Commencer

RTDETRv2 vs EfficientDet

Choisir l’architecture de réseau neuronal optimale est une décision déterminante pour tout projet de vision par ordinateur. Cette comparaison technique examine deux modèles influents de détection d’objets : RTDETRv2, un détecteur Transformer en temps réel, et EfficientDet, un réseau neuronal convolutif hautement évolutif. Elle évalue leurs architectures, leurs indicateurs de performance, leurs méthodes d’entraînement et les scénarios de déploiement auxquels ils conviennent le mieux, afin de t’aider à prendre des décisions fondées sur les données pour tes pipelines d’IA.

RTDETRv2 : le Transformer de détection en temps réel#

S’appuyant sur le succès du RT-DETR original, RTDETRv2 affine le paradigme de la détection d’objets basée sur les Transformers. En optimisant les structures de l’encodeur et du décodeur, il offre une grande précision tout en maintenant des vitesses d’inférence en temps réel, comblant ainsi efficacement le fossé entre les CNN traditionnels et les Transformers pour la vision.

Détails du modèle

  • Auteurs : Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang et Yi Liu
  • Organisation : Baidu
  • Date : 2024-07-24
  • Liens : arXiv, GitHub, Documentation

Architecture et principaux atouts#

RTDETRv2 utilise une architecture hybride qui associe un backbone CNN performant (souvent ResNet ou HGNet) à un décodeur Transformer efficace. Sa caractéristique la plus marquante est sa capacité native à se passer de la suppression non maximale (NMS). Les détecteurs traditionnels ont besoin de la NMS pour filtrer les boîtes englobantes en double, ce qui entraîne une latence d’inférence variable lors du post-traitement. RTDETRv2 formule la détection comme un problème de prédiction directe d’ensembles et utilise l’appariement biparti pour produire des prédictions uniques.

Ce modèle offre ses meilleures performances lors des déploiements côté serveur, où la mémoire GPU est abondante. Son mécanisme d’attention globale lui confère une forte capacité à tenir compte du contexte, ce qui le rend particulièrement adapté à la séparation d’objets qui se chevauchent dans des environnements denses et encombrés, comme les systèmes d’alarme de sécurité automatisés ou la surveillance de foules nombreuses.

Limites#

Bien que puissantes, les architectures Transformer nécessitent intrinsèquement plus de mémoire CUDA à l’entraînement que les CNN classiques. Le réglage fin de RTDETRv2 peut aussi converger plus lentement sur de nouvelles données d’entraînement, ce qui rend le prototypage rapide plus gourmand en ressources.

En savoir plus sur RTDETRv2

EfficientDet : des CNN évolutifs et efficaces#

EfficientDet a introduit une famille de modèles de détection d’objets optimisés à la fois pour la précision et l’efficacité, sur un large éventail de contraintes de ressources. Il reste un exemple classique de conception évolutive en vision artificielle.

Détails du modèle

Architecture et principaux atouts#

L’innovation d’EfficientDet repose sur deux éléments clés : le réseau pyramidal de caractéristiques bidirectionnel (BiFPN) et une méthode de mise à l’échelle composée. BiFPN permet une extraction de caractéristiques multi-échelle simple et rapide en introduisant des poids entraînables pour déterminer l’importance des différentes caractéristiques d’entrée, tout en appliquant à plusieurs reprises une fusion multi-échelle descendante et ascendante. La méthode de mise à l’échelle composée ajuste uniformément et simultanément la résolution, la profondeur et la largeur du réseau.

Les modèles EfficientDet vont de la version légère D0 à la version bien plus volumineuse D7. Ils sont ainsi polyvalents pour les déploiements d’IA en périphérie, où les développeurs doivent concilier des budgets de calcul limités et des exigences de précision, comme dans les premières applications mobiles de réalité augmentée.

Limites#

EfficientDet est une architecture ancienne qui s’appuie fortement sur les boîtes d’ancrage et le pipeline de post-traitement NMS traditionnel. La génération des ancres nécessite un réglage minutieux des hyperparamètres, et l’étape NMS peut ralentir le déploiement sur du matériel embarqué comme un Raspberry Pi. Il ne prend pas non plus en charge nativement des tâches modernes comme l’estimation de pose ou les boîtes englobantes orientées (OBB).

En savoir plus sur EfficientDet

Comparaison des performances et des métriques#

Pour comprendre précisément les compromis entre ces modèles, il faut analyser leur débit et l’efficacité de leurs paramètres. Le tableau ci-dessous compare la série moderne RTDETRv2 à la famille évolutive EfficientDet.

