RTDETRv2 contre DAMO-YOLO#

Le domaine de la vision par ordinateur évolue constamment, les chercheurs et les ingénieurs s'efforçant de concevoir des modèles qui équilibrent parfaitement vitesse, précision et efficacité. Deux architectures majeures qui ont fortement marqué ce domaine sont RTDETRv2, développé par Baidu, et DAMO-YOLO, conçu par Alibaba Group. Les deux modèles repoussent les limites de la détection d'objets en temps réel, mais adoptent des philosophies architecturales fondamentalement différentes pour obtenir leurs résultats impressionnants.

Dans cette comparaison technique, nous examinerons en détail leurs architectures, leurs méthodologies d'entraînement et leurs capacités de déploiement dans des conditions réelles. Nous verrons également comment ces modèles se positionnent par rapport à l'écosystème plus large, notamment la Ultralytics Platform, hautement optimisée, et l'architecture YOLO26, à la pointe de la technologie.

Innovations architecturales#

Comprendre les mécanismes fondamentaux de ces modèles est crucial pour les ingénieurs en apprentissage automatique chargés de sélectionner le bon outil pour les environnements de production.

RTDETRv2 : l'approche Transformer#

S'appuyant sur le succès de RT-DETR, RTDETRv2 utilise un encodeur hybride et un décodeur Transformer. Cette conception permet au modèle de traiter très efficacement le contexte global, ce qui le rend particulièrement performant pour distinguer les objets qui se chevauchent dans les scènes denses. L'avantage le plus important de cette architecture est sa conception native sans NMS (suppression non maximale). En éliminant l'étape de post-traitement NMS, RTDETRv2 simplifie le pipeline d'inférence et garantit une latence plus stable sur différentes configurations matérielles.

Apprends-en plus sur RTDETRv2

DAMO-YOLO : améliorer l'efficacité des CNN#

DAMO-YOLO, quant à lui, reste ancré dans la lignée YOLO basée sur les CNN, qui a connu un grand succès, tout en introduisant plusieurs améliorations révolutionnaires. Il exploite la recherche d'architecture neuronale (NAS) pour optimiser son backbone et garantir une efficacité maximale de l'extraction des caractéristiques. Il intègre en outre un RepGFPN efficace (réseau pyramidal de caractéristiques généralisé reparamétré) et une conception ZeroHead, ainsi que les techniques d'amélioration AlignedOTA et de distillation. Ces innovations permettent à DAMO-YOLO d'atteindre des vitesses d'inférence élevées tout en conservant un score mAP^val très compétitif.

Comparaison des performances et des métriques#

Lors de l'évaluation des modèles destinés au déploiement, des métriques de performance telles que la précision moyenne (mAP), la vitesse d'inférence et le nombre de paramètres sont essentielles. Voici une comparaison détaillée des deux familles de modèles.

Analyse des résultats#

Comme le montre le tableau, RTDETRv2-x atteint la meilleure précision, avec un mAP^val de 54,3, ce qui illustre la puissance de l'architecture Transformer sur des validations complexes telles que le jeu de données COCO. Toutefois, cela s'accompagne d'un nombre de paramètres (76M) et d'un nombre de FLOPs nettement plus élevés.

À l'inverse, DAMO-YOLOt (Tiny) est particulièrement léger, avec seulement 8,5M paramètres, ce qui en fait une option extrêmement rapide pour les environnements où la mémoire CUDA est fortement limitée. DAMO-YOLO offre généralement un compromis favorable entre vitesse et précision pour les appareils edge existants.

Écosystème, facilité d'utilisation et avantage d'Ultralytics#

Bien que des dépôts indépendants comme les dépôts officiels RT-DETR sur GitHub et DAMO-YOLO sur GitHub fournissent le code brut nécessaire à l'entraînement de ces modèles, leur intégration dans des pipelines de production nécessite souvent une grande quantité de code passe-partout et d'optimisation manuelle.

