Meet YOLO26: next-gen vision AI.

Link to this sectionYOLOv5 对比 RTDETRv2#

计算机视觉领域在过去几年中得到了极大的扩展，为开发者提供了多种架构来处理复杂的视觉任务。其中最流行的范式是卷积神经网络 (CNN) 和检测 Transformer (DETR)。

本指南深入对比了这两类模型中的两个关键：Ultralytics YOLOv5（一种高效且被广泛采用的基于 CNN 的模型）和 RTDETRv2（一种最先进的基于 Transformer 的实时目标检测器）。

Link to this sectionUltralytics YOLOv5：效率的行业标准#

自发布以来，Ultralytics YOLOv5 已成为 AI 社区的基石，在全球范围内为数千个商业应用和研究项目提供动力。它完全基于 PyTorch 框架构建，在不牺牲实时性能的前提下，优先考虑直观的开发者体验。

主要特性：

Link to this section架构与优势#

YOLOv5 利用简化的 CNN 架构，旨在最大化特征提取效率，同时保持极低的内存占用。它采用 CSPDarknet 主干网络和 PANet 颈部，为多尺度特征融合创造了强大的组合。

YOLOv5 的主要优势之一是其性能平衡。它在速度和准确性之间实现了出色的权衡，是模型部署在资源受限硬件（如 NVIDIA Jetson 设备和智能手机）上的理想选择。

此外，YOLOv5 还拥有无可比拟的多功能性。与仅限于边界框预测的模型不同，YOLOv5 原生支持图像分类和实例分割，为不同的视觉任务提供了统一的框架。它的训练效率也非常出色，与基于 Transformer 的架构相比，训练时所需的 CUDA 内存显著减少。

Link to this section弱点#

由于依赖于较旧的 CNN 框架，YOLOv5 在后处理期间固有地依赖非极大值抑制 (NMS) 来消除重复的边界框。尽管在 Ultralytics 框架内进行了高度优化，但 NMS 有时会在专用边缘 NPU 上引入延迟瓶颈。

了解更多关于 YOLOv5 的信息

Link to this sectionRTDETRv2：百度的实时 Transformer#

RTDETRv2 (Real-Time Detection Transformer v2) 代表了将 Transformer 架构应用于实时目标检测的重大飞跃，解决了历史上困扰标准 DETR 的计算效率低下的问题。

主要特性：

  • 作者： Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang 和 Yi Liu
  • 机构： Baidu
  • 日期： 2024-07-24
  • 链接： Arxiv 论文，GitHub 仓库

Link to this section架构与优势#

RTDETRv2 在其前身的基础上，利用混合编码器和灵活的解码器设计来处理图像。Transformer 的自注意力机制为模型提供了图像上下文的全局理解，使其在具有严重遮挡的复杂场景中表现出色。

A defining feature of RTDETRv2 is its end-to-end, NMS-free design. By predicting object queries directly without requiring anchor boxes or NMS post-processing, it simplifies the inference pipeline. This architecture achieves an impressive mAP (mean Average Precision) on benchmark datasets like COCO.

Link to this section弱点#

尽管具备实时能力，但与 YOLO 模型相比，RTDETRv2 的内存需求明显更高。Transformer 中的注意力机制随序列长度呈平方级扩展，除非使用大型 GPU 集群，否则可能会在高分辨率训练期间导致内存不足错误。此外，它缺乏 Ultralytics 生态系统的开箱即用多功能性，主要专注于 2D 目标检测，而不支持分割或姿态估计。

了解更多关于 RTDETR 的信息

Link to this section性能对比表#

为了客观地评估这些架构，我们汇总了它们的性能指标。以粗体突出显示的值代表在测试规模中最高效或表现最高的指标。

模型尺寸
(像素)		mAPval
50-95		速度
CPU ONNX
(ms)		速度
T4 TensorRT10
(ms)		参数量
(M)		FLOPs
(B)
YOLOv5n64028.073.61.122.67.7
YOLOv5s64037.4120.71.929.124.0
YOLOv5m64045.4233.94.0325.164.2
YOLOv5l64049.0408.46.6153.2135.0
YOLOv5x64050.7763.211.8997.2246.4
RTDETRv2-s64048.1-5.032060
RTDETRv2-m64051.9-7.5136100
RTDETRv2-l64053.4-9.7642136
RTDETRv2-x64054.3-15.0376259
性能背景

虽然 RTDETRv2-x 达到了最高的绝对 mAP，但它需要的参数量几乎是 YOLOv5n 的 30 倍。对于在有限硬件上运行的高速应用，Ultralytics 模型始终能提供最佳的计算效率。

