RTDETRv2 vs YOLOX
Les développeurs qui conçoivent des systèmes de détection d’objets en temps réel peuvent choisir parmi de nombreuses architectures. Deux modèles remarquables sont le RTDETRv2 basé sur un Transformer et le réseau neuronal convolutif (CNN) YOLOX. Tous deux ont fait progresser la détection en temps réel, mais adoptent des approches fondamentalement différentes de la reconnaissance visuelle.
Ce guide présente l’architecture, les indicateurs de performance et les scénarios de déploiement adaptés à chacun des deux modèles, et montre comment Ultralytics YOLO26 s’appuie sur ces bases pour offrir une précision, une efficacité et une facilité d’utilisation accrues.
RTDETRv2 : Transformers de détection en temps réel#
Présenté comme le successeur du RT-DETR original, RTDETRv2 utilise une architecture Transformer pour la détection d’objets en temps réel. En éliminant le besoin de suppression non maximale (NMS), il simplifie le pipeline 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, GitHub officiel, Documentation
Architecture et conception#
RTDETRv2 s’appuie sur les mécanismes d’auto-attention des Transformers pour capturer le contexte global de l’image entière, ce qui lui permet de prédire directement les boîtes englobantes et les probabilités de classe. Ses caractéristiques multi-échelles l’aident à reconnaître les petits objets dans les environnements encombrés.
Bien que les Transformers excellent dans la capture du contexte global, leurs mécanismes d’auto-attention évoluent de manière quadratique avec la longueur de séquence, entraînant souvent une consommation de mémoire CUDA nettement supérieure pendant l’entraînement à celle des CNN traditionnels.
Points forts et points faibles#
Le principal atout de RTDETRv2 est sa conception native de bout en bout. En se passant de NMS, il évite les pics de latence associés aux prédictions denses et chevauchantes. Cependant, ses blocs Transformer ont un coût de calcul élevé et nécessitent des ressources GPU importantes, aussi bien pour l’entraînement que pour le déploiement. Il convient donc moins aux appareils périphériques aux ressources limitées ou aux anciens appareils mobiles.
YOLOX : faire progresser les CNN sans ancres#
Conçu pour combler le fossé entre la recherche universitaire et les applications industrielles, YOLOX a introduit une tête découplée et une conception sans ancres dans la célèbre famille de modèles YOLO.
- Auteurs : Zheng Ge, Songtao Liu, Feng Wang, Zeming Li et Jian Sun
- Organisation : Megvii
- Date : 18 juillet 2021
- Liens : Article arXiv, GitHub officiel, Documentation
Architecture et conception#
YOLOX se démarque des détecteurs traditionnels basés sur des ancres en prédisant directement la position des objets, sans boîtes d’ancrage prédéfinies. Cela simplifie la conception du réseau et réduit le nombre de paramètres de réglage heuristiques nécessaires pour obtenir des performances optimales. De plus, YOLOX utilise une tête découplée qui sépare les tâches de classification et de régression, ce qui accélère la convergence pendant l’entraînement.
Points forts et points faibles#
Sa conception sans ancres rend YOLOX adaptable à diverses tâches de vision par ordinateur et facilite son entraînement sur des jeux de données personnalisés. Ses variantes les plus légères, comme YOLOX-Nano, conviennent aux appareils mobiles et aux appareils IoT à faible consommation. Cependant, YOLOX précède les détecteurs sans NMS et s’appuie toujours sur un post-traitement NMS, ce qui augmente la complexité du déploiement et la latence dans les scènes denses.
