RTDETRv2 vs PP-YOLOE+#

L'évolution rapide de la vision par ordinateur a donné naissance à différentes approches architecturales pour résoudre les problèmes complexes de détection d'objets en temps réel. Parmi les avancées récentes les plus remarquables figurent RTDETRv2 et PP-YOLOE+, deux modèles puissants qui abordent la reconnaissance visuelle selon des philosophies de conception fondamentalement différentes. Bien que les deux modèles visent des performances de détection élevées, leurs mécanismes, leurs paradigmes d'entraînement et leurs scénarios de déploiement idéaux diffèrent considérablement.

Ce guide complet examine les subtilités techniques de ces deux modèles et compare leurs architectures, leurs métriques de performance et la prise en charge de leur écosystème pour aider les développeurs et les chercheurs à choisir la solution optimale selon leurs besoins de déploiement.

Présentation des modèles#

Avant d'analyser les données de performance, il est important de comprendre les origines et les objectifs architecturaux de chaque modèle. Tous deux sont issus d'équipes de recherche de Baidu, mais représentent des branches différentes de la famille des modèles de détection d'objets.

RTDETRv2#

RTDETRv2 marque une avancée majeure dans les architectures de vision fondées sur les Transformers. En s'appuyant sur le Transformer de détection en temps réel original, il associe un backbone CNN à un encodeur hybride efficace et à un décodeur Transformer. Sa caractéristique la plus distinctive est sa capacité native à produire des prédictions de bout en bout, qui élimine complètement le besoin de suppression non maximale (NMS) pendant le post-traitement.

• 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

En savoir plus sur RTDETRv2

PP-YOLOE+#

PP-YOLOE+ est une version avancée de la série YOLO, fortement optimisée pour les applications industrielles hautes performances. Il présente une architecture CNN évolutive avec une tête de détection sans ancres. Conçu pour offrir un excellent compromis entre vitesse et précision, il intègre des techniques puissantes comme la tête ET et une fonction de perte focale généralisée pour améliorer la détection des petits objets.

• Auteurs : les auteurs de PaddlePaddle
• Organisation : Baidu
• Date : 2022-04-02
• Arxiv : 2203.16250
• GitHub : Dépôt PaddleDetection

En savoir plus sur PP-YOLOE+

Différences architecturales#

La principale différence entre ces deux modèles réside dans leur manière de traiter le contexte visuel et de générer des prédictions.

PP-YOLOE+ utilise un backbone de réseau neuronal convolutif (CNN) classique, mais hautement optimisé. Il s'appuie sur des champs récepteurs locaux pour extraire les caractéristiques, ce qui le rend extrêmement rapide et efficace pour les déploiements standard. Cependant, il nécessite toujours le post-traitement NMS classique pour filtrer les boîtes englobantes qui se chevauchent, ce qui peut créer des goulots d'étranglement en matière de latence dans les scènes denses.

À l'inverse, RTDETRv2 utilise un encodeur hybride et un décodeur Transformer. Le modèle peut ainsi saisir simultanément le contexte global de l'image entière. Les mécanismes d'attention comprennent intrinsèquement les relations entre les objets, ce qui permet au modèle de produire directement les boîtes englobantes finales sans NMS. Cette approche de bout en bout garantit une latence d'inférence stable, quel que soit le nombre d'objets détectés.

Métriques et comparaison des performances#

Lors de l'évaluation des métriques de performance YOLO, il est essentiel de trouver un équilibre entre précision (mAP), coût de calcul (FLOPs) et vitesse d'inférence. Le tableau ci-dessous met en évidence les performances des deux modèles pour différentes tailles.

PP-YOLOE+x atteint une mAP^val légèrement supérieure, à 54,7 %, sur le jeu de données COCO. Les modèles RTDETRv2 offrent généralement une précision comparable, avec l'avantage d'une latence constante grâce à leur conception sans NMS. Cependant, PP-YOLOE+ conserve un avantage net en nombre de paramètres et en FLOPs pour les modèles plus petits, ce qui le rend très efficace pour les déploiements edge.

L’avantage Ultralytics : place à YOLO26#

RTDETRv2 et PP-YOLOE+ sont tous deux très performants, mais l'état de l'art a continué d'évoluer. Pour les développeurs qui recherchent l'équilibre ultime entre vitesse, précision et prise en charge de l'écosystème, Ultralytics YOLO26 représente désormais la nouvelle norme du secteur.

YOLO26 réunit les meilleurs atouts des CNN et des Transformers. Il propose un mode d'inférence facultatif de bout en bout sans NMS (nms=False), lancé par les architectures modernes, qui élimine les goulots d'étranglement du post-traitement lorsqu'il est activé. Il introduit également le révolutionnaire optimiseur MuSGD, une approche hybride inspirée des innovations en matière d'entraînement des LLM, qui assure un entraînement très stable et une convergence rapide.

De plus, YOLO26 ne se limite pas à la simple détection d'objets. Il est polyvalent par nature et prend en charge nativement la segmentation d'instances, l'estimation de pose et les boîtes englobantes orientées (OBB), tandis que PP-YOLOE+ se concentre principalement sur la détection de boîtes englobantes.

Méthodes d’entraînement et écosystème#

L'efficacité de l'entraînement et la facilité d'utilisation sont les domaines où l'écosystème Ultralytics se distingue vraiment des dépôts de recherche indépendants. PP-YOLOE+ repose sur le framework PaddlePaddle et RTDETRv2 nécessite souvent une configuration complexe de l'environnement, tandis que l'intégration des modèles par Ultralytics offre une expérience fluide.

Avec l'API Ultralytics, tu bénéficies de besoins en mémoire réduits pendant l'entraînement, d'une gestion automatisée des jeux de données et d'un réglage simplifié des hyperparamètres. De plus, le déploiement des modèles dans des formats de production comme ONNX ou TensorRT s'effectue avec une seule commande.

Exemple de code : inférence simplifiée#

Voici comment utiliser facilement RT-DETR et le modèle YOLO26 recommandé avec le package Python Ultralytics :

from ultralytics import RTDETR, YOLO

# Initialiser un modèle RT-DETR (Ultralytics prend en charge les modèles RT-DETR-L et RT-DETR-X originaux)
model_rtdetr = RTDETR("rtdetr-l.pt")

# Effectuer une inférence sans NMS sur une image de test
results_rtdetr = model_rtdetr("https://ultralytics.com/images/bus.jpg")
results_rtdetr[0].show()

# Pour une vitesse et une polyvalence supérieures, initialiser le tout dernier modèle YOLO26
model_yolo26 = YOLO("yolo26n.pt")

# Entraîner facilement le modèle YOLO26 avec une utilisation optimisée de la mémoire
model_yolo26.train(data="coco8.yaml", epochs=50, imgsz=640)

# Exporter vers TensorRT pour un déploiement en périphérie
model_yolo26.export(format="engine")

Applications et cas d’usage réels#

Le choix entre ces architectures dépend souvent du matériel spécifique et des exigences de l’application.

• RTDETRv2 excelle dans les environnements côté serveur et la compréhension de scènes complexes. Son mécanisme d’attention globale le rend particulièrement efficace pour la gestion des foules et l’analyse d’images médicales denses, où les objets qui se chevauchent font généralement échouer les algorithmes NMS standard.
• PP-YOLOE+ convient particulièrement à l’inspection industrielle à grande vitesse et aux environnements fortement investis dans l’écosystème PaddlePaddle. Son faible nombre de paramètres aux échelles les plus petites le rend viable pour certaines applications robotiques.
• Ultralytics YOLO26 est la solution universellement recommandée pour un déploiement commercial complet. Grâce à ses fonctions ProgLoss + STAL améliorées, il améliore considérablement la reconnaissance des petits objets, essentielle pour les opérations de drones aériens et la surveillance du trafic dans les villes intelligentes.

Cas d’utilisation et recommandations#

Le choix entre RT-DETR et PP-YOLOE+ 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 PP-YOLOE+#

PP-YOLOE+ est recommandé 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 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#

RTDETRv2 et PP-YOLOE+ ont tous deux repoussé les limites de la vision par ordinateur, démontrant la viabilité des architectures Transformer et des architectures CNN hautement optimisées. Cependant, la complexité du déploiement de bases de code de recherche fragmentées peut compromettre les délais de mise en production.

Pour les ingénieurs en IA d’aujourd’hui, l’utilisation de la Ultralytics Platform offre un avantage sans égal. En migrant vers des modèles parfaitement intégrés comme YOLO11 ou l’architecture YOLO26 de pointe, les équipes peuvent atteindre les meilleurs ratios précision-vitesse possibles tout en réduisant considérablement les besoins en mémoire et la charge de développement.