Link to this sectionUltralytics 生态系统优势#

当将模型从研究笔记转移到生产环境时，模型周围的软件与神经网络架构同样重要。Ultralytics 提供的维护良好的生态系统极大地加速了开发生命周期。

Link to this section无可比拟的易用性#

Ultralytics 模型优先考虑极其精简的用户体验。无论你是想训练自定义模型、进行验证，还是导出到 TensorRT 或 ONNX 等特定硬件格式，Ultralytics Python API 都能让你在几行代码内实现。

这是一个实际的代码示例，展示了使用 Ultralytics 模型进行训练和运行推理是多么简单：

from ultralytics import YOLO

# Initialize the model (automatically downloads the weights)
model = YOLO("yolov5s.pt")

# Train the model on the COCO8 dataset
results = model.train(data="coco8.yaml", epochs=50, imgsz=640, device="cpu")

# Perform inference on an online image
inference_results = model.predict("https://ultralytics.com/images/bus.jpg")

# Display the resulting image with bounding boxes
inference_results[0].show()

This simple, unified API natively supports experiment tracking integrations with tools like Weights & Biases and Comet, allowing developers to log metrics seamlessly without writing complex boilerplate code.

Link to this section应用场景与建议#

在 YOLOv5 和 RT-DETR 之间进行选择取决于你的具体项目需求、部署约束和生态系统偏好。

Link to this section何时选择 YOLOv5#

YOLOv5 是以下情况的强力选择：

  • 久经考验的生产系统： 在那些重视 YOLOv5 长期稳定记录、详尽文档和庞大社区支持的现有部署中。
  • 资源受限的训练： 在 GPU 资源有限的环境中，YOLOv5 的高效训练流程和更低的内存需求具有优势。
  • 广泛的导出格式支持： 需要在多种格式（包括 ONNX、TensorRT、CoreML 和 TFLite）间进行部署的项目。

Link to this section何时选择 RT-DETR#

推荐使用 RT-DETR 的场景为：

  • 基于 Transformer 的检测研究： 探索注意力机制和 Transformer 架构以实现无 NMS 的端到端目标检测的项目。
  • 高精度、延迟要求宽松的场景： 将检测精度置于首位，且可以容忍稍高推理延迟的应用。
  • 大目标检测： 以中大型目标为主的场景，在这种场景下，Transformer 的全局注意力机制具有天然优势。

Link to this section何时选择 Ultralytics (YOLO26)#

对于大多数新项目，Ultralytics YOLO26 提供了性能和开发者体验的最佳组合：

  • 无 NMS 的边缘部署： 需要一致、低延迟推理且无需复杂非极大值抑制后处理的应用。
  • 仅 CPU 环境： 没有专用 GPU 加速的设备，YOLO26 带来的高达 43% 的 CPU 推理提速可提供决定性优势。
  • 小目标检测： 具有挑战性的场景，如 aerial drone imagery 或 IoT 传感器分析，其中 ProgLoss 和 STAL 可显著提升对极小目标的检测精度。

Link to this section展望未来：YOLO11 和 YOLO26#

如果你今天正在启动一个新的视觉项目，强烈建议探索最新一代的 Ultralytics 模型。

虽然 YOLOv5 依然非常可靠，但 YOLO11 提供了更高的准确性和更广泛的任务集，包括旋转边界框 (OBB) 检测。

更重要的是，尖端的 YOLO26 融合了二者的优点。它实现了端到端无 NMS 设计（首先在 YOLOv10 中开创），消除了后处理开销，同时保持了 CNN 的效率。YOLO26 还引入了受大语言模型训练创新启发的 MuSGD 优化器，以实现更快的收敛。凭借 DFL 移除（移除分布焦点损失以简化导出并提高边缘/低功耗设备兼容性），YOLO26 的 CPU 推理速度提升高达 43%，使其成为边缘 AI 的绝对最佳选择。此外，ProgLoss + STAL 提供了改进的损失函数，在小目标识别方面有显著提升，这对于物联网、机器人和航空影像至关重要。

Link to this section结论#

在 YOLOv5 和 RTDETRv2 之间进行选择很大程度上取决于你的部署约束。RTDETRv2 利用强大的 Transformer 注意力机制突破了 mAP 的界限，但代价是沉重的内存和计算开销。

相反，Ultralytics YOLOv5 提供了一种经过验证、高度优化且多功能的解决方案，可以从云服务器到微控制器随处顺畅运行。对于寻求最高准确性同时又需要无缝部署工具的团队来说，在 Ultralytics 生态系统内升级到 YOLO26 提供了现代视觉 AI 应用的终极最先进解决方案。

贡献者
GLglenn-jocher14PDpderrenger1

评论