YOLOv8 vs RTDETRv2#

Le paysage de la vision par ordinateur évolue constamment, de nouvelles architectures élargissant les possibilités de la détection d’objets en temps réel. Deux modèles remarquables qui ont attiré beaucoup d’attention sont Ultralytics YOLOv8 et RTDETRv2 de Baidu. Ce guide propose une comparaison technique des deux modèles et examine leurs architectures, leurs indicateurs de performance et leurs scénarios de déploiement idéaux.

Présentation de YOLOv8#

Ultralytics YOLOv8 représente une étape majeure dans la famille de modèles YOLO (You Only Look Once), en associant vitesse, précision et facilité d’utilisation pour un large éventail de tâches.

Caractéristiques principales :

• Auteurs : Glenn Jocher, Ayush Chaurasia et Jing Qiu
• Organisation : Ultralytics
• Date : 10 janvier 2023
• GitHub : Dépôt Ultralytics
• Documentation : Documentation de YOLOv8

Architecture et points forts#

YOLOv8 introduit une architecture rationalisée qui optimise à la fois l’extraction des caractéristiques et la régression des boîtes englobantes. C’est un détecteur sans ancres, ce qui simplifie la tête de prédiction et réduit le nombre d’ajustements d’hyperparamètres nécessaires pendant l’entraînement. YOLOv8 offre ainsi un excellent équilibre entre vitesse d’inférence et précision moyenne (mAP), ce qui le rend bien adapté au déploiement en conditions réelles, sur des appareils edge comme sur des serveurs cloud.

YOLOv8 nécessite également moins de mémoire à l’entraînement que les architectures basées sur Transformer. Les développeurs peuvent donc entraîner des modèles sur des GPU grand public standard sans manquer de mémoire.

Polyvalence#

L’une des principales forces de YOLOv8 réside dans sa polyvalence native. Alors que de nombreux modèles se concentrent uniquement sur les boîtes englobantes, YOLOv8 prend en charge d