Commencer

RTDETRv2 vs YOLOv5

L’évolution de la vision par ordinateur a largement été façonnée par la nécessité de concilier précision et vitesse d’inférence en temps réel. En comparant RTDETRv2 et Ultralytics YOLOv5, les développeurs mettent en balance la modélisation du contexte global des architectures Transformer et l’efficacité optimisée et éprouvée en production des réseaux de neurones convolutifs (CNN).

Ce guide compare les deux architectures, en présentant 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.

RTDETRv2 : l’approche transformer pour la détection en temps réel#

En s'appuyant sur le Transformer de détection en temps réel (RT-DETR) original, RTDETRv2 introduit une série de « bag-of-freebies » pour améliorer l'architecture de base sans sacrifier sa latence d'inférence.

Architecture et capacités#

RTDETRv2 utilise une architecture hybride CNN-Transformer. Un backbone CNN extrait des caractéristiques visuelles détaillées, tandis que les couches encodeur-décodeur Transformer traitent l’ensemble de la carte de caractéristiques afin de saisir le contexte global. RTDETRv2 se distingue par sa conception de bout en bout, qui élimine le besoin d’un post-traitement par suppression non maximale (NMS).

RTDETRv2 atteint une excellente précision, en particulier dans les scènes complexes et denses où les objets se chevauchent, mais cela implique des compromis. Le mécanisme d’attention inhérent aux Transformer nécessite davantage de mémoire CUDA à l’entraînement que les CNN classiques. Et s’il fonctionne bien sur des GPU comme les NVIDIA A100 ou T4, il est sensiblement plus lent sur les CPU standard et les appareils d’IA périphériques aux ressources limitées.

En savoir plus sur RTDETRv2

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

À sa sortie, Ultralytics YOLOv5 a rendu la vision par ordinateur haute performance accessible aux développeurs du monde entier grâce à un cadre intuitif et facile à utiliser.

Équilibre entre écosystème et performances#

YOLOv5 repose entièrement sur le cadre PyTorch et utilise une architecture CNN efficace. Il a été conçu dès le départ pour être facile à utiliser, avec une API simple et une documentation complète.

Les principaux avantages de YOLOv5 sont sa polyvalence et ses faibles besoins en mémoire. L’entraînement d’un modèle YOLOv5 nécessite beaucoup moins de mémoire VRAM que celui de modèles basés sur Transformer, ce qui le rend accessible aux chercheurs et aux ingénieurs disposant d’un budget matériel limité. Alors que RTDETRv2 se concentre sur la détection de boîtes englobantes, le dépôt YOLOv5 prend également en charge la segmentation d’instances (ajoutée dans YOLOv5 v7.0) et la classification d’images.

Gestion des modèles en entreprise

Tu peux entraîner, valider et déployer YOLOv5 directement sur la plateforme Ultralytics, qui propose l’entraînement dans le cloud et le déploiement sans code.

Comparaison des performances et des métriques#

Les performances sur le jeu de données COCO standard montrent clairement comment ces modèles arbitrent entre précision et ressources.

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
YOLOv5n64028.0-1.121.94.5
YOLOv5s64037.4-1.927.216.5
YOLOv5m64045.4-4.0321.249.0
YOLOv5l64049.0-6.6146.5109.1
YOLOv5x64050.7-11.8986.7205.7

Analyse des compromis#

RTDETRv2-x atteint une précision moyenne moyenne (mAP) maximale de 54.3 %, soit 3.6 points de plus que YOLOv5x (50.7 %). YOLOv5x présente une latence TensorRT plus faible (11.89 ms contre 15.03 ms) et moins de FLOPs (205.7B contre 259B), mais davantage de paramètres (86.7M contre 76M). À latence similaire, RTDETRv2 est plus précis : RTDETRv2-s atteint 48.1 % en 5.03 ms, tandis que YOLOv5m atteint 45.4 % en 4.03 ms. Pour les déploiements périphériques basse consommation, YOLOv5n s’exécute en 1.12 ms avec 1.9M paramètres, une catégorie de taille que RTDETRv2 ne propose pas.

Efficacité de l'entraînement et simplicité du code#

L’un des principaux atouts de l’écosystème Ultralytics est son API unifiée. Si tu choisis l’architecture Transformer de RT-DETR pour une tâche exigeante en calcul, tu peux tout de même l’utiliser entièrement dans le paquet Python Ultralytics et changer de modèle en modifiant une seule ligne de code.

from ultralytics import RTDETR, YOLO

# Charger le petit modèle Ultralytics YOLOv5
model_yolo = YOLO("yolov5su.pt")  # YOLOv5u : poids YOLOv5 sans ancres pour le package ultralytics

# Charger le grand modèle RT-DETR via Ultralytics
model_rtdetr = RTDETR("rtdetr-l.pt")

# Entraîner YOLOv5 sur tes données personnalisées
model_yolo.train(data="coco8.yaml", epochs=100, imgsz=640)

# Exécuter l’inférence avec les deux modèles
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 accèdent automatiquement à un écosystème bien entretenu, qui comprend des intégrations de suivi d’expériences (comme Weights & Biases et Comet) ainsi que des exportations en une ligne vers des formats de déploiement comme ONNX et OpenVINO.

Applications concrètes et cas d'usage idéaux#

Les points forts de RTDETRv2#

RTDETRv2 convient mieux aux environnements où le matériel n’est pas une contrainte et où la précision est l’objectif principal.

  • Imagerie médicale côté serveur : détection d’anomalies subtiles dans des radiographies haute résolution.
  • Imagerie satellite : suivre des objets denses qui se chevauchent dans des tâches de surveillance aérienne exécutées sur de puissants clusters cloud.

Les points forts de YOLOv5#

YOLOv5 est un choix pratique pour le déploiement dans des conditions réelles sur du matériel varié.

  • Appareils d'IA en périphérie : déployer des systèmes d'alarme de sécurité sur des appareils Raspberry Pi ou NVIDIA Jetson où la mémoire est strictement limitée.
  • Applications mobiles : exécuter rapidement l'inférence de boîtes englobantes et de segmentation en temps réel, directement sur les smartphones via CoreML ou LiteRT.
  • Fabrication industrielle à grande vitesse : inspecter des pièces sur des lignes de production rapides où une latence de l'ordre de la milliseconde est essentielle à la réussite des opérations.
Découvrir d'autres modèles Ultralytics

YOLOv5 reste largement utilisé, mais de nouveaux modèles Ultralytics sont disponibles. Si tu compares des modèles pour un nouveau projet en 2026, envisage Ultralytics YOLO26, le modèle recommandé. YOLO26 propose une conception de bout en bout sans NMS grâce à sa tête facultative à correspondance un-à-un (nms=False), similaire aux Transformer mais avec la vitesse des CNN, utilise l’optimiseur MuSGD pour un entraînement stable, et YOLO26n offre une inférence CPU jusqu’à 43 % plus rapide que YOLO11n. Autre option, YOLO11 reste un choix bien pris en charge pour les déploiements polyvalents nécessitant l’estimation de pose et la détection OBB.

En définitive, même si RTDETRv2 repousse les limites de la précision grâce aux couches Transformer, le cadre Ultralytics YOLO offre un excellent équilibre entre vitesse, faibles besoins en mémoire et expérience développeur, raccourcissant le parcours du prototype à la production.

Commentaires

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