PP-YOLOE+ face à YOLOv10#

Le domaine de la vision par ordinateur évolue sans cesse, de nouveaux modèles repoussant les limites de la détection d’objets en temps réel. Dans cette comparaison technique détaillée, nous examinerons PP-YOLOE+ et YOLOv10, deux architectures très performantes conçues pour des écosystèmes différents. Nous verrons également comment le paysage évolue vers des plateformes plus unifiées et simples d’utilisation, comme la plateforme Ultralytics et le modèle de pointe YOLO26.

Présentation des modèles#

Choisir la bonne base pour tes projets de vision par ordinateur exige de bien comprendre les compromis architecturaux de chaque modèle, les contraintes de déploiement et la prise en charge de son écosystème.

Présentation de PP-YOLOE+#

Développé par les auteurs de PaddlePaddle chez Baidu, PP-YOLOE+ représente une évolution par rapport aux versions précédentes de l’écosystème PaddleDetection.

• Auteurs : Auteurs de PaddlePaddle
• Organisation : Baidu
• Date : 2022-04-02
• Arxiv : https://arxiv.org/abs/2203.16250
• GitHub : Dépôt PaddleDetection
• Documentation : Documentation officielle de PP-YOLOE+

Points forts : PP-YOLOE+ excelle dans les environnements étroitement intégrés au framework PaddlePaddle. Il introduit un backbone CSPRepResNet avancé et s’appuie sur une puissante stratégie d’attribution des étiquettes (TAL) pour obtenir une précision moyenne (mAP) remarquable. Il est fortement optimisé pour le déploiement sur des GPU de serveur courants dans les applications industrielles en Asie.

Points faibles : le principal inconvénient de PP-YOLOE+ est sa forte dépendance à l’écosystème PaddlePaddle, qui peut sembler moins intuitif aux développeurs habitués à PyTorch. De plus, il nécessite la suppression non maximale (NMS) traditionnelle pour le post-traitement, ce qui augmente la latence et la complexité du déploiement.

En savoir plus sur PP-YOLOE+

Présentation de YOLOv10#

Sorti par des chercheurs de l’Université Tsinghua, YOLOv10 a marqué un changement architectural majeur en supprimant la NMS du pipeline d’inférence.

• Auteurs : Ao Wang, Hui Chen, Lihao Liu, et al.
• Organisation : Université Tsinghua
• Date : 2024-05-23
• Arxiv : https://arxiv.org/abs/2405.14458
• GitHub : Dépôt YOLOv10
• Documentation : Documentation YOLOv10

Points forts : la caractéristique la plus remarquable de YOLOv10 est son double mécanisme d’attribution cohérent pour l’entraînement sans NMS. Le modèle prédit ainsi nativement les boîtes englobantes sans nécessiter de seconde étape de filtrage, ce qui simplifie et accélère considérablement le déploiement des modèles sur les appareils périphériques. Il offre un excellent équilibre entre faible nombre de paramètres et grande précision.

Points faibles : bien qu’il soit très efficace pour la détection d’objets 2D classique, YOLOv10 ne prend pas nativement en charge d’autres tâches essentielles de vision par ordinateur, comme la segmentation d’instances et l’estimation de pose, ce qui limite sa polyvalence dans les pipelines multitâches complexes.

En savoir plus sur YOLOv10

Comparaison des performances et des métriques#

Comprendre les performances de ces modèles sur des benchmarks standardisés est essentiel pour choisir la bonne architecture. Voici une comparaison détaillée de leur taille, de leur précision et de leur latence.

Analyse technique#

L’analyse des données fait ressortir quelques tendances clés. Les modèles nano et small de YOLOv10 ciblent résolument l’efficacité sur les appareils périphériques : YOLOv10n ne compte que 2,3 millions de paramètres et 6,7B FLOPs. Cette conception légère, associée à son architecture sans NMS, réduit considérablement la latence sur les plateformes utilisant TensorRT et OpenVINO.

À l’inverse, PP-YOLOE+ affiche de solides performances dans les catégories de modèles les plus volumineux : sa variante X-large devance légèrement YOLOv10x en mAP (54,7 % contre 54,4 %). Cela se fait toutefois au prix de plus de trois fois le nombre de paramètres (98,42M contre 29,5M), ce qui fait de YOLOv10x un modèle nettement plus efficace dans les environnements où la mémoire est limitée.

Les avantages de l’écosystème Ultralytics#

PP-YOLOE+ et YOLOv10 présentent tous deux des avancées techniques remarquables, mais l’ingénierie ML moderne ne se résume pas à une architecture brute : elle nécessite un écosystème bien entretenu.

Ultralytics propose un SDK Python de premier plan qui simplifie considérablement la collecte et l’annotation des données, l’entraînement et le déploiement. Comparées aux frameworks de recherche lourds ou aux anciens modèles basés sur Transformer, les architectures Ultralytics nécessitent une fraction de la mémoire CUDA pendant l’entraînement, ce qui permet d’utiliser des tailles de lot plus importantes et d’accélérer les itérations. De plus, la suite Ultralytics offre une grande polyvalence : elle prend en charge la classification d’images, les OBB (boîtes englobantes orientées) et le suivi d’objets robuste dès l’installation.

