Link to this sectionYOLOv5 vs RTDETRv2#

Le paysage de la vision par ordinateur s'est considérablement élargi au cours des dernières années, offrant aux développeurs un large éventail d'architectures pour aborder des tâches visuelles complexes. Parmi les paradigmes les plus populaires, on trouve les réseaux de neurones convolutifs (CNN) et les transformeurs de détection (DETR).

Ce guide propose une comparaison technique approfondie entre deux modèles pivots de ces catégories : Ultralytics YOLOv5, un modèle basé sur CNN hautement efficace et largement adopté, et RTDETRv2, un détecteur d'objets en temps réel basé sur les transformeurs à la pointe de la technologie.

Link to this sectionUltralytics YOLOv5 : La référence industrielle en matière d'efficacité#

Depuis sa sortie, Ultralytics YOLOv5 est devenu une pierre angulaire de la communauté IA, propulsant des milliers d'applications commerciales et de projets de recherche à travers le monde. Construit entièrement sur le framework PyTorch, il privilégie une expérience développeur intuitive sans compromettre les performances en temps réel.

Caractéristiques clés :

• Auteur : Glenn Jocher
• Organisation : Ultralytics
• Date : 2020-06-26
• Liens : Répertoire GitHub

Link to this sectionArchitecture et points forts#

YOLOv5 utilise une architecture CNN simplifiée conçue pour maximiser l'efficacité de l'extraction de caractéristiques tout en conservant une empreinte mémoire extrêmement faible. Il emploie un backbone CSPDarknet et un neck PANet, créant une combinaison puissante pour la fusion de caractéristiques multi-échelles.

L'un des avantages principaux de YOLOv5 est son équilibre de performance. Il offre un compromis exceptionnel 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.

De plus, YOLOv5 jouit d'une polyvalence inégalée. Contrairement aux modèles strictement limités aux prédictions de boîtes englobantes, YOLOv5 prend nativement en charge la classification d'images et la segmentation d'instances, fournissant un framework unifié pour des tâches visuelles variées. Son efficacité d'entraînement est également remarquable, nécessitant beaucoup moins de mémoire CUDA durant l'entraînement par rapport aux architectures basées sur les transformeurs.

Link to this sectionFaiblesses#

Parce qu'il repose sur un framework CNN plus ancien, YOLOv5 dépend intrinsèquement de la Non-Maximum Suppression (NMS) durant le post-traitement pour éliminer les boîtes englobantes en double. Bien qu'hautement optimisée au sein du framework Ultralytics, la NMS peut occasionnellement introduire des goulots d'étranglement de latence sur des NPU edge spécialisés.

En savoir plus sur YOLOv5

Link to this sectionRTDETRv2 : Les transformeurs en temps réel par Baidu#

RTDETRv2 (Real-Time Detection Transformer v2) représente un bond substantiel dans l'application des architectures de transformeurs à la détection d'objets en temps réel, corrigeant les inefficacités computationnelles qui ont historiquement entravé les DETR standard.

Caractéristiques clés :

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

Link to this sectionArchitecture et points forts#

RTDETRv2 s'appuie sur son prédécesseur en utilisant un encodeur hybride et une conception de décodeur flexible pour traiter les images. Le mécanisme d'auto-attention du transformeur fournit au modèle une compréhension globale du contexte de l'image, lui permettant d'être particulièrement performant dans des scènes complexes avec une occlusion d'objets sévère.

Une fonctionnalité déterminante de RTDETRv2 est sa conception de bout en bout sans NMS. En prédisant directement les requêtes d'objets sans nécessiter de anchor boxes ou de post-traitement NMS, elle simplifie le pipeline d'inférence. Cette architecture atteint une mAP (mean Average Precision) impressionnante sur des jeux de données de référence comme COCO.

Link to this sectionFaiblesses#

Malgré ses capacités en temps réel, RTDETRv2 a des exigences mémoire nettement plus élevées que les modèles YOLO. Les mécanismes d'attention dans les transformeurs évoluent de manière quadratique avec la longueur de la séquence, ce qui peut mener à des erreurs de mémoire insuffisante lors d'un entraînement en haute résolution, à moins d'utiliser des clusters GPU massifs. De plus, il lui manque la polyvalence prête à l'emploi de l'écosystème Ultralytics, se concentrant 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 RTDETR

Link to this sectionTableau de comparaison des performances#

Pour évaluer objectivement ces architectures, nous avons compilé leurs métriques de performance. Les valeurs mises en gras représentent les métriques les plus efficaces ou les plus performantes parmi les échelles testées.

Link to this sectionL'avantage de l'écosystème Ultralytics#

Lors du passage d'un modèle d'un notebook de recherche à un environnement de production, le logiciel entourant le modèle est tout aussi important que l'architecture du réseau de neurones. L'écosystème bien maintenu fourni par Ultralytics accélère considérablement le cycle de vie du développement.

Link to this sectionFacilité d'utilisation inégalée#

Les modèles Ultralytics privilégient une expérience utilisateur incroyablement simplifiée. Que tu souhaites entraîner un modèle personnalisé, exécuter une validation ou exporter vers des formats spécifiques au matériel comme TensorRT ou ONNX, l'API Python Ultralytics permet d'y parvenir en seulement quelques lignes de code.

Voici un exemple de code pratique démontrant à quel point il est simple d'entraîner et d'exécuter une inférence avec un modèle Ultralytics :

from ultralytics import YOLO

# Initialize the model (automatically downloads the weights)
model = YOLO("yolov5s.pt")

# Train the model on the COCO8 dataset
results = model.train(data="coco8.yaml", epochs=50, imgsz=640, device="cpu")

# Perform inference on an online image
inference_results = model.predict("https://ultralytics.com/images/bus.jpg")

# Display the resulting image with bounding boxes
inference_results[0].show()

Cette API simple et unifiée prend nativement en charge les intégrations de suivi d'expériences avec des outils comme Weights & Biases et Comet, permettant aux développeurs de consigner des métriques de manière transparente sans écrire de code répétitif complexe.

Link to this sectionCas d'utilisation et recommandations#

Le choix entre YOLOv5 et RT-DETR dépend des exigences spécifiques de ton projet, des contraintes de déploiement et des préférences concernant l'écosystème.

Link to this sectionQuand choisir YOLOv5#

YOLOv5 est un choix solide pour :

• Systèmes de production éprouvés : Déploiements existants où la longue expérience de stabilité de YOLOv5, sa documentation étendue et le soutien massif de la communauté sont valorisés.
• Entraînement aux ressources limitées : Environnements avec des ressources GPU limitées où le pipeline d'entraînement efficace et les exigences mémoire inférieures de YOLOv5 sont avantageux.
• Prise en charge étendue des formats d'exportation : Projets nécessitant un déploiement sur de nombreux formats, dont ONNX, TensorRT, CoreML et TFLite.

Link to this sectionQuand choisir RT-DETR#

RT-DETR est recommandé pour :

• Recherche sur la détection basée sur les Transformers : Projets explorant les mécanismes d'attention et les architectures de transformateurs pour la détection d'objets de bout en bout sans NMS.
• Scénarios de haute précision avec latence flexible : Applications où la précision de détection est la priorité absolue et où une latence d'inférence légèrement plus élevée est acceptable.
• Détection de grands objets : Scènes avec principalement des objets de taille moyenne à grande où le mécanisme d'attention globale des transformateurs offre un avantage naturel.

Link to this sectionQuand choisir Ultralytics (YOLO26)#

Pour la plupart des nouveaux projets, Ultralytics YOLO26 offre la meilleure combinaison de performance et d'expérience développeur :

• Déploiement en périphérie sans NMS : Applications nécessitant une inférence cohérente et à faible latence sans la complexité du post-traitement par Non-Maximum Suppression.
• Environnements CPU uniquement : Appareils sans accélération GPU dédiée, où l'inférence CPU jusqu'à 43 % plus rapide de YOLO26 offre un avantage décisif.
• Détection de petits objets : Scénarios difficiles comme l'imagerie par drone aérien ou l'analyse de capteurs IoT où ProgLoss et STAL améliorent considérablement la précision sur les objets minuscules.

Link to this sectionVers l'avenir : YOLO11 et YOLO26#

Si tu commences un nouveau projet de vision aujourd'hui, il est fortement recommandé d'explorer les dernières générations de modèles Ultralytics.

Alors que YOLOv5 reste incroyablement fiable, YOLO11 offre une précision améliorée et un ensemble étendu de tâches, y compris la détection par Boîte Englobante Orientée (OBB).

Plus significativement encore, le YOLO26 de pointe combine le meilleur des deux mondes. Il implémente une conception de bout en bout sans NMS (pionnier dans YOLOv10), éliminant la surcharge de post-traitement tout en maintenant l'efficacité d'un CNN. YOLO26 introduit également l'optimiseur MuSGD, inspiré des innovations en entraînement LLM, pour une convergence plus rapide. Avec la suppression de DFL (Distribution Focal Loss supprimée pour une exportation simplifiée et une meilleure compatibilité avec les appareils edge/basse consommation), YOLO26 offre une inférence CPU jusqu'à 43 % plus rapide, ce qui en fait le choix absolu pour l'IA en périphérie. De plus, ProgLoss + STAL fournit des fonctions de perte améliorées avec des avancées notables dans la reconnaissance des petits objets, crucial pour l'IoT, la robotique et l'imagerie aérienne.

Link to this sectionConclusion#

Le choix entre YOLOv5 et RTDETRv2 dépend fortement de tes contraintes de déploiement. RTDETRv2 repousse les limites du mAP en utilisant des mécanismes d'attention de transformeur puissants, mais au prix d'une forte consommation de mémoire et d'une surcharge computationnelle.

Inversement, Ultralytics YOLOv5 offre une solution éprouvée, hautement optimisée et polyvalente qui fonctionne partout en douceur, des serveurs cloud aux microcontrôleurs. Pour les équipes à la recherche de la plus grande précision possible alliée à des outils de déploiement transparents, passer au sein de l'écosystème Ultralytics vers YOLO26 offre la solution de pointe définitive pour les applications modernes d'IA de vision.