Transformer 目标检测对比实验（YOLOv8 vs RT-DETR）

基于 PyTorch + Ultralytics 的目标检测对比项目，用于比较：

模型	类型	说明
YOLOv8n	CNN	实时检测基线
RT-DETR-L	Transformer	Real-Time DETR，Transformer 检测器
DETR-R50（可选）	Transformer	TorchVision COCO 预训练，仅推理测速参考

适合作为简历项目：PyTorch 训练、Transformer 检测、精度/延迟对比评估。

---

环境

cd transformer-det-compare
python -m venv .venv
.venv\Scripts\activate          # Windows
pip install -r requirements.txt

需要 Python 3.10+，建议 NVIDIA GPU + CUDA 版 PyTorch。

GPU 检查（训练前建议先跑）

python scripts/check_gpu.py

正常应看到 CUDA 可用: True 和你的显卡名称（如 RTX 4060）。
训练日志里 GPU_mem 应 大于 0G，不再是 0G（0G 表示在用 CPU）。

若显示 CPU，请重装 GPU 版 PyTorch：

pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118

GPU 加速配置（config.yaml）

train:
  device: auto    # 自动使用 GPU 0
  amp: true       # 混合精度，显著提速
  batch: 16       # 4060 约 16(YOLO) / 8(RTDETR)
  cache: disk     # 缓存数据集，减少 IO 等待

---

快速开始（一键实验）

python scripts/run_all.py

流程：训练 YOLO + RT-DETR → 验证集 mAP → 推理延迟 → 生成报告

输出：

• results/comparison_table.csv
• results/comparison_report.md
• results/map_compare.png
• results/latency_compare.png

---

分步运行

# 1. 训练（默认 coco128，自动下载）
python scripts/train.py --model all
python scripts/train.py --model yolo
python scripts/train.py --model rtdetr

# 2. 评估 mAP
python scripts/evaluate.py

# 3. 测速
python scripts/benchmark.py

# 4. 生成对比报告
python scripts/compare.py

# 5. 单张推理
python scripts/infer.py --model yolo --weights runs/train/yolov8n/weights/best.pt --source path/to.jpg

# 6.（可选）TorchVision DETR 预训练推理测速
python scripts/detr_tv_baseline.py --image path/to.jpg

---

配置

编辑 config.yaml：

train:
  epochs: 30
  imgsz: 640
  batch: 8
  device: ""    # 无 GPU 填 cpu

data:
  yaml: ultralytics/cfg/datasets/coco128.yaml
  # 或: datasets/custom/data.yaml

自定义数据集说明见 datasets/README.md。

---

项目结构

transformer-det-compare/
├── config.yaml
├── requirements.txt
├── src/
│   ├── train.py           # YOLO / RT-DETR 训练
│   ├── evaluate.py        # mAP 评估
│   ├── benchmark.py       # 延迟/FPS
│   └── compare_report.py  # 报告与图表
├── scripts/
│   ├── run_all.py         # 一键流水线
│   ├── train.py
│   ├── evaluate.py
│   ├── benchmark.py
│   ├── compare.py
│   ├── infer.py
│   └── detr_tv_baseline.py
├── datasets/
└── results/               # 实验输出（运行后生成）

---

简历可写 bullet 示例

• 基于 PyTorch（Ultralytics） 在同一数据集上对比 YOLOv8n 与 RT-DETR-L 的 mAP 与推理延迟
• 实现训练、验证、测速与 自动化对比报告（CSV / Markdown / 图表）
• 理解 Transformer 检测器（DETR/RT-DETR） 与 CNN 检测器（YOLO）的精度-速度权衡

---

说明

• RT-DETR 是 DETR 的实时改进版本，工程上更易与 YOLO 做公平对比（同一 Ultralytics 训练/评估接口）。
• 原版 DETR 完整训练成本高；本项目提供 detr_tv_baseline.py 用 COCO 预训练权重做推理参考，不作为主训练链路。

---

License

学习与研究用途。