Voici YOLO26 : la nouvelle génération#

Sorti en janvier 2026, Ultralytics YOLO26 représente le summum de l’évolution de la vision par ordinateur : il associe les meilleurs enseignements tirés de modèles comme YOLOv10 tout en remédiant à leurs limites.

Principales innovations de YOLO26 :

• Conception de bout en bout sans NMS : dans la lignée du concept introduit par YOLOv10, YOLO26 propose une tête de détection facultative de bout en bout (nms=False) qui élimine le post-traitement NMS pour un déploiement plus rapide et plus simple sur différents matériels.
• Suppression de DFL : en supprimant Distribution Focal Loss (DFL), l’architecture du modèle est considérablement simplifiée pour l’exportation, ce qui garantit une compatibilité parfaite avec les appareils d’IA de périphérie à faible consommation.
• Optimiseur MuSGD : inspiré des techniques d’entraînement des grands modèles de langage, comme Kimi K2 de Moonshot AI, YOLO26 utilise une combinaison de SGD et de Muon. Cela assure une stabilité d’entraînement sans précédent et accélère considérablement la convergence.
• Jusqu’à 43 % d’inférence CPU plus rapide : fortement optimisé pour les scénarios réels, YOLO26 offre des gains de vitesse considérables pour les applications qui reposent sur le calcul CPU, ce qui en fait un choix idéal pour la vidéosurveillance intelligente et les déploiements mobiles.
• ProgLoss + STAL : ces fonctions de perte améliorées augmentent considérablement les performances de reconnaissance des petits objets, un facteur essentiel pour l’imagerie aérienne et la robotique.
• Améliorations spécifiques aux tâches : contrairement à YOLOv10, YOLO26 prend nativement en charge le proto multi-échelle pour la segmentation et Residual Log-Likelihood Estimation (RLE) pour l’estimation de pose.

Mise en œuvre pratique#

La prise en main des modèles Ultralytics se veut simple et fluide. Quelques lignes de code suffisent pour lancer un entraînement avec des pipelines modernes d’augmentation des données.

from ultralytics import YOLO

# Charger le modèle YOLO26 vivement recommandé
model = YOLO("yolo26n.pt")

# Entraîner le modèle sur le jeu de données COCO8
# L’utilisation de la mémoire est fortement optimisée par rapport aux architectures basées sur Transformer
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device=0)

# Lancer l’inférence de bout en bout sans NMS
inference_results = model("https://ultralytics.com/images/bus.jpg", nms=False)

# Exporter directement vers ONNX ou TensorRT pour le déploiement
model.export(format="onnx", simplify=True)

Cas d’utilisation et recommandations#

Le choix entre PP-YOLOE+ et YOLOv10 dépend des exigences spécifiques de ton projet, des contraintes de déploiement et de tes préférences en matière d’écosystème.

Quand choisir PP-YOLOE+#

PP-YOLOE+ est un bon choix pour :

• Intégration à l’écosystème PaddlePaddle : Les organisations dotées d’une infrastructure existante reposant sur le framework et les outils PaddlePaddle de Baidu.
• Déploiement en périphérie avec Paddle Lite : Déploiement sur du matériel doté de noyaux d’inférence fortement optimisés spécifiquement pour Paddle Lite ou le moteur d’inférence Paddle.
• Détection côté serveur de haute précision : Scénarios privilégiant une précision de détection maximale sur de puissants serveurs GPU, sans contrainte liée aux dépendances du framework.

Quand choisir YOLOv10#

YOLOv10 est recommandé pour :

• Détection en temps réel sans NMS : les applications qui tirent parti de la détection de bout en bout sans suppression non maximale, ce qui réduit la complexité du déploiement.
• Équilibre entre vitesse et précision : les projets qui nécessitent un bon compromis entre vitesse d’inférence et précision de détection, pour différentes tailles de modèles.
• Applications à latence constante : les scénarios de déploiement où des temps d’inférence prévisibles sont essentiels, comme en robotique ou dans les systèmes autonomes.

Quand choisir Ultralytics (YOLO26)#

Pour la plupart des nouveaux projets, Ultralytics YOLO26 offre le meilleur équilibre entre performances et expérience développeur :

• Déploiement en périphérie sans NMS : les applications qui exigent des inférences à faible latence et constantes, sans la complexité du post-traitement par suppression non maximale.
• Environnements exclusivement CPU : les appareils dépourvus d’accélération GPU dédiée, où l’inférence CPU jusqu’à 43 % plus rapide de YOLO26 constitue un avantage décisif.
• Détection de petits objets : les situations difficiles, comme l’imagerie aérienne par drone ou l’analyse de capteurs IoT, où ProgLoss et STAL améliorent considérablement la précision pour les objets minuscules.

Conclusion#

PP-YOLOE+ reste un choix fiable pour les équipes ancrées dans l’écosystème Baidu et les environnements de serveurs industriels. YOLOv10 constitue une brillante avancée universitaire qui a démontré la viabilité de la détection en temps réel sans NMS.

Cependant, pour les développeurs à la recherche du meilleur équilibre entre précision, vitesse d’inférence fulgurante et capacités multitâches intégrées, Ultralytics YOLO26 est le choix qui s’impose. Ses innovations en matière d’efficacité de l’entraînement et son architecture conçue d’abord pour le déploiement en périphérie en font la solution la plus robuste et polyvalente pour la vision par ordinateur en production en 2026 et au-delà.