Commencer

RTDETRv2 vs DAMO-YOLO

La vision par ordinateur continue d’évoluer tandis que les chercheurs et les ingénieurs conçoivent des modèles qui équilibrent vitesse, précision et efficacité. Deux architectures importantes dans ce domaine sont RTDETRv2, développé par Baidu, et DAMO-YOLO, créé par Alibaba Group. Les deux modèles font progresser la détection d’objets en temps réel, mais adoptent des philosophies architecturales fondamentalement différentes.

Cette comparaison technique présente leurs architectures, leurs méthodes d’entraînement et leurs capacités de déploiement en conditions réelles. Elle explique également comment ces modèles se situent dans l’écosystème plus large, notamment par rapport à la plateforme Ultralytics et à la famille de modèles YOLO26.

Innovations architecturales#

Comprendre les mécanismes fondamentaux de ces modèles est essentiel pour les ingénieurs en apprentissage automatique chargés de choisir l’outil adapté aux environnements de production.

RTDETRv2 : l’approche Transformer#

S’appuyant sur le succès du RT-DETR d’origine, RTDETRv2 utilise un encodeur hybride et un décodeur Transformer. Cette conception permet au modèle de traiter efficacement le contexte global et de distinguer les objets qui se chevauchent dans les scènes denses. Le principal avantage 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 assure une latence plus stable sur différentes configurations matérielles.

En savoir plus sur RTDETRv2

DAMO-YOLO : améliorer l’efficacité des CNN#

DAMO-YOLO, quant à lui, reste ancré dans la lignée YOLO fondée sur les CNN, tout en apportant plusieurs améliorations notables. Il utilise la recherche d'architecture neuronale (NAS) pour optimiser son backbone et améliorer l'efficacité de l'extraction des caractéristiques. Il intègre également un RepGFPN efficace (réseau pyramidal de caractéristiques généralisé reparamétré) et une conception ZeroHead, ainsi que les techniques AlignedOTA et de distillation des connaissances. Ces innovations permettent à DAMO-YOLO d'atteindre des vitesses d'inférence élevées tout en conservant un score mAPval50-95 compétitif.

En savoir plus sur DAMO-YOLO

Divergence architecturale

RTDETRv2 mise sur les mécanismes d’attention pour comprendre les caractéristiques globales sans NMS, tandis que DAMO-YOLO maximise l’efficacité des CNN traditionnels grâce à NAS et à une distillation avancée. Il nécessite un post-traitement standard, mais offre des avantages distincts en matière de vitesse sur certains matériels.

Comparaison des performances et des métriques#

Pour évaluer des modèles en vue de leur déploiement, les métriques de performance comme la précision moyenne moyenne (mAP), la vitesse d’inférence et le nombre de paramètres sont essentielles. Le tableau ci-dessous compare les deux familles de modèles.

Modèletaille
(pixels)
mAPval50-95Vitesse
CPU ONNX
(ms)
Vitesse
T4 TensorRT10
(ms)
paramètres
(M)
FLOPs
(B)
RTDETRv2-s64048.1-5.032060
RTDETRv2-m64051.9-7.5136100
RTDETRv2-l64053.4-9.7642136
RTDETRv2-x64054.3-15.0376259
DAMO-YOLOt64042.0-2.328.518.1
DAMO-YOLOs64046.0-3.4516.337.8
DAMO-YOLOm64049.2-5.0928.261.8
DAMO-YOLOl64050.8-7.1842.197.3

Analyse des résultats#

Comme le montre le tableau, RTDETRv2-x atteint la précision la plus élevée, avec un mAPval50-95 de 54,3, ce qui démontre les atouts de l'architecture Transformer sur des benchmarks exigeants comme le jeu de données COCO. Cette performance s'accompagne toutefois d'un nombre nettement supérieur de paramètres (76 M) et de FLOPs.

DAMO-YOLOt (Tiny), en revanche, est très léger et ne nécessite que 8.5M paramètres, ce qui en fait une option rapide dans les environnements où la mémoire CUDA est très limitée. DAMO-YOLO offre généralement un compromis avantageux entre vitesse et précision pour les anciens appareils périphériques.

