Commencer

YOLOv5 et RTDETRv2

Le domaine de la vision par ordinateur s’est considérablement développé ces dernières années, offrant aux développeurs un large éventail d’architectures pour traiter des tâches visuelles complexes. Parmi les paradigmes les plus populaires figurent les réseaux neuronaux convolutifs (CNN) et les Transformers de détection (DETR), tous deux présentés dans un aperçu des meilleurs modèles de détection d’objets.

Ce guide compare techniquement deux modèles influents de ces catégories : Ultralytics YOLOv5, un modèle basé sur des CNN très efficace et largement adopté, et RTDETRv2, un détecteur d’objets en temps réel basé sur Transformer.

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

Depuis son lancement, Ultralytics YOLOv5 est devenu un pilier de la communauté de l’IA et est utilisé dans des milliers d’applications commerciales et de projets de recherche partout dans le monde. Entièrement conçu avec le framework PyTorch, il privilégie une expérience développeur intuitive sans compromettre les performances en temps réel.

Caractéristiques principales :

Architecture et points forts#

YOLOv5 utilise une architecture CNN rationalisée, conçue pour optimiser l’efficacité de l’extraction de caractéristiques tout en conservant une empreinte mémoire extrêmement réduite. Il utilise un backbone CSPDarknet et un neck PANet, formant ainsi une puissante combinaison pour la fusion de caractéristiques à plusieurs échelles.

L’un des principaux avantages de YOLOv5 est son équilibre des performances. Il offre un excellent compromis entre vitesse et précision, ce qui en fait un choix idéal pour le déploiement de modèles sur du matériel aux ressources limitées, comme les appareils NVIDIA Jetson et les smartphones.

YOLOv5 offre également une grande polyvalence. Contrairement aux modèles limités aux prédictions de boîtes englobantes, le dépôt YOLOv5 d’origine prend en charge la segmentation d’instances et la classification d’images, fournissant un framework unifié pour diverses tâches visuelles. Son efficacité d’entraînement est également élevée : il nécessite nettement moins de mémoire CUDA pendant l’entraînement que les architectures basées sur Transformer.

Points faibles#

En tant que détecteur basé sur des ancres, YOLOv5 s’appuie sur la suppression non maximale (NMS) lors du post-traitement pour éliminer les boîtes englobantes en double. Bien que la NMS soit très optimisée dans le framework Ultralytics, elle peut parfois créer des goulots d’étranglement de latence sur les NPU edge spécialisés.

RTDETRv2 : les Transformers en temps réel de Baidu#

RTDETRv2 (Transformer de détection en temps réel v2) applique les architectures Transformer à la détection d’objets en temps réel et remédie aux inefficacités de calcul qui ont longtemps affecté les DETR classiques.

Caractéristiques principales :

Architecture et points forts#

RTDETRv2 s’appuie sur son prédécesseur en utilisant un encodeur hybride et un décodeur flexible pour traiter les images. Le mécanisme d’auto-attention du Transformer lui donne une compréhension globale du contexte de l’image, ce qui lui permet d’être performant dans les scènes complexes où de nombreux objets sont fortement occultés.

Une caractéristique distinctive de RTDETRv2 est sa conception de bout en bout sans NMS. En prédisant directement les requêtes d’objets, sans nécessiter de boîtes d’ancrage ni de post-traitement NMS, il simplifie le pipeline d’inférence. Cette architecture atteint un mAP (précision moyenne) élevé sur des jeux de données de référence comme COCO.

Points faibles#

Malgré ses capacités en temps réel, RTDETRv2 a des besoins en mémoire nettement supérieurs à ceux des modèles YOLO. La complexité des mécanismes d’attention des Transformer croît de façon quadratique avec la longueur de séquence, ce qui peut entraîner des erreurs de mémoire insuffisante lors de l’entraînement en haute résolution sur des GPU à mémoire limitée. De plus, il ne bénéficie pas de la polyvalence prête à l’emploi de l’écosystème Ultralytics et se concentre principalement sur la détection d’objets 2D, sans prise en charge native de la segmentation ou de l’estimation de pose.

En savoir plus sur RTDETRv2

Tableau comparatif des performances#

Le tableau ci-dessous compare les métriques de performance des deux architectures. Les valeurs en gras correspondent aux métriques les plus efficaces ou les plus performantes parmi les échelles évaluées.

Modèletaille
(pixels)
mAPval50-95Vitesse
CPU ONNX
(ms)
Vitesse
T4 TensorRT10
(ms)
paramètres
(M)
FLOPs
(B)
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
RTDETRv2-s64048.1-5.032060
RTDETRv2-m64051.9-7.5136100
RTDETRv2-l64053.4-9.7642136
RTDETRv2-x64054.3-15.0376259
Contexte des performances

RTDETRv2-x atteint le mAP absolu le plus élevé, mais nécessite environ 40 fois plus de paramètres que YOLOv5n. Pour les applications à haute vitesse sur du matériel limité, les modèles Ultralytics plus petits offrent un coût de calcul bien inférieur.

Les avantages de l’écosystème Ultralytics#

Lorsqu’on passe d’un modèle testé dans un notebook de recherche à un environnement de production, les logiciels qui l’entourent sont aussi importants que l’architecture du réseau neuronal. L’écosystème activement maintenu par Ultralytics accélère le cycle de développement.

