YOLOv5 对比 RTDETRv2#

计算机视觉领域在过去几年中显著扩展，为开发者提供了广泛的架构来应对复杂的视觉任务。其中最流行的范式是卷积神经网络（CNN）和检测 Transformer（DETR）。

本指南对这两个类别中的两个关键模型进行了深入的技术对比：Ultralytics YOLOv5（一个高效且广泛采用的基于 CNN 的模型）以及 RTDETRv2（一个先进的基于 Transformer 的实时目标检测器）。

Ultralytics YOLOv5：效率的行业标准#

自发布以来，Ultralytics YOLOv5 已成为 AI 社区的基石，为全球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，在不妥协实时性能的前提下优先保证直观的开发体验。

主要特性：

• 作者： Glenn Jocher
• 组织： Ultralytics
• 日期： 2020-06-26
• 链接： GitHub 仓库

架构与优势#

YOLOv5 采用流线型的 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 颈部网络，为多尺度特征融合创建了强大的组合。

YOLOv5 的主要优势之一是其性能平衡。它在速度和精度之间取得了极佳的权衡，使其成为在 NVIDIA Jetson 设备和智能手机等资源受限的硬件上进行 model deployment 的理想选择。

此外，YOLOv5 拥有无与伦比的多功能性。与严格局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，为多样化的视觉任务提供了一个统一的框架。它的训练效率也非常卓越，与基于 Transformer 的架构相比，在训练期间所需的 CUDA 内存明显更少。

弱点#

由于它依赖于较旧的 CNN 框架，YOLOv5 在后处理期间固有地依赖于非极大值抑制（NMS）来消除重复的边界框。虽然在 Ultralytics 框架内经过高度优化，但 NMS 偶尔会在专门的边缘 NPU 上引入延迟瓶颈。

了解更多关于 YOLOv5 的信息

RTDETRv2：百度的实时 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： 百度
• 日期： 2024-07-24
• 链接： Arxiv 论文, GitHub 仓库

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。

RTDETRv2 的一个决定性特征是其端到端、无 NMS 的设计。通过直接预测目标查询而无需 anchor boxes 或 NMS 后处理，它简化了推理流程。该架构在诸如 COCO 等基准数据集上实现了令人印象深刻的 mAP (mean Average Precision)。

弱点#

尽管具备实时能力，但与 YOLO 模型相比，RTDETRv2 具有明显更高的内存需求。Transformer 中的注意力机制随序列长度呈二次方扩展，这可能导致在高分辨率训练期间出现内存不足错误，除非使用大型 GPU 集群。此外，它缺乏 Ultralytics 生态系统开箱即用的多功能性，主要仅关注 2D 目标检测，而不原生支持分割或姿态估计。

了解更多关于 RTDETR 的信息

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。

Ultralytics 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。

无可比拟的易用性#

Ultralytics 模型优先提供极其简化的用户体验。无论你想训练自定义模型、运行验证，还是导出到诸如 TensorRT 或 ONNX 等硬件特定格式，Ultralytics Python API 都能让你只需几行代码即可实现。

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()

这个简单、统一的 API 原生支持与 Weights & Biases 和 Comet 等工具的 experiment tracking 集成，允许开发者无缝记录指标而无需编写复杂的样板代码。

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。

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： 需要跨多种格式部署的项目，包括 ONNX、TensorRT、CoreML 和 TFLite。

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。

何时选择 Ultralytics (YOLO26)#

对于大多数新项目，Ultralytics YOLO26 提供了性能与开发者体验的最佳结合：

• 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： 诸如航拍无人机图像或物联网传感器分析等具有挑战性的场景，其中 ProgLoss 和 STAL 显著提高了微小目标的准确率。

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 提供了更高的准确度以及扩展的任务集，包括定向边界框（OBB）检测。

更重要的是，最前沿的 YOLO26 融合了两全其美的优势。它实现了端到端无 NMS 设计（最早在 YOLOv10 中首创），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而来的 MuSGD 优化器，以实现更快的收敛。通过移除 DFL（移除了分布焦点损失以简化导出并提升边缘/低功耗设备兼容性），YOLO26 实现了最高快 43% 的 CPU 推理速度，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，在小物体识别方面有显著提升，这对于物联网、机器人技术和航拍图像至关重要。

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 提供了一个经过验证、高度优化且通用的解决方案，能够在任何地方流畅运行——从云服务器到微控制器。对于寻求最高准确度以及无缝部署工具的团队而言，在 Ultralytics 生态系统内升级到 YOLO26 为现代视觉 AI 应用提供了决定性的最先进解决方案。