上。
理想的使用案例
RTDETRv2 最适合精度要求高且计算资源充足的应用。这些应用包括
- 自动驾驶：在自动驾驶汽车的人工智能中实现可靠、精确的环境感知。
- 机器人技术：使机器人能够准确地与周围环境互动，这对于"从算法到自动化 "中讨论的任务至关重要：人工智能在机器人技术中的作用"中讨论的任务所必需的。
- 医学成像：如《医疗保健中的人工智能》一书中所强调的那样，用于精确异常检测、辅助诊断，以及在医疗成像中使用yolo11 进行肿瘤检测等领域的潜在用途。
- 高分辨率图像分析：需要对大型图像（如卫星图像或工业检测）进行详细分析的应用，如改进计算机视觉制造。
型号对照表
| 模型 | 尺寸 （像素） |
mAPval 50-95 |
速度 CPU ONNX （毫秒） |
速度 T4TensorRT10 (ms) |
params (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 |
| YOLOv5n | 640 | 28.0 | 73.6 | 1.12 | 2.6 | 7.7 |
| YOLOv5s | 640 | 37.4 | 120.7 | 1.92 | 9.1 | 24.0 |
| YOLOv5m | 640 | 45.4 | 233.9 | 4.03 | 25.1 | 64.2 |
| YOLOv5l | 640 | 49.0 | 408.4 | 6.61 | 53.2 | 135.0 |
| YOLOv5x | 640 | 50.7 | 763.2 | 11.89 | 97.2 | 246.4 |
结论
RTDETRv2 和YOLOv5 都是稳健的物体检测模型，各自针对不同的优先事项而设计。RTDETRv2 在精度要求高且计算资源充足的情况下更受青睐。相反，YOLOv5 在要求实时性能和效率的场景中表现出色，尤其是在资源有限的平台上。
对于探索其他模型的用户，Ultralytics 提供了广泛的模型动物园，包括
- YOLOv8和 YOLO11:Ultralytics YOLOv8 一周年：突破与创新的一年Ultralytics 和Ultralytics YOLO11 已经到来：重新定义人工智能的可能性"。
- YOLO：使用神经架构搜索构建模型，以优化性能YOLO Deci AI公司的YOLO）。
- FastSAM和 MobileSAM:用于实时实例分割任务 (FastSAM和 MobileSAM).
在 RTDETRv2、YOLOv5 或其他Ultralytics 模型之间做出选择时，应根据计算机视觉项目的具体要求，仔细考虑准确性、速度和资源可用性之间的平衡。请查阅Ultralytics 文档和GitHub 存储库，了解全面的详细信息和实施指南。