Facilité d’utilisation#

Les modèles Ultralytics privilégient une expérience utilisateur fluide. Que tu veuilles entraîner un modèle personnalisé, effectuer une validation ou exporter vers des formats adaptés à du matériel spécifique comme TensorRT ou ONNX, l'API Python d'Ultralytics te permet d'y parvenir en quelques lignes de code.

Voici un exemple de code pratique qui montre à quel point il est simple d'entraîner un modèle Ultralytics et d'effectuer des inférences avec celui-ci :

from ultralytics import YOLO

# Initialiser le modèle (télécharge automatiquement les poids)
model = YOLO("yolov5su.pt")  # YOLOv5u : poids YOLOv5 sans ancres pour le package ultralytics

# Entraîner le modèle sur le jeu de données COCO8
results = model.train(data="coco8.yaml", epochs=50, imgsz=640, device="cpu")

# Effectuer une inférence sur une image en ligne
inference_results = model.predict("https://ultralytics.com/images/bus.jpg")

# Afficher l'image obtenue avec les boîtes englobantes
inference_results[0].show()

Cette API simple et unifiée prend en charge nativement les intégrations de suivi des expériences avec des outils comme Weights & Biases et Comet, ce qui permet aux développeurs d'enregistrer des métriques sans écrire de code répétitif.

Cas d’utilisation et recommandations#

Le choix entre YOLOv5 et RT-DETR dépend de tes exigences de projet, de tes contraintes de déploiement et de tes préférences en matière d'écosystème.

Quand choisir YOLOv5#

YOLOv5 est un excellent choix pour :

  • Systèmes éprouvés en production : déploiements existants où la longue expérience de stabilité de YOLOv5, sa documentation complète et sa vaste communauté sont appréciées.
  • Entraînement avec des ressources limitées : les environnements disposant de ressources GPU limitées, où le pipeline d’entraînement efficace de YOLOv5 et ses besoins en mémoire réduits sont avantageux.
  • Prise en charge étendue des formats d’exportation : les projets qui nécessitent un déploiement dans de nombreux formats, notamment ONNX, TensorRT, CoreML et LiteRT.

Quand choisir RT-DETR#

RT-DETR est recommandé pour :

  • Recherche sur la détection basée sur les Transformer : projets étudiant les mécanismes d’attention et les architectures Transformer pour la détection d’objets de bout en bout sans NMS.
  • Scénarios exigeant une grande précision et une latence flexible : applications où la précision de détection est prioritaire et où une latence d’inférence légèrement supérieure est acceptable.
  • Détection de grands objets : scènes composées principalement d’objets de taille moyenne à grande, pour lesquelles le mécanisme d’attention globale des Transformer offre un avantage naturel.

Quand choisir Ultralytics (YOLO26)#

Pour la plupart des nouveaux projets, Ultralytics YOLO26 offre le meilleur équilibre entre performances et expérience développeur :

  • Déploiement en périphérie sans NMS : les applications qui exigent des inférences à faible latence et constantes, sans la complexité du post-traitement par suppression non maximale.
  • Environnements exclusivement CPU : appareils sans accélération GPU dédiée, sur lesquels YOLO26n est jusqu’à 43 % plus rapide que YOLO11n sur CPU.
  • Détection de petits objets : scénarios difficiles comme les images aériennes capturées par drone ou l’analyse de capteurs IoT, où ProgLoss et STAL améliorent la précision sur les objets minuscules.

Perspectives : YOLO11 et YOLO26#

Si tu démarres aujourd'hui un nouveau projet de vision par ordinateur, envisage les dernières générations de modèles Ultralytics.

Bien que YOLOv5 reste fiable, YOLO11 offre une précision améliorée et prend en charge un éventail élargi de tâches, notamment la détection de boîtes englobantes orientées (OBB).

YOLO26 va plus loin en combinant les points forts des deux approches. Il propose une conception facultative de bout en bout sans NMS (nms=False, introduite dans les modèles YOLO par YOLOv10) qui supprime l’étape de post-traitement NMS tout en conservant l’efficacité d’un CNN. YOLO26 introduit également l’optimiseur MuSGD, inspiré des innovations de l’entraînement des LLM, pour une convergence plus rapide. Avec la suppression de DFL (suppression de Distribution Focal Loss pour simplifier l’exportation et améliorer la compatibilité avec les appareils en périphérie et à faible consommation), YOLO26n offre une inférence CPU jusqu’à 43 % plus rapide que YOLO11n, ce qui fait de YOLO26 un excellent choix pour l’IA en périphérie. De plus, ProgLoss + STAL (perte progressive et attribution d’étiquettes adaptée aux petits objets) améliore nettement la reconnaissance des petits objets, un point essentiel pour l’IoT, la robotique et l’imagerie aérienne.

Conclusion#

Le choix entre YOLOv5 et RTDETRv2 dépend fortement de tes contraintes de déploiement. RTDETRv2 atteint un mAP élevé grâce à des mécanismes d'attention Transformer, mais nécessite davantage de mémoire et de ressources de calcul.

À l'inverse, Ultralytics YOLOv5 est une solution éprouvée, hautement optimisée et polyvalente, qui fonctionne efficacement des serveurs cloud aux appareils périphériques. Pour les équipes qui recherchent une précision supérieure ainsi que des outils de déploiement éprouvés, la mise à niveau vers YOLO26 au sein de l'écosystème Ultralytics est la voie recommandée pour les applications modernes d'IA de vision.

Commentaires

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