DAMO-YOLO et RTDETRv2
La recherche en vision par ordinateur a produit de nombreuses architectures conçues pour équilibrer vitesse, précision et efficacité de calcul. DAMO-YOLO et RTDETRv2 adoptent des approches distinctes face à ces enjeux. Bien que tous deux visent l'inférence en temps réel, leurs philosophies architecturales sont fondamentalement différentes.
Ce guide présente les spécifications techniques, les innovations architecturales et les cas d'usage pratiques des deux modèles, et explique comment la plateforme Ultralytics et YOLO26 simplifient le déploiement.
Présentation des modèles#
Comprendre DAMO-YOLO#
Développé par des chercheurs du groupe Alibaba, DAMO-YOLO propose une méthode de détection d'objets rapide et précise, qui repose largement sur la recherche d'architecture neuronale (NAS). Il remplace les backbones traditionnels conçus manuellement par des structures générées par NAS et conçues pour offrir une faible latence. Il intègre également un RepGFPN efficace (réseau pyramidal de caractéristiques généralisé reparamétré) et une conception ZeroHead afin de rationaliser l'agrégation des caractéristiques et les prédictions des boîtes englobantes.
Détails clés du modèle :
- Auteurs : Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang et Xiuyu Sun
- Organisation : groupe Alibaba
- Date : 2022-11-23
- arXiv : 2211.15444v2
- GitHub : tinyvision/DAMO-YOLO
- Documentation : Documentation de DAMO-YOLO
Comprendre RTDETRv2#
RTDETRv2 de Baidu constitue une avancée notable pour les Transformers de détection en temps réel. Contrairement aux détecteurs à réseau neuronal convolutif (CNN), qui reposent sur la suppression des non-maxima (NMS), RTDETRv2 utilise l'auto-attention pour modéliser le contexte global de l'image entière. Il produit directement les boîtes englobantes, en contournant complètement l'étape de post-traitement NMS. Ce modèle introduit une stratégie d'entraînement « bag of freebies » pour améliorer la précision de base sans augmenter la latence d'inférence.
Détails clés du modèle :
- Auteurs : Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang et Yi Liu
- Organisation : Baidu
- Date : 2024-07-24
- arXiv : 2407.17140
- GitHub : Dépôt RT-DETR
- Documentation : Documentation RTDETRv2
Les Transformers nécessitent davantage de ressources de calcul, mais leur capacité à traiter le contexte global les rend efficaces pour comprendre les scènes complexes, un atout majeur de RTDETRv2.
Comparaison des performances#
Pour évaluer ces modèles en vue d'un déploiement en conditions réelles, des métriques telles que la précision moyenne (mAP), la vitesse d'inférence et l'empreinte mémoire sont essentielles. Les modèles basés sur Transformer comme RTDETRv2 nécessitent généralement davantage de mémoire CUDA pendant l'entraînement et l'inférence que les CNN légers comme DAMO-YOLO.
Le tableau ci-dessous compare leurs métriques de performance.
| Modèle | taille (pixels) | mAPval50-95 | Vitesse CPU ONNX (ms) | Vitesse T4 TensorRT10 (ms) | paramètres (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| DAMO-YOLOt | 640 | 42.0 | - | 2.32 | 8.5 | 18.1 |
| DAMO-YOLOs | 640 | 46.0 | - | 3.45 | 16.3 | 37.8 |
| DAMO-YOLOm | 640 | 49.2 | - | 5.09 | 28.2 | 61.8 |
| DAMO-YOLOl | 640 | 50.8 | - | 7.18 | 42.1 | 97.3 |
| RTDETRv2-s | 640 | 48.1 | - | 5.03 | 20 | 60 |
| RTDETRv2-m | 640 | 51.9 | - | 7.51 | 36 | 100 |
| RTDETRv2-l | 640 | 53.4 | - | 9.76 | 42 | 136 |
| RTDETRv2-x | 640 | 54.3 | - | 15.03 | 76 | 259 |
Cas d’utilisation idéaux#
Points forts de DAMO-YOLO : Grâce à son backbone optimisé par NAS et au faible nombre de paramètres de ses variantes plus petites (comme DAMO-YOLOt), il convient bien au déploiement sur du matériel aux ressources limitées. Si tu développes des solutions pour des appareils embarqués utilisant des environnements d'exécution comme ONNX ou des moteurs TensorRT spécialisés pour l'informatique en périphérie, DAMO-YOLO offre un cadre réactif.
Points forts de RTDETRv2 : RTDETRv2 donne les meilleurs résultats lorsque des GPU de qualité serveur sont disponibles et que le contexte global de l'image est primordial. Son architecture Transformer lui permet de résoudre naturellement les chevauchements entre boîtes englobantes sans NMS, ce qui en fait un choix robuste pour la gestion des foules dense ou le suivi d'objets complexe, lorsque les relations spatiales entre objets éloignés sont essentielles.
L’avantage Ultralytics : présentation de YOLO26#
Bien que DAMO-YOLO et RTDETRv2 représentent des avancées universitaires importantes, leur intégration dans des applications évolutives et prêtes pour la production peut s’avérer difficile. Les développeurs sont souvent confrontés à des bases de code fragmentées, à l’absence de prise en charge de l’apprentissage multitâche et à des pipelines de déploiement complexes.