Comparaison des performances et des métriques#
Le tableau ci-dessous compare la vitesse, la précision (mAP) et l’efficacité en nombre de paramètres pour différentes tailles de modèles sur le jeu de données COCO.
| 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 |
| YOLOXnano | 416 | 25.8 | - | - | 0.91 | 1.08 |
| YOLOXtiny | 416 | 32.8 | - | - | 5.06 | 6.45 |
| YOLOXs | 640 | 40.5 | - | 2.56 | 9.0 | 26.8 |
| YOLOXm | 640 | 46.9 | - | 5.43 | 25.3 | 73.8 |
| YOLOXl | 640 | 49.7 | - | 9.04 | 54.2 | 155.6 |
| YOLOXx | 640 | 51.1 | - | 16.1 | 99.1 | 281.9 |
RTDETRv2 est plus précis à chaque taille comparable. RTDETRv2-x atteint un mAP de 54,3 contre 51,1 pour YOLOXx, et il est aussi plus rapide sur un GPU T4 (15,03 ms contre 16,1 ms) avec moins de paramètres (76 M contre 99,1 M). YOLOX a l’avantage dans les petites tailles : YOLOXs s’exécute en 2,56 ms avec 9,0 M de paramètres (mAP de 40,5), et YOLOX-Nano et YOLOX-Tiny proposent des options de moins de 6 M de paramètres, contrairement à RTDETRv2.
L’avantage Ultralytics : place à YOLO26#
De nombreux projets ont besoin d’un modèle unique qui combine une grande précision, une inférence rapide et un écosystème accessible. Ultralytics YOLO26, lancé en janvier 2026, a été conçu pour répondre à ce besoin.
Principales innovations de YOLO26#
- Conception de bout en bout sans NMS : s’appuyant sur l’entraînement sans NMS que YOLOv10 a introduit dans les modèles YOLO, YOLO26 propose une tête facultative sans NMS (
nms=False). Elle offre l’inférence de bout en bout de RTDETRv2 sans les besoins élevés en mémoire des Transformers. - Optimiseur MuSGD : Inspiré de l’entraînement des grands modèles de langage (LLM), l’optimiseur hybride MuSGD (qui combine SGD et Muon) stabilise l’entraînement et accélère la convergence.
- Inférence sur CPU jusqu’à 43 % plus rapide : La suppression du module Distribution Focal Loss (DFL) simplifie la tête pour l’informatique en périphérie et les appareils à faible consommation, rendant YOLO26n jusqu’à 43 % plus rapide sur CPU (ONNX) que YOLO11n.
- ProgLoss + STAL : Progressive Loss et Small-Target-Aware Label Assignment (STAL) améliorent la reconnaissance des petits objets, un problème fréquent dans l’imagerie aérienne et les applications robotiques.
Polyvalence et écosystème#
Au-delà des performances brutes, Ultralytics Platform couvre tout le parcours, des données à la production. Contrairement aux dépôts universitaires statiques, les modèles Ultralytics sont activement maintenus et prennent en charge plusieurs tâches via une API unique. Que tu effectues de la segmentation d’instance, de l’estimation de pose ou de la détection de boîtes englobantes orientées (OBB), le flux de travail reste le même.
Les modèles Ultralytics YOLO nécessitent aussi peu de mémoire pendant l’entraînement et l’inférence. Les chercheurs peuvent donc utiliser des lots plus volumineux sur du matériel grand public qu’avec des architectures basées sur des Transformers très gourmandes en mémoire.
Exemple de code d’entraînement#
L’entraînement d’un modèle YOLO26 ne nécessite que quelques lignes de code, et le package Ultralytics gère le chargement des données et la configuration par défaut des hyperparamètres.
from ultralytics import YOLO
# Initialize the YOLO26 Nano model
model = YOLO("yolo26n.pt")
# Train the model on the standard COCO8 dataset
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, batch=16)
# Validate the model's performance
metrics = model.val()
print(f"Validation mAP: {metrics.box.map}")
# Export to ONNX or TensorRT for rapid deployment
model.export(format="engine", device=0)Applications concrètes et cas d'usage idéaux#
Le choix de l’architecture dépend des contraintes de déploiement et du matériel disponible.
Traitement cloud haute fidélité#
Si ton application s’exécute sur des GPU serveur haut de gamme et privilégie la précision maximale — par exemple pour analyser des scènes de foule denses ou traiter des images médicales haute résolution —, les mécanismes d’attention de RTDETRv2 peuvent être efficaces.
