Comparaison entre RTDETRv2 et YOLOv5#

L’évolution de la vision par ordinateur a été largement définie par la quête incessante d’un équilibre entre précision et vitesse d’inférence en temps réel. Lorsqu’ils comparent RTDETRv2 et Ultralytics YOLOv5, les développeurs mettent essentiellement en balance les capacités sophistiquées de compréhension du contexte global des architectures Transformer et l’efficacité hautement optimisée et éprouvée des réseaux neuronaux convolutifs (CNN).

Ce guide propose une analyse technique approfondie de ces deux architectures majeures, en détaillant leurs métriques de performance, leurs méthodes d’entraînement, leurs besoins en mémoire et leurs scénarios de déploiement idéaux afin de t’aider à choisir le meilleur modèle de détection d’objets pour ton cas d’utilisation spécifique.

RTDETRv2 : l'approche Transformer de la détection en temps réel#

S’appuyant sur le Transformer de détection en temps réel (RT-DETR) original, RTDETRv2 introduit une série de « bonus gratuits » afin d’améliorer l’architecture de référence sans sacrifier sa latence d’inférence.

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

Architecture et capacités#

RTDETRv2 exploite une architecture hybride CNN-Transformer. Le CNN sert de backbone pour extraire des caractéristiques visuelles fines, tandis que les couches encodeur-décodeur du Transformer traitent l’ensemble de la carte des caractéristiques afin de comprendre le contexte global. Une caractéristique majeure de RTDETRv2 est sa nature de bout en bout, qui élimine complètement le besoin de post-traitement par suppression des non-maxima (NMS).

Bien que RTDETRv2 atteigne une précision impressionnante — particulièrement dans les scènes complexes et denses où les objets se chevauchent — il implique des compromis importants. Le mécanisme d’attention inhérent aux architectures Transformer exige beaucoup plus de mémoire CUDA lors de l’entraînement que les CNN standard. De plus, s’il offre de bonnes performances sur des GPU haut de gamme comme les NVIDIA A100 ou T4, son architecture est sensiblement plus lente sur les CPU standard et fortement limitée sur les appareils edge aux ressources réduites.

Apprends-en plus sur RTDETRv2

Ultralytics YOLOv5 : la référence du secteur en matière d’efficacité#

Ultralytics YOLOv5 a fondamentalement changé le paysage de l’apprentissage automatique appliqué lors de sa sortie, en rendant la vision par ordinateur haute performance accessible aux développeurs du monde entier grâce à un framework exceptionnellement intuitif.

• Auteur : Glenn Jocher
• Organisation : Ultralytics
• Date : 26 juin 2020
• Liens : Documentation officielle, Dépôt GitHub

Écosystème et équilibre des performances#

YOLOv5 repose entièrement sur le framework PyTorch et s’appuie sur une architecture CNN extrêmement efficace. Il a été conçu dès le départ pour être facile à utiliser, avec une API rationalisée et l’une des documentations les plus complètes du secteur de l’IA.

Le principal avantage de YOLOv5 réside dans sa polyvalence inégalée et ses faibles besoins en mémoire. L’entraînement d’un modèle YOLOv5 nécessite beaucoup moins de VRAM que les modèles fondés sur des Transformers, ce qui le rend accessible aux chercheurs et aux ingénieurs disposant de budgets matériels limités. De plus, tandis que RTDETRv2 se concentre exclusivement sur la détection de boîtes englobantes, YOLOv5 a évolué pour devenir une solution polyvalente prenant en charge la segmentation d’instances et la classification d’images.

Comparaison des performances et des métriques#

Lorsqu’on analyse les performances brutes sur le jeu de données COCO standard, on observe des différences nettes dans la façon dont ces modèles hiérarchisent les ressources.

Analyse des compromis#

Les données montrent que RTDETRv2-x atteint une précision moyenne (mAP) maximale de 54,3 %, dépassant légèrement les 50,7 % de YOLOv5x. Toutefois, ce léger gain de précision s’accompagne d’un coût de calcul considérable. YOLOv5x fonctionne avec une latence plus faible (11,89 ms contre 15,03 ms sur TensorRT) et nécessite une fraction de la mémoire. Pour les déploiements edge à très faible consommation, YOLOv5n (Nano) reste inégalé, en réalisant des inférences en seulement 1,12 ms avec un nombre minuscule de 2,6 M de paramètres — un niveau auquel RTDETRv2 ne cherche même pas à se mesurer.

Efficacité de l’entraînement et simplicité du code#

L’un des principaux atouts de l’écosystème Ultralytics est son API unifiée. Même si tu décides d’utiliser l’architecture Transformer de RT-DETR pour une tâche nécessitant beaucoup de calcul, tu peux le faire entièrement dans le package Python Ultralytics, en échangeant facilement les modèles avec une seule ligne de code.

from ultralytics import RTDETR, YOLO

# Load the Ultralytics YOLOv5 small model
model_yolo = YOLO("yolov5s.pt")

# Load the RT-DETR large model via Ultralytics
model_rtdetr = RTDETR("rtdetr-l.pt")

# Train YOLOv5 effortlessly on your custom data
model_yolo.train(data="coco8.yaml", epochs=100, imgsz=640)

# Run inference with both models seamlessly
results_yolo = model_yolo("https://ultralytics.com/images/bus.jpg")
results_rtdetr = model_rtdetr("https://ultralytics.com/images/bus.jpg")

results_yolo[0].show()

En utilisant la bibliothèque Ultralytics, les développeurs bénéficient automatiquement d’un écosystème bien maintenu, avec des intégrations de suivi des expériences (comme Weights & Biases et Comet ML) et des exportations en un clic vers des formats de déploiement tels que ONNX et OpenVINO.

Applications en conditions réelles et cas d'utilisation idéaux#

Les points forts de RTDETRv2#

RTDETRv2 est particulièrement adapté aux environnements où les limitations matérielles sont inexistantes et où la précision maximale possible constitue l’unique objectif.

• Imagerie médicale côté serveur : détection d’anomalies microscopiques sur des radiographies haute résolution.
• Imagerie satellitaire : suivi d’objets nombreux et superposés dans le cadre de tâches de surveillance aérienne sur de puissants clusters cloud.

Les domaines où YOLOv5 domine#

YOLOv5 est le champion incontesté du déploiement pratique en conditions réelles sur des équipements variés.

• Appareils d’IA edge : déploiement de systèmes d’alarme de sécurité sur des appareils Raspberry Pi ou NVIDIA Jetson où la mémoire est strictement limitée.
• Applications mobiles : exécution rapide d’inférences en temps réel de boîtes englobantes et de segmentation directement sur des smartphones via CoreML ou TFLite.
• Fabrication industrielle à grande vitesse : inspection de pièces sur des lignes de production rapides où une latence de l’ordre de la milliseconde est essentielle à la réussite opérationnelle.

En définitive, tandis que RTDETRv2 repousse la limite supérieure de la précision grâce aux couches Transformer, le framework Ultralytics YOLO offre un équilibre inégalé entre vitesse, faibles besoins en mémoire et expérience développeur remarquablement conçue, réduisant considérablement le délai entre le prototype et la mise en production.