RT-DETR V2 是由百度研究团队在 2024年 提出的，是其广受好评的实时目标检测模型 RT-DETR 的重大升级版本。它继承了第一代 RT-DETR 利用 Transformer 架构实现端到端目标检测 和 卓越实时性能 的核心优势，并针对模型精度、训练效率和部署灵活性进行了全方位的显著提升，再次刷新了实时检测的SOTA（State-of-the-Art）水平。
核心目标与核心优势：
-
更高精度： 在保持甚至超越实时速度的前提下，显著提升在各种场景下的检测精度（平均精度均值 - AP）。
-
更快训练： 极大地缩短模型训练所需时间，降低研发和迭代成本。官方宣称训练速度比 V1 快 3倍。
-
更强部署灵活性： 提供更广泛的硬件平台支持（如 NVIDIA GPU, Intel CPU, NVIDIA Jetson, ARM 处理器等）和更高效的推理引擎适配（如 TensorRT, ONNX Runtime, OpenVINO）。
关键技术革新：
RT-DETR V2 的成功源于多项创新设计：
-
混合编码器设计：
-
巧妙地融合了 CNN 骨干网络（如 HGNetv2） 和 Transformer 编码器 的优势。
-
CNN 高效提取局部特征，Transformer 则擅长捕捉长距离依赖和全局上下文。
-
这种混合结构在特征提取阶段就为高精度和高效性奠定了基础。
-
-
不确定性最小化查询（Uncertainty-minimal Queries - UMQs）：
-
这是 V2 的核心创新之一。传统 DETR 类模型使用可学习的对象查询（Object Queries）来定位和识别目标，但其初始化和匹配存在不确定性。
-
UMQs 机制通过 显式地建模和最小化查询的空间位置不确定性，引导模型学习到更稳定、更精准的初始目标位置表示。
-
效果： 显著加速了训练收敛速度（是训练提速的关键），并提升了检测精度，尤其是对小目标的检测能力。
-
-
IoU 感知查询选择：
-
在将特征图上的点（Anchor Points）转换为解码器输入的对象查询时，V2 引入了 IoU（交并比）感知机制。
-
它不仅考虑分类得分，还综合考虑预测框与真实框的IoU质量来选择最具有代表性和高质量的查询。
-
效果： 筛选出更优质的初始查询，为解码器提供更有效的输入，进一步提升精度。
-
-
尺度增强的混合分配：
-
改进了训练过程中为预测框分配监督标签（即正负样本分配）的策略。
-
通过结合动态匹配（如匈牙利算法）和基于规则的静态分配（如ATSS）的优点，并融入多尺度信息。
-
效果： 为模型提供了更丰富、更稳定的监督信号，尤其是在处理不同尺度的目标时，提升了训练的鲁棒性和最终精度。
-
性能表现：
在权威的 COCO 目标检测数据集上，RT-DETR V2 展现了令人印象深刻的性能：
-
例如，RT-DETR-L 模型在 COCO val2017 上达到 54.8% AP，同时推理速度在 NVIDIA Tesla T4 GPU 上高达 74 FPS。
-
更重要的是，它在 各种硬件平台（从高端GPU到边缘CPU） 上都实现了领先的精度-速度权衡，验证了其卓越的部署灵活性。
-
其训练速度相比 V1 大幅提升（约3倍），极大地提高了研发效率。
但是在边缘端上部署确实存在较多的问题，今天我们在RK3588上部署RTDETRV2.
导出onnx：
import os
import sys
import torch
import torch.nn as nn
from src.core import YAMLConfig
from rtModel import Model
def main(args, ):
"""main
"""
cfg = YAMLConfig(args.config, resume=args.resume)
model = Model()
data = torch.rand(1, 3, 1024, 1024)
size = torch.tensor([[1024, 1024]])
_ = model(data, size)
dynamic_axes = {
'images': {0: 'N', },
'orig_target_sizes': {0: 'N'}
}
output_file = args.resume.replace('.pth', '.onnx') if args.resume else 'model.onnx'
torch.onnx.export(
model,
(data, size),
output_file,
input_names=['images', 'orig_target_sizes'],
output_names=['labels', 'boxes', 'scores'],
# dynamic_axes=dynamic_axes,
opset_version=16,
verbose=False,
do_constant_folding=True,
)
if args.check:
import onnx
onnx_model = onnx.load(output_file)
onnx.checker.check_model(onnx_model)
print('Check export onnx model done...')
if args.simplify:
import onnx
import onnxsim
dynamic = True
# input_shapes = {'images': [1, 3, 640, 640], 'orig_target_sizes': [1, 2]} if dynamic else None
input_shapes = {'images': data.shape, 'orig_target_sizes': size.shape} if dynamic else None
onnx_model_simplify, check = onnxsim.simplify(output_file, test_input_shapes=input_shapes)
onnx.save(onnx_model_simplify, output_file)
print(f'Simplify onnx model {check}...')
if __name__ == '__main__':
import argparse
parser = argparse.ArgumentParser()
parser.add_argument('--config', '-c', default='configs/dfine/dfine_hgnetv2_l_coco.yml', type=str, )
parser.add_argument('--resume', '-r', type=str, )
parser.add_argument('--check', action='store_true', default=True,)
parser.add_argument('--simplify', action='store_true', default=True,)
args = parser.parse_args()
main(args)
转换为rknn,正常转换即可。
得到rknn将其push到开发板中。
执行命令：
./rknn_yolov5_demo ../REDETRV2_RKNN.rknn ../vedio_0_2_580.jpg 10 RTDETRV2得到结果：
