Commencer

RTDETRv2 et YOLOv9

Les architectures de vision par ordinateur se répartissent principalement entre deux approches : les réseaux neuronaux convolutifs (CNN) et les modèles fondés sur les Transformers. Comparer RTDETRv2 et YOLOv9 revient à mettre en balance l’attention globale et les informations de gradient programmables. Ces deux modèles représentent bien leurs approches respectives de la détection d’objets en temps réel.

Présentation des modèles#

RTDETRv2 : Real-Time Detection Transformer#

Développé par des chercheurs de Baidu, RTDETRv2 s’appuie sur le RT-DETR d’origine en introduisant une approche « Bag-of-Freebies » pour améliorer le Real-Time Detection Transformer de base. Il s’attaque au goulot d’étranglement traditionnel des Transformers — la vitesse d’inférence — afin de les rendre viables pour les applications en temps réel.

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

Une caractéristique déterminante de RTDETRv2 est sa conception native de bout en bout sans NMS. En supprimant la suppression des non-maxima (NMS) du post-traitement, le modèle stabilise la latence d’inférence et simplifie le pipeline de déploiement. Le mécanisme d’attention globale l’aide à traiter les scènes complexes et les foules denses, car il évalue simultanément le contexte de l’image entière.

En savoir plus sur RTDETRv2

YOLOv9 : informations de gradient programmables#

YOLOv9, une architecture efficace fondée sur les CNN, s’attaque au problème du goulot d’étranglement de l’information inhérent aux réseaux neuronaux profonds. Il introduit Programmable Gradient Information (PGI) et le Generalized Efficient Layer Aggregation Network (GELAN).

YOLOv9 s’appuie sur les bases éprouvées des réseaux neuronaux convolutifs, en privilégiant l’efficacité des paramètres. En conservant les informations clés pendant la propagation avant, PGI maintient la fiabilité des gradients, ce qui donne un modèle léger et précis. Toutefois, contrairement à RTDETRv2, YOLOv9 repose toujours sur le post-traitement NMS standard.

En savoir plus sur YOLOv9

Performances et efficacité des ressources#

Le tableau ci-dessous compare la précision moyenne (mAP) et le coût de calcul sur le jeu de données MS COCO. YOLOv9 utilise nettement moins de paramètres à précision similaire (YOLOv9m atteint 51.4 mAP avec 20.1M paramètres, contre 51.9 mAP et 36M pour RTDETRv2-m) et est plus rapide sur T4 TensorRT à toutes les tailles, sauf YOLOv9e. YOLOv9e atteint la mAP la plus élevée (55.6), mais c’est aussi le modèle le plus lent du tableau (16.77 ms).

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
YOLOv9t64038.3-2.32.07.7
YOLOv9s64046.8-3.547.226.7
YOLOv9m64051.4-6.4320.176.8
YOLOv9c64053.0-7.1625.5102.8
YOLOv9e64055.6-16.7758.1192.5

Besoins en mémoire et efficacité de l’entraînement#

Les Transformers comme RTDETRv2 consomment beaucoup de mémoire pendant l’entraînement et nécessitent souvent une mémoire CUDA importante. Les architectures CNN comme YOLOv9 et les autres modèles Ultralytics YOLO utilisent généralement moins de mémoire, ce qui permet aux développeurs d’entraîner leurs modèles avec des tailles de lot plus importantes sur du matériel grand public.

Entraînement efficace

Pour tirer le meilleur parti de ton matériel, pense à Ultralytics Platform pour l’entraînement dans le cloud. La plateforme gère automatiquement la configuration de l’environnement et la taille des lots.

Les atouts d’Ultralytics : écosystème et facilité d’utilisation#

Les dépôts autonomes comme les pages GitHub officielles de RTDETRv2 ou YOLOv9 sont utiles pour la recherche, mais les environnements de production exigent stabilité, facilité d’utilisation et écosystème bien maintenu. Utiliser ces modèles via l’API Python d’Ultralytics assure une expérience de développement cohérente.