Déploiement sur des appareils en périphérie anciens#
Pour les anciens téléphones mobiles ou le matériel embarqué soumis à de fortes contraintes, où un nombre minimal de FLOPs est impératif, le modèle léger YOLOX-Nano (0,91 M de paramètres, 1,08 B de FLOPs) reste une solution de repli viable grâce à sa simple architecture CNN.
La nouvelle norme : AIoT et robotique#
Pour la plupart des cas d’usage modernes, notamment les infrastructures de villes intelligentes, l’analyse du commerce de détail et la navigation autonome, Ultralytics YOLO26 est le choix recommandé. L’inférence sur CPU jusqu’à 43 % plus rapide de YOLO26n par rapport à YOLO11n convient à l’informatique en périphérie, et sa tête facultative sans NMS offre une latence faible et constante. Avec la documentation Ultralytics et sa communauté active, il aide les équipes à passer rapidement de l’annotation des jeux de données au déploiement.
Utilise Ultralytics Platform pour gérer des jeux de données, entraîner des modèles dans le cloud et les déployer à grande échelle.
Parmi les autres modèles Ultralytics à considérer, on trouve YOLOv8, qui bénéficie de nombreuses intégrations communautaires, et YOLOv5, qui reste stable dans les pipelines existants. Pour les nouveaux projets, YOLO26 est le point de départ recommandé.
Commentaires6
Pose une question, partage tes résultats ou aide quelqu’un d’autre.
UltralyticsAssistantUltralytics
👋 Hello, thank you for opening a discussion and engaging with Ultralytics 🚀! For new users, we recommend visiting the Docs where you'll find detailed Python and CLI usage examples, as well as answers to many common questions.
If this is a 🐛 Bug Report, please provide a minimum reproducible example to help us investigate further.
If your question is about custom training or model comparison ❓, please share as much detail as possible—such as dataset samples, training logs, or what specific performance metrics you're interested in. Don't forget to check out our Tips for Best Training Results for optimal guidance.
Join the Ultralytics community where you feel most comfortable:
- For real-time chat, head to Discord 🎧
- For in-depth discussions, visit Discourse
- Or explore threads on our Subreddit to share and learn with others
Upgrade
Please ensure you're using the latest
ultralyticspackage and all requirements in a Python>=3.8 environment with PyTorch>=1.8:pip install -U ultralyticsEnvironments
YOLO models can be run in any of the following up-to-date verified environments (with all dependencies, including CUDA/CUDNN, Python and PyTorch preinstalled):
- Notebooks with free GPU:
- Google Cloud Deep Learning VM. See GCP Quickstart Guide
- Amazon Deep Learning AMI. See AWS Quickstart Guide
- Docker Image. See Docker Quickstart Guide
Status
If this badge is green, all Ultralytics CI tests are currently passing! CI tests verify correct operation of all YOLO Modes and Tasks across macOS, Windows, and Ubuntu every 24 hours and on every commit.
This is an automated response and an Ultralytics engineer will assist you soon 😊
Glenn JocherUltralytics(modifié)This page offers a valuable comparison between RTDETRv2 and YOLOX, highlighting their different strengths. If you have specific questions about these models, feel free to ask here. RTDETRv2 excels in accuracy (reaching 54.3% mAP) but demands more computational resources, while YOLOX stands out for efficiency and speed, making it ideal for edge devices. For those seeking alternatives with a balance of performance and usability, you might also consider Ultralytics YOLO26, which offers excellent performance across various computer vision tasks. What specific aspect of these models are you most interested in learning more about?
UltralyticsAssistantUltralytics
👋 Hello, thank you for starting this comparison discussion about RTDETRv2 and YOLOX! 🚀 For detailed guidance, we recommend checking out our Docs, which contain in-depth information, benchmarks, and usage examples that may help answer many of your questions.
If this is a 🐛 Bug Report, please provide a minimum reproducible example so we can assist you efficiently.