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
EfficientDet-d051234.6-3.923.92.54
EfficientDet-d164040.5-7.316.66.1
EfficientDet-d276843.0-10.928.111.0
EfficientDet-d389647.5-19.5912.024.9
EfficientDet-d4102449.7-33.5520.755.2
EfficientDet-d5128051.5-67.8633.7130.0
EfficientDet-d6128052.6-89.2951.9226.0
EfficientDet-d7153653.7-128.0751.9325.0

Comme le montre le tableau ci-dessus, RTDETRv2 atteint un mAP (précision moyenne) égal ou supérieur à celui des modèles EfficientDet de taille comparable, tout en étant nettement plus rapide sur GPU (par exemple, un mAP de 53,4 en 9,76 ms pour RTDETRv2-l, contre un mAP de 52,6 en 89,29 ms pour EfficientDet-d6), grâce à son architecture Transformer qui améliore la précision.

Cas d’utilisation et recommandations#

Le choix entre RT-DETR et EfficientDet dépend des exigences spécifiques de ton projet, des contraintes de déploiement et de tes préférences en matière d’écosystème.

Quand choisir RT-DETR#

RT-DETR est un excellent choix pour :

  • Recherche sur la détection basée sur les Transformer : projets étudiant les mécanismes d’attention et les architectures Transformer pour la détection d’objets de bout en bout sans NMS.
  • Scénarios exigeant une grande précision et une latence flexible : applications où la précision de détection est prioritaire et où une latence d’inférence légèrement supérieure est acceptable.
  • Détection de grands objets : scènes composées principalement d’objets de taille moyenne à grande, pour lesquelles le mécanisme d’attention globale des Transformer offre un avantage naturel.

Quand choisir EfficientDet#

EfficientDet est recommandé pour :

  • Google Cloud et pipelines TPU : systèmes basés sur TensorFlow exécutés sur l’infrastructure Google Cloud TPU, où l’implémentation de référence d’EfficientDet prend en charge l’entraînement sur TPU.
  • Recherche sur la mise à l’échelle composée : évaluation comparative universitaire axée sur l’étude des effets d’une mise à l’échelle équilibrée de la profondeur, de la largeur et de la résolution du réseau.
  • Déploiement mobile avec LiteRT : projets nécessitant spécifiquement l’exportation vers LiteRT (anciennement TensorFlow Lite) pour Android ou les appareils Linux embarqués.

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 uniquement équipés d’un CPU : Les appareils sans accélération GPU dédiée, sur lesquels l’inférence sur CPU jusqu’à 43 % plus rapide de YOLO26n par rapport à YOLO11n représente un avantage évident.
  • 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.

L’alternative Ultralytics#

Bien que RTDETRv2 et EfficientDet présentent tous deux de solides atouts, le développement moderne de l’IA exige des frameworks qui offrent une expérience développeur fluide et de solides performances. L’écosystème Ultralytics propose une approche nettement plus rationalisée des tâches de vision par ordinateur.

Si tu explores les options de détection modernes, le tout nouveau Ultralytics YOLO26 combine les meilleurs aspects des CNN et des Transformers.

Pourquoi choisir YOLO26 ?

YOLO26 propose une conception facultative de bout en bout sans NMS (nms=False), qui apporte la simplicité de déploiement de RTDETRv2 à l’architecture YOLO efficace. Il introduit aussi l’optimiseur MuSGD, inspiré des techniques d’entraînement des LLM, pour une meilleure stabilité de l’entraînement. Grâce à la suppression de DFL (Distribution Focal Loss supprimée pour simplifier l’exportation et améliorer la compatibilité avec les appareils en périphérie et à faible consommation), YOLO26n offre une inférence sur CPU jusqu’à 43 % plus rapide que YOLO11n, ce qui en fait un choix intéressant pour l’informatique en périphérie par rapport aux modèles plus lourds. ProgLoss + STAL (Progressive Loss et assignation des étiquettes adaptée aux petites cibles) améliore également de façon notable la reconnaissance des petits objets, essentielle pour l’IoT, la robotique et l’imagerie aérienne.

Le package Python Ultralytics est conçu pour être facile à utiliser. Les développeurs peuvent entraîner, valider et exporter des modèles à l’aide d’une API intuitive qui masque le code passe-partout généralement nécessaire dans les dépôts de recherche.

from ultralytics import RTDETR

# Charger un modèle RT-DETR préentraîné depuis l’écosystème Ultralytics
model = RTDETR("rtdetr-l.pt")

# Entraîner le modèle sur le jeu de données COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Exporter pour optimiser l’inférence sur TensorRT
model.export(format="engine")

Les modèles Ultralytics prennent nativement en charge plusieurs tâches, notamment la segmentation d’instance et la classification d’images, offrant ainsi une boîte à outils polyvalente adaptée aux besoins de divers secteurs. La suppression de Distribution Focal Loss (DFL) dans les modèles Ultralytics modernes simplifie également le graphe de calcul et facilite l’exportation vers les NPU et TPU embarqués.

Pour l’annotation des données et la gestion des modèles, Ultralytics Platform fournit un environnement cloud complet couvrant tout le cycle de vie du machine learning, ce qui en fait un excellent choix pour déployer des solutions de vision par ordinateur robustes en production.

Commentaires

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