API unifiée et polyvalence#

Le framework Ultralytics masque la complexité du chargement des données, des augmentations et de l’entraînement distribué. De plus, alors que RTDETRv2 d’origine se limite strictement à la détection, l’écosystème Ultralytics permet de passer de la détection d’objets à la segmentation d’instances et à l’estimation de pose.

from ultralytics import RTDETR, YOLO

# Entraîner un modèle YOLOv9 sur des données personnalisées
model_yolo = YOLO("yolov9c.pt")
model_yolo.train(data="coco8.yaml", epochs=50, imgsz=640)

# Passe facilement à RT-DETR pour évaluer des scènes complexes
model_rtdetr = RTDETR("rtdetr-l.pt")
results = model_rtdetr.predict("https://ultralytics.com/images/bus.jpg")

# Exporte vers des formats prêts pour la production comme TensorRT
model_yolo.export(format="engine")

Grâce à une documentation complète, au suivi automatique des expériences et à l’exportation vers des formats comme ONNX, TensorRT et OpenVINO, Ultralytics raccourcit le parcours du prototype à la production.

Cas d’utilisation idéaux#

Les points forts de RTDETRv2#

Grâce à son mécanisme d’attention globale, RTDETRv2 convient bien au traitement côté serveur et aux environnements où le contexte global est important. Il est performant dans les cas suivants :

  • Imagerie médicale : repérer des anomalies subtiles pour lesquelles le contexte environnant est essentiel.
  • Surveillance aérienne : Analyser des vidéos de drone haute résolution, où le contexte spatial étendu aide à interpréter la scène.
  • Analyse des foules denses : Détecter des individus dans des scènes bondées, où la NMS peut supprimer des détections réelles qui se chevauchent.

Les points forts de YOLOv9#

YOLOv9 convient parfaitement aux déploiements en périphérie soumis à des contraintes de ressources. Son efficacité computationnelle est adaptée aux cas suivants :

  • Robotique : la navigation en temps réel et l’évitement d’obstacles, qui nécessitent une latence minimale.
  • IoT pour les villes intelligentes : déployer le modèle sur des appareils en périphérie comme le NVIDIA Jetson pour surveiller la circulation.
  • Inspection industrielle : le contrôle qualité sur les chaînes de montage à grande vitesse, qui nécessite une fréquence d’images élevée (FPS).

L’avenir : voici Ultralytics YOLO26#

YOLOv9 et RTDETRv2 ont tous deux marqué une avancée importante, et le domaine a continué d’évoluer. Pour les nouveaux déploiements, Ultralytics YOLO26, lancé en janvier 2026, combine des idées issues des deux approches architecturales.

YOLO26 réunit les atouts des Transformers et des CNN :

  • Conception de bout en bout sans NMS : Comme RTDETRv2, YOLO26 prend en charge l’inférence native de bout en bout ; sa tête facultative un-à-un (nms=False) ignore le post-traitement NMS pour des pipelines de déploiement plus rapides, plus simples et plus prévisibles.
  • Optimiseur MuSGD : Inspiré des techniques d’entraînement des grands modèles de langage (LLM), comme Kimi K2 de Moonshot AI, YOLO26 utilise un hybride de SGD et de Muon pour un entraînement plus stable et une convergence plus rapide.
  • Inférence CPU jusqu’à 43 % plus rapide : YOLO26n s’exécute jusqu’à 43 % plus vite sur CPU que YOLO11n, ce qui convient à l’informatique en périphérie et aux appareils sans GPU, où les Transformers plus lourds peinent.
  • Suppression de DFL : La suppression de Distribution Focal Loss simplifie le graphe du modèle, ce qui facilite l’exportation vers les appareils en périphérie à faible consommation et les unités de traitement neuronal (NPU) embarquées.
  • ProgLoss + STAL : Progressive Loss et Small-Target-Aware Label Assignment (STAL) améliorent la reconnaissance des petits objets, un point important pour les jeux de données IoT et aériens.

Pour les équipes qui démarrent un nouveau projet de vision par ordinateur, nous recommandons d’évaluer YOLO26. Il offre une inférence facultativement sans NMS, comme un Transformer, avec la vitesse et l’efficacité d’entraînement d’une architecture YOLO.

Résumé#

Le choix entre RTDETRv2 et YOLOv9 dépend en grande partie du matériel de déploiement et des besoins spécifiques en précision. RTDETRv2 offre une grande précision et une bonne compréhension du contexte pour les applications s’appuyant sur des serveurs, tandis que YOLOv9 est très efficace sur les appareils en périphérie.

L’écosystème Ultralytics permet aux développeurs d’expérimenter avec YOLOv9 et le RT-DETR d’origine au moyen de la même API. Les modèles plus récents comme YOLO11 et YOLO26, capable de fonctionner de bout en bout, offrent une prise en charge plus large des tâches, une inférence rapide et une faible consommation mémoire.

Commentaires

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