C'est là que l'écosystème Ultralytics simplifie considérablement l'expérience des développeurs. Ultralytics intègre directement des modèles comme RTDETRv2 à son API unifiée, ce qui te permet d'entraîner, de valider et d'exporter des modèles avec une seule ligne de code. En outre, les modèles Ultralytics sont connus pour leurs besoins en mémoire réduits pendant l'entraînement par rapport aux dépôts autonomes lourds basés sur des Transformers.

Exemple de code : intégration transparente#

Voici à quel point tu peux facilement exploiter la bibliothèque Python d'Ultralytics pour exécuter une inférence. L'API reste cohérente, que tu utilises un modèle Transformer ou un CNN à la pointe de la technologie.

from ultralytics import RTDETR, YOLO

# Load an RTDETRv2 model for complex scene understanding
model_rtdetr = RTDETR("rtdetr-l.pt")

# Load the latest Ultralytics YOLO26 model for ultimate edge performance
model_yolo26 = YOLO("yolo26n.pt")

# Run inference on a sample image effortlessly
results_rtdetr = model_rtdetr("https://ultralytics.com/images/bus.jpg")
results_yolo = model_yolo26("https://ultralytics.com/images/bus.jpg")

# Display the results
results_yolo[0].show()

Cas d’utilisation idéaux#

Le choix entre ces architectures dépend entièrement des exigences spécifiques de ton projet :

• RTDETRv2 excelle dans le traitement côté serveur, où la VRAM est abondante. Sa compréhension du contexte global est idéale pour l'imagerie médicale et l'analyse de foules denses, où les occlusions sont fréquentes.
• DAMO-YOLO convient particulièrement aux applications IoT embarquées et aux lignes d'inspection industrielle rapides, où un faible nombre de paramètres et un FPS élevé sont des exigences strictes.

L'avenir : Ultralytics YOLO26#

Bien que RTDETRv2 et DAMO-YOLO aient tous deux leurs atouts, le domaine de la vision par ordinateur évolue rapidement. Pour les nouveaux projets, le dernier modèle Ultralytics YOLO26 représente la synthèse ultime de la vitesse, de la précision et de l'expérience développeur.

YOLO26 adopte une conception de bout en bout sans NMS, conservant le principal avantage des Transformers sans leur énorme surcharge de calcul. Il intègre l'innovant optimiseur MuSGD, inspiré de l'entraînement des grands modèles de langage, pour une convergence stable et rapide. En outre, grâce à la suppression de DFL (suppression de Distribution Focal Loss pour simplifier l'export et améliorer la compatibilité avec les appareils edge et basse consommation), YOLO26 offre jusqu'à 43 % d'inférence plus rapide sur CPU, ce qui en fait le champion incontesté de l'informatique edge. De plus, ProgLoss + STAL fournit des fonctions de perte améliorées, avec des progrès notables dans la reconnaissance des petits objets, essentielle pour l'IoT, la robotique et l'imagerie aérienne.

Contrairement aux modèles limités strictement aux boîtes englobantes, la famille YOLO26 offre une polyvalence inégalée, prenant en charge des tâches allant de la segmentation d'instances et de l'estimation de pose aux boîtes englobantes orientées (OBB), le tout géré de manière transparente via l'intuitive Ultralytics Platform.

Détails du modèle et références#

RTDETRv2#

• 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

DAMO-YOLO#

• Auteurs : Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang et Xiuyu Sun
• Organisation : Alibaba Group
• Date : 2022-11-23
• Arxiv : 2211.15444v2
• GitHub : Dépôt DAMO-YOLO

Si tu souhaites découvrir d'autres comparaisons, consulte nos guides sur RTDETRv2 contre YOLO11 ou DAMO-YOLO contre YOLOv8 pour voir comment ces modèles se comportent face aux générations précédentes de la famille Ultralytics.