For model training or evaluation ❓ Questions, please share as many details as possible, such as dataset samples, training logs, or specific requirements, and review our Tips for Best Training Results.
Join the Ultralytics community in your preferred space! For real-time chat, visit our Discord 🎧. For topic-based discussions, check out Discourse, or connect with others on our Subreddit.
Upgrade
Make sure your
ultralyticspackage and all requirements are up to date in a Python>=3.8 environment with PyTorch>=1.8:pip install -U ultralyticsEnvironments
YOLO models can be run in these verified environments:
- Notebooks with free GPU:
- Google Cloud Deep Learning VM: GCP Quickstart Guide
- Amazon Deep Learning AMI: AWS Quickstart Guide
- Docker Image: Docker Quickstart Guide
Status
A green badge means all Ultralytics CI tests are passing. CI covers all YOLO Modes and Tasks across macOS, Windows, and Ubuntu.
This is an automated response 🤖. An Ultralytics engineer will review your discussion and provide further assistance soon!
Glenn JocherUltralytics(modifié)Welcome to the RTDETRv2 vs YOLOX comparison discussion! This page highlights two powerful object detection approaches with different strengths: RTDETRv2 leverages transformer architecture for higher accuracy in complex scenes (54.3% mAP for RTDETRv2-x), while YOLOX offers exceptional efficiency with faster inference speed (2.56ms for YOLOX-s on T4 TensorRT).
Your use case should guide your choice - RTDETRv2 excels when maximum accuracy is critical and GPU resources are available, while YOLOX is ideal for edge devices and real-time applications with limited resources.
If you're looking for models within a comprehensive ecosystem, you might also consider Ultralytics YOLO26 which balances performance with ease of use.
Feel free to post any questions about these models or their implementation in your specific applications. The Ultralytics team is here to help!
- Notebooks with free GPU:
UltralyticsAssistantUltralytics
👋 Hello, thank you for starting this discussion and sharing your interest in comparing object detection models like RTDETRv2 and YOLOX 🚀! For a detailed overview, the Ultralytics Docs offer a wealth of information, including the comparison page you linked, which highlights model strengths, performance, and use cases.
If you have specific questions or encounter any issues related to these models, please provide as much detail as possible.
- If this is a 🐛 Bug Report, please include a minimum reproducible example to help us assist you.
- For custom training ❓ questions, adding dataset samples and training logs can be very helpful. Make sure to review our Training Tips for best results.
Connect with the Ultralytics community in your preferred way! For real-time help, join our Discord 🎧. In-depth posts and discussions are found on Discourse, and our Subreddit is great for sharing experiences and solutions.
Upgrade
To ensure the best experience and access to the latest features and fixes, please upgrade the
ultralyticspackage and all requirements in a Python>=3.8 environment with PyTorch>=1.8:pip install -U ultralyticsEnvironments
YOLO models can be run in any of these verified environments with all dependencies preinstalled:
- Notebooks with free GPU:
- Google Cloud Deep Learning VM (GCP Quickstart Guide)
- Amazon Deep Learning AMI (AWS Quickstart Guide)
- Docker Image (Docker Quickstart Guide)
Status
A green badge means all Ultralytics CI tests are passing, ensuring YOLO Modes and Tasks work across macOS, Windows, and Ubuntu.
This is an automated response 🤖—an Ultralytics engineer will review your discussion and assist you soon!
Glenn JocherUltralytics(modifié)Welcome to the discussion about RTDETRv2 and YOLOX object detection models! Both offer different strengths - RTDETRv2 provides higher accuracy through its transformer architecture, while YOLOX excels in speed and efficiency on resource-constrained devices.
If you have specific questions about implementing either model, performance tuning, or need help choosing between them for your particular use case, please share your questions here. Our team monitors these discussions to provide technical guidance and support.
For hands-on users interested in similar models with Ultralytics integration, YOLO26 offers an excellent balance of speed and accuracy with full support in our ecosystem.