2D 目标检测 / 08

RT-DETR

实时端到端 Transformer 检测器

RT-DETR把 DETR 的集合预测用于实时检测，通过高效混合编码器和查询选择降低计算成本，并能调整解码层数改变速度与精度平衡。代表性参数规模为约 20M–76M（R18 至 R101 等配置），性能定位是端到端精度高，可调解码层控制延迟。适合密集目标检测、端到端在线服务和重叠物体识别。

PARAMETERS

参考参数与输入输出

代表性参数量约 20M–76M（R18 至 R101 等配置）

输入RGB 图像；常用 640×640

输出无需 NMS 的类别、置信度与边界框集合

算力与部署CUDA GPU 更合适；高分辨率下显存需求明显

参数量是公开代表性配置或合理范围，不同骨干、类别数、输入尺寸和实现版本会改变结果；详细实施时以选定配置导出的模型信息为准。

PERFORMANCE

端到端精度高，可调解码层控制延迟。全局建模和端到端能力优于传统 YOLO，但轻量边缘部署成本通常更高。网站不使用脱离条件的单一 FPS 或 mAP 数字作为承诺，因为数据集、输入尺寸、精度模式、批量大小、GPU 型号和后处理口径都会显著改变测试结果。

CHARACTERISTICS & USE CASES

MODEL COMPARISON

模型	参考参数规模	速度	精度定位	部署	优先场景
YOLOv5	约 1.9M–86.7M（n 至 x）	很高	中高	成熟	工业缺陷初筛
YOLOv6	约 4.7M–59.6M（N 至 L）	很高	中高	成熟	高速产线检测
YOLOv7	约 6.2M–71.3M（tiny 至 X）	很高	中高	较成熟	实时视频分析
YOLOv8	约 3.2M–68.2M（n 至 x）	很高	高	成熟	常规工业检测
YOLOv9	约 2M–58M（不同公开配置）	高	高	一般	复杂背景检测
YOLOv10	约 2.3M–29.5M（N 至 X）	很高	高	较成熟	低延迟在线检测
YOLO11	约 2.6M–56.9M（n 至 x，检测配置）	很高	高	成熟	新建工业视觉项目
RT-DETR当前	约 20M–76M（R18 至 R101 等配置）	高	很高	较成熟	密集目标检测
Faster R-CNN	约 42M（R50-FPN 代表配置）	中低	很高	成熟	精密缺陷定位
Cascade R-CNN	约 69M（R50-FPN 代表配置）	低	很高	较成熟	精密零件定位
RetinaNet	约 38M（R50-FPN 代表配置）	中	高	成熟	稀少缺陷检测
FCOS	约 32M（R50-FPN 代表配置）	中高	高	较成熟	多尺度目标检测
ATSS	约 32M（R50-FPN 代表配置）	中高	高	较成熟	目标尺度变化明显

表中“速度、精度、部署”为同类别内的定性定位，用于缩小候选范围，不替代同一测试集、同一硬件和同一精度模式下的实测。

SELECTION SUMMARY

RT-DETR适合优先考虑密集目标检测、端到端在线服务、重叠物体识别的项目。它的主要价值是端到端集合预测减少 NMS 依赖；需要重点评估训练和导出比传统 CNN 检测器复杂、小数据集通常需要良好预训练权重。

建议先用企业真实数据建立基线，再统一测试准确率、召回率、误检率、单张延迟、峰值显存和导出兼容性，最后确定模型规模与部署方式。