C'est là que l'écosystème Ultralytics se démarque. En privilégiant la facilité d'utilisation, une API Python bien entretenue et la polyvalence multi-tâches, Ultralytics permet aux développeurs de consacrer moins de temps au débogage et davantage à la création.
Le modèle Ultralytics YOLO26, récemment lancé, s'appuie sur ces atouts et apporte plusieurs améliorations par rapport à DAMO-YOLO et RTDETRv2 :
- Conception de bout en bout sans NMS : dans la continuité de l'entraînement sans NMS de YOLOv10, YOLO26 propose une tête de bout en bout optionnelle (
nms=False). Elle élimine le post-traitement NMS, ce qui rend le déploiement plus rapide et plus simple qu'avec les détecteurs CNN traditionnels, tout en offrant les avantages d'une sortie directe de RTDETRv2. - Jusqu'à 43 % d'inférence CPU plus rapide : YOLO26n s'exécute jusqu'à 43 % plus rapidement que YOLO11n sur CPU avec ONNX et est optimisé pour les appareils d'IA en périphérie sans GPU dédié, ce qui en fait un meilleur choix que les Transformers gourmands en mémoire pour les applications IoT.
- Optimiseur MuSGD : inspirée de Kimi K2 de Moonshot AI, cette combinaison de SGD et de Muon transpose les techniques d'entraînement des grands modèles de langage (LLM) à la vision par ordinateur, pour des entraînements stables et une convergence plus rapide.
- ProgLoss + STAL : la fonction de perte progressive et l'attribution d'étiquettes adaptée aux petites cibles améliorent la reconnaissance des petits objets, un domaine qui pose traditionnellement des difficultés aux modèles. C'est essentiel pour l'imagerie aérienne et les applications de drones.
- Suppression de DFL : La perte focale de distribution a été supprimée afin de simplifier les formats d’exportation et d’améliorer la compatibilité avec les appareils de périphérie à faible consommation.
- Polyvalence multi-tâches : contrairement aux modèles concurrents limités à la détection, YOLO26 inclut des améliorations propres à chaque tâche, comme une fonction de perte de segmentation sémantique qui accélère la convergence de la segmentation d'instances, l'estimation résiduelle du log-vraisemblance (RLE) pour l'estimation de pose et une fonction de perte d'angle spécialisée pour les boîtes englobantes orientées (OBB).
L'entraînement de modèles basés sur Transformer comme RTDETRv2 nécessite de grandes allocations de mémoire CUDA, ce qui impose souvent des configurations multi-GPU coûteuses. Les modèles Ultralytics YOLO nécessitent beaucoup moins de mémoire pendant l'entraînement comme l'inférence, rendant le développement de l'IA accessible aussi bien aux chercheurs qu'aux passionnés.
Exemple de code : l’API unifiée Ultralytics#
L'un des principaux avantages de l'écosystème Ultralytics est son API unifiée. Tu peux charger, entraîner et valider divers modèles, notamment une implémentation PyTorch de RT-DETR et les derniers modèles YOLO, sans modifier ton flux de travail.
from ultralytics import RTDETR, YOLO
# Charger un modèle RT-DETR
model_rtdetr = RTDETR("rtdetr-l.pt")
# Charger le modèle YOLO26
model_yolo = YOLO("yolo26n.pt")
# Effectuer l’inférence sur une image avec une interface simple et unifiée
results_rtdetr = model_rtdetr("https://ultralytics.com/images/bus.jpg")
results_yolo = model_yolo("https://ultralytics.com/images/bus.jpg")
# Affiche les objets détectés
results_yolo[0].show()Cette simplicité s'étend à l'entraînement sur des jeux de données personnalisés et à l'exportation. Grâce au package Python Ultralytics, les développeurs peuvent exporter leurs poids entraînés vers des formats de déploiement comme CoreML ou OpenVINO en une seule commande.
Conclusion et pistes à explorer#
DAMO-YOLO et RTDETRv2 ont tous deux fait progresser la détection d'objets en temps réel. DAMO-YOLO propose des structures de réseau optimisées et générées automatiquement pour une efficacité brute, tandis que RTDETRv2 montre que les Transformers peuvent rivaliser dans le domaine du temps réel en éliminant les goulots d'étranglement traditionnels comme NMS.
Cependant, pour les développeurs qui recherchent un équilibre entre performances, documentation complète et préparation à la production, les modèles Ultralytics YOLO restent un excellent choix par défaut. Avec YOLO26, les utilisateurs bénéficient d'une détection optionnelle de bout en bout, similaire à celle des Transformers, d'une efficacité d'entraînement inspirée des grands modèles de langage et d'une inférence CPU rapide, au sein d'un écosystème intuitif et robuste.
Si tu évalues des modèles pour ton prochain projet, tu peux aussi consulter la comparaison EfficientDet vs RT-DETR, découvrir la génération précédente YOLO11 ou examiner des références universitaires comme YOLOX. Commence dès aujourd'hui à développer en explorant le guide de démarrage rapide Ultralytics.
Commentaires
Pose une question, partage tes résultats ou aide quelqu’un d’autre.