Écosystème, facilité d’utilisation et avantage Ultralytics#

Si les dépôts indépendants, comme les projets GitHub officiels RT-DETR et DAMO-YOLO, fournissent le code source pour entraîner ces modèles, leur intégration dans des pipelines de production nécessite souvent une grande quantité de code passe-partout et une optimisation manuelle.

C’est là que l’écosystème Ultralytics simplifie considérablement l’expérience développeur. Ultralytics intègre directement les détecteurs Transformer comme le RT-DETR d’origine à son API unifiée, ce qui permet aux utilisateurs d’entraîner, de valider et d’exporter des modèles avec une seule ligne de code. Les modèles Ultralytics sont également réputés pour leurs faibles besoins en mémoire à l’entraînement par rapport aux dépôts autonomes reposant sur des Transformer lourds.

Exemple de code : intégration#

Voici comment effectuer une inférence avec la bibliothèque Python Ultralytics. L’API reste cohérente, que tu utilises un modèle Transformer ou un CNN moderne.

from ultralytics import RTDETR, YOLO

# Charger un modèle RT-DETR pour comprendre des scènes complexes
model_rtdetr = RTDETR("rtdetr-l.pt")

# Charger le dernier modèle Ultralytics YOLO26
model_yolo26 = YOLO("yolo26n.pt")

# Lancer l’inférence sur une image d’exemple
results_rtdetr = model_rtdetr("https://ultralytics.com/images/bus.jpg")
results_yolo = model_yolo26("https://ultralytics.com/images/bus.jpg")

# Afficher les résultats
results_yolo[0].show()
Exporter des modèles pour la production

Avec l’API Ultralytics, tu peux exporter tes modèles entraînés vers des formats comme TensorRT, ONNX ou CoreML à l’aide d’une simple commande telle que model.export(format="engine"), ce qui réduit considérablement les difficultés de déploiement.

Cas d’utilisation idéaux#

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

  • RTDETRv2 offre les meilleurs résultats pour le traitement côté serveur, où la mémoire VRAM est abondante. Sa capacité à prendre en compte le contexte global convient à l’imagerie médicale et à l’analyse de foules denses, où les occultations sont fréquentes.
  • DAMO-YOLO convient particulièrement aux applications IoT embarquées et aux lignes d’inspection industrielle à grande vitesse, où un faible nombre de paramètres et un FPS élevé sont des exigences strictes.

L'avenir : Ultralytics YOLO26#

RTDETRv2 et DAMO-YOLO ont tous deux leurs mérites, mais le domaine de la vision par ordinateur évolue rapidement. Pour les nouveaux projets, le dernier modèle Ultralytics YOLO26 allie vitesse, précision et facilité d’utilisation pour les développeurs.

YOLO26 adopte une conception de bout en bout sans NMS, qui reprend le principal avantage des Transformer sans leur lourde charge de calcul. Il intègre l’optimiseur MuSGD, inspiré de l’entraînement des grands modèles de langage, pour une convergence stable et rapide. Grâce à la suppression de la DFL (perte focale de distribution supprimée pour simplifier l’exportation et améliorer la compatibilité avec les appareils périphériques et basse consommation), YOLO26n offre une inférence CPU jusqu’à 43 % plus rapide que YOLO11n, ce qui en fait un excellent choix pour l’informatique en périphérie. ProgLoss + STAL (perte progressive et assignation d’étiquettes sensible aux petites cibles) améliore également nettement 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 prend en charge un éventail de tâches allant de la segmentation d’instances et l’estimation de pose aux boîtes englobantes orientées (OBB), le tout géré par la plateforme Ultralytics.

Détails des modèles 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#

Pour d’autres comparaisons, consulte les guides sur RTDETRv2 vs YOLO11 ou DAMO-YOLO vs YOLOv8 afin de voir comment ces modèles se comparent aux générations précédentes de la famille Ultralytics.

Commentaires

Pose une question, partage tes résultats ou aide quelqu’un d’autre.