RTDETRv2 vs YOLOv5#

L'évolution de la computer vision a été largement définie par la recherche incessante d'un équilibre entre précision et vitesse d'inférence en temps réel. En comparant RTDETRv2 et Ultralytics YOLOv5, les développeurs comparent essentiellement les capacités de contexte global sophistiquées des architectures de type Transformer à l'efficacité hautement optimisée et éprouvée des réseaux de neurones convolutifs (CNN).

Ce guide fournit une analyse technique approfondie de ces deux architectures de premier plan, détaillant leurs métriques de performance, leurs méthodologies d'entraînement, leurs besoins en mémoire et leurs scénarios de déploiement idéaux pour t'aider à choisir le meilleur modèle d'object detection pour ton cas d'usage spécifique.

RTDETRv2 : L'approche Transformer pour la détection en temps réel#

S'appuyant sur le Real-Time Detection Transformer (RT-DETR) original, RTDETRv2 introduit une série de "bag-of-freebies" pour améliorer l'architecture de base sans sacrifier sa latence d'inférence.

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

Architecture et capacités#

RTDETRv2 s'appuie sur 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 de caractéristiques pour comprendre le contexte global. Une caractéristique majeure de RTDETRv2 est sa nature de bout en bout, éliminant complètement le besoin d'un post-traitement de type Non-Maximum Suppression (NMS).

Bien que RTDETRv2 atteigne une précision impressionnante — en particulier dans des scènes complexes et denses où les objets se chevauchent —, cela s'accompagne de compromis notables. Le attention mechanism inhérent aux transformers exige une mémoire CUDA nettement plus élevée pendant l'entraînement par rapport aux CNN standard. De plus, bien qu'il performe bien sur des GPU haut de gamme comme les NVIDIA A100 ou T4, son architecture est sensiblement plus lente sur les CPU standard et les appareils de périphérie (Edge) sévèrement contraints.

En savoir plus sur RTDETRv2

Ultralytics YOLOv5 : La référence industrielle en matière d'efficacité#

Ultralytics YOLOv5 a fondamentalement changé le paysage de l'apprentissage automatique appliqué lors de sa sortie, 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 : Official Documentation, GitHub Repository

Écosystème et équilibre des performances#

YOLOv5 est entièrement construit sur le framework PyTorch et repose sur une architecture CNN extrêmement efficace. Il a été conçu dès le départ pour la facilité d'utilisation, proposant une API rationalisée et l'une des documentations les plus exhaustives de l'industrie de l'IA.

Le plus grand avantage de YOLOv5 réside dans sa polyvalence inégalée et ses faibles besoins en mémoire. L'entraînement d'un modèle YOLOv5 nécessite nettement moins de VRAM que les modèles basés sur les Transformers, ce qui le rend accessible aux chercheurs et aux ingénieurs disposant de budgets matériels limités. De plus, alors que RTDETRv2 se concentre exclusivement sur la détection de boîtes englobantes, YOLOv5 a évolué pour devenir une solution puissante et polyvalente prenant en charge l'instance segmentation et l'image classification.

En savoir plus sur YOLOv5

Comparaison des performances et des mesures#

En analysant les performances brutes sur le COCO dataset standard, nous pouvons observer des distinctions claires dans la façon dont ces modèles priorisent les ressources.

Analyse des compromis#

Les données révèlent que RTDETRv2-x atteint un pic de mean Average Precision (mAP) de 54,3 %, surpassant légèrement les 50,7 % de YOLOv5x. Cependant, ce gain mineur en précision a un coût computationnel massif. YOLOv5x fonctionne avec une latence plus faible (11,89 ms contre 15,03 ms sur TensorRT) et nécessite une fraction de l'empreinte mémoire. Pour les déploiements Edge à très faible consommation, YOLOv5n (Nano) reste incontesté, complétant les inférences en seulement 1,12 ms avec une empreinte de paramètres infime de 2,6 M — un segment sur lequel RTDETRv2 n'essaie même pas de rivaliser.

Efficacité de l'entraînement et simplicité du code#

L'une des forces clés de l'écosystème Ultralytics est son API unifiée. Même si tu décides d'utiliser l'architecture Transformer de RT-DETR pour une tâche spécifique exigeante en calcul, tu peux le faire entièrement au sein du package Python Ultralytics, en échangeant les modèles de manière transparente 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 tirant parti de la bibliothèque Ultralytics, les développeurs obtiennent automatiquement l'accès à un écosystème bien entretenu comprenant des experiment tracking integrations (telles que Weights & Biases et Comet ML) et des exportations en un clic vers des formats de déploiement tels que ONNX et OpenVINO.

Applications réelles et cas d'utilisation idéaux#

Où RTDETRv2 excelle#

RTDETRv2 est mieux adapté aux environnements où les limitations matérielles sont inexistantes et où la précision maximale possible est le seul objectif.

• Imagerie médicale côté serveur : Détection d'anomalies microscopiques dans des radiographies haute résolution.
• Imagerie satellitaire : Suivi d'objets denses et qui se chevauchent dans des tâches d'aerial surveillance sur de puissants clusters cloud.

Où YOLOv5 domine#

YOLOv5 est le champion incontestable pour un déploiement pratique et réel sur du matériel diversifié.

• Appareils Edge AI : Déploiement de security alarm systems sur des appareils Raspberry Pi ou NVIDIA Jetson où la mémoire est strictement limitée.
• Applications mobiles : Exécution d'inférences rapides de boîtes englobantes et de segmentation en temps réel directement sur les smartphones via CoreML ou TFLite.
• Fabrication industrielle haute vitesse : Inspection de pièces sur des lignes de production rapides où la latence en millisecondes est critique pour le succès opérationnel.

En fin de compte, alors que RTDETRv2 pousse le plafond de précision en utilisant des couches Transformer, le framework Ultralytics YOLO offre un équilibre inégalé entre vitesse, besoins en mémoire légers et une expérience développeur brillamment conçue qui réduit considérablement le temps entre le prototype et la production.