RTDETRv2 et YOLO11
Les nouvelles architectures de vision par ordinateur repoussent sans cesse les limites des appareils en périphérie et des serveurs cloud. RTDETRv2 et YOLO11 sont deux modèles largement utilisés pour la détection d’objets en temps réel. Tous deux sont performants, mais reposent sur des approches architecturales différentes : un détecteur fondé sur un Transformer par opposition à un réseau neuronal convolutif (CNN) hautement optimisé.
Cette comparaison passe en revue les architectures, les métriques de performance, les méthodes d’entraînement et les cas d’utilisation idéaux des deux modèles afin de t’aider à choisir celui qui convient à ta prochaine application.
RTDETRv2 : le challenger basé sur Transformer#
Présenté comme une évolution du Real-Time Detection Transformer d’origine, RTDETRv2 applique des mécanismes d’attention aux caractéristiques multi-échelles extraites par un backbone CNN. Son encodeur hybride et son décodeur Transformer capturent le contexte global de l’image, ce qui facilite la détection d’objets fortement superposés dans des scènes complexes.
Détails du modèle :
- 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
- Documentation : Documentation RTDETRv2
Points forts et faiblesses de l’architecture#
La principale innovation de RTDETRv2 est son architecture de bout en bout sans NMS. En supprimant la suppression des non-maxima (NMS), le modèle simplifie le pipeline de post-traitement. De plus, ses capacités d’extraction de caractéristiques multi-échelles ont été améliorées par rapport au modèle RT-DETR d’origine, ce qui lui permet de mieux identifier les objets de tailles variées.
Cependant, comme il repose sur des Transformers, RTDETRv2 nécessite généralement davantage de mémoire pendant l’entraînement. Les Transformers convergent en général plus lentement et requièrent plus de mémoire CUDA que les CNN traditionnels, ce qui les rend moins accessibles aux chercheurs qui utilisent du matériel grand public ou déploient leurs modèles dans des environnements d’IA en périphérie aux ressources limitées.
Ultralytics YOLO11 : efficacité des CNN#
S’appuyant sur les recherches antérieures sur YOLO, Ultralytics YOLO11 affine l’architecture CNN pour offrir un meilleur compromis entre vitesse et précision, tout en conservant l’écosystème Ultralytics flexible et adapté aux développeurs.
Détails du modèle :
- Auteurs : Glenn Jocher et Jing Qiu
- Organisation : Ultralytics
- Date : 27 septembre 2024
- GitHub : Dépôt Ultralytics
L’avantage Ultralytics#
Le principal atout de YOLO11 est son équilibre des performances. Son compromis entre vitesse et précision convient à de nombreux scénarios de déploiement, des grands clusters de cloud computing aux appareils mobiles légers.
Les modèles Ultralytics YOLO utilisent aussi moins de mémoire pendant l’entraînement et l’inférence. Contrairement aux modèles Transformer, qui peuvent rapidement saturer la VRAM, YOLO11 permet d’utiliser des tailles de lot plus importantes sur des GPU standard. YOLO11 offre également une grande polyvalence au-delà de la détection d’objets, avec une prise en charge native de la segmentation d’instances, de la classification d’images, de l’estimation de pose et des boîtes englobantes orientées (OBB).
Comparaison des performances et des métriques#
Le tableau ci-dessous compare la précision et la vitesse sur COCO. RTDETRv2 est légèrement plus précis aux échelles petite et moyenne, tandis que YOLO11 propose cinq tailles de modèle, dont une variante nano, et présente une latence TensorRT inférieure à chaque taille comparable.
| Modèle | taille (pixels) | mAPval50-95 | Vitesse CPU ONNX (ms) | Vitesse T4 TensorRT10 (ms) | paramètres (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| RTDETRv2-s | 640 | 48.1 | - | 5.03 | 20 | 60 |
| RTDETRv2-m | 640 | 51.9 | - | 7.51 | 36 | 100 |
| RTDETRv2-l | 640 | 53.4 | - | 9.76 | 42 | 136 |
| RTDETRv2-x | 640 | 54.3 | - | 15.03 | 76 | 259 |
| YOLO11n | 640 | 39.5 | 56.1 | 1.5 | 2.6 | 6.5 |
| YOLO11s | 640 | 47.0 | 90.0 | 2.5 | 9.4 | 21.6 |
| YOLO11m | 640 | 51.5 | 183.2 | 4.7 | 20.1 | 68.1 |
| YOLO11l | 640 | 53.4 | 238.6 | 6.2 | 25.3 | 87.2 |
| YOLO11x | 640 | 54.7 | 462.8 | 11.3 | 56.9 | 195.3 |
YOLO11x atteint 54.7 % de mAPval, soit 0.4 point de plus que RTDETRv2-x, avec moins de FLOPs (195.3B contre 259B) et une inférence TensorRT plus rapide (11.3 ms contre 15.03 ms). YOLO11l égale RTDETRv2-l à 53.4 % tout en s’exécutant en 6.2 ms au lieu de 9.76 ms ; RTDETRv2-s et -m devancent YOLO11s et -m de 1.1 et 0.4 point, avec une latence 1.6 à 2 fois supérieure. Les variantes nano et small de YOLO11 sont des options légères pour les appareils aux ressources limitées comme le Raspberry Pi.
Écosystème, facilité d’utilisation et entraînement#
Les modèles Ultralytics sont conçus pour offrir une expérience utilisateur simple. Le package Python ultralytics fournit une API unifiée qui prend en charge l’augmentation des données, l’entraînement distribué et l’exportation des modèles. Le dépôt de recherche RTDETRv2 nécessite davantage de code passe-partout et de configuration, tandis qu’Ultralytics fournit un pipeline complet, des données au déploiement.
Le package Ultralytics exécute également les modèles RT-DETR aux côtés des modèles YOLO, afin que les deux puissent profiter de l’écosystème bien maintenu d’Ultralytics, notamment des intégrations avec Weights & Biases et Comet pour le suivi des expériences.
from ultralytics import RTDETR, YOLO
# Charger un modèle RTDETR via l’API Ultralytics
model_rtdetr = RTDETR("rtdetr-l.pt")
# Charger un modèle YOLO11 hautement optimisé
model_yolo = YOLO("yolo11n.pt")
# Entraîner YOLO11 avec une utilisation de la mémoire très efficace
results = model_yolo.train(data="coco8.yaml", epochs=100, imgsz=640)
# Exporter le modèle YOLO entraîné au format ONNX
model_yolo.export(format="onnx")L’efficacité de l’entraînement compte en apprentissage automatique. Les modèles Ultralytics partent de poids préentraînés, ce qui accélère la convergence de l’apprentissage par transfert sur des données personnalisées. Pour gérer les jeux de données, les exécutions d’entraînement et les points de terminaison de déploiement sans écrire de code, utilise Ultralytics Platform pour profiter d’un workflow MLOps intégré.
Applications concrètes#
Le choix entre ces architectures dépend souvent des contraintes de déploiement propres à ton projet.
Les points forts de RTDETRv2 : Le backbone Transformer de RTDETRv2 est très efficace dans les scénarios comportant des objets denses et fortement occultés, où le contexte global est nécessaire. Il est souvent utilisé en recherche universitaire et dans des applications où le budget de calcul compte moins que la modélisation des relations entre les objets.
Les points forts de YOLO11 : YOLO11 convient bien aux déploiements pratiques en conditions réelles. Sa faible empreinte mémoire et son inférence rapide en font un bon choix pour :
- Fabrication intelligente : détecter les défauts en temps réel sur les chaînes de production à l’aide de PC industriels.
- Agriculture : déployer des drones pour surveiller en temps réel l’état des cultures et automatiser les robots de récolte.
- Analyse du commerce de détail : Traiter simultanément plusieurs flux de caméras pour gérer les files d’attente et suivre les stocks, sans nécessiter de grands clusters de serveurs.
Cas d’utilisation et recommandations#
Le choix entre RT-DETR et YOLO11 dépend des exigences propres à 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 YOLO11#
YOLO11 est recommandé pour :
- Déploiement en périphérie en production : Applications commerciales sur des appareils comme Raspberry Pi ou NVIDIA Jetson, où la fiabilité et la maintenance active sont essentielles.
- Applications de vision multitâches : projets nécessitant la détection, la segmentation, la classification, l’estimation de pose et l’OBB au sein d’un framework unifié.
- Prototypage et déploiement rapides : équipes qui doivent passer rapidement de la collecte de données à la production à l’aide de l’API Python Ultralytics simplifiée.
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 utilisant uniquement le CPU : les appareils dépourvus d’accélération GPU dédiée bénéficient d’un avantage décisif grâce à l’inférence CPU de YOLO26n, jusqu’à 43 % plus rapide que celle de YOLO11n.
- Détection de petits objets : dans des scénarios exigeants comme les images aériennes prises par drone ou l’analyse de capteurs IoT, ProgLoss et STAL améliorent la précision sur les petits objets.
Perspectives : l’arrivée de YOLO26#
Si tu démarres un nouveau projet, pense aussi à Ultralytics YOLO26, sorti en janvier 2026 et modèle Ultralytics recommandé. Il combine des idées des deux approches : une tête facultative de bout en bout sans NMS (nms=False, introduite dans les modèles YOLO par YOLOv10) supprime le post-traitement NMS comme RTDETRv2, tout en conservant la vitesse d’un CNN.
YOLO26 utilise l’optimiseur MuSGD, inspiré des techniques d’entraînement des LLM, pour une convergence stable et rapide, et YOLO26n offre une inférence CPU jusqu’à 43 % plus rapide que YOLO11n, notamment grâce à la suppression de Distribution Focal Loss (DFL). Progressive Loss et Small-Target-Aware Label Assignment (ProgLoss + STAL) améliorent la reconnaissance des petits objets, faisant de YOLO26 le choix recommandé pour les nouveaux pipelines de vision par ordinateur.
Que tu choisisses YOLO11 pour sa polyvalence éprouvée, RTDETRv2 pour ses mécanismes d’attention ou YOLO26 pour ses performances en périphérie, la documentation Ultralytics couvre l’entraînement et le déploiement de YOLO11, YOLO26 et du RT-DETR d’origine.
Commentaires1
Pose une question, partage tes résultats ou aide quelqu’un d’autre.
UltralyticsAssistantUltralytics
👋 Hello, thank you for starting this discussion about comparing RTDETRv2 and YOLO11 🚀! We’re thrilled to see your interest in exploring the strengths and ideal use cases of these models.
For those looking to dive deeper, the Comparison Guide is a great resource to start with. It highlights key differences and performance metrics, helping you make informed decisions based on your project needs.
If you have specific questions about YOLO11 performance or implementation, feel free to provide more details so we can assist better. For custom training or real-world applications, including dataset examples or logs would be immensely helpful!
💡 Pro Tip: Keep your
ultralyticspackage up to date to leverage the latest features and fixes. Simply run:pip install -U ultralyticsFor real-time discussions, join our Discord 🎧. Alternatively, connect with our community on Discourse or our Subreddit to share insights and experiences.
An Ultralytics engineer will review and assist with your discussion soon. Stay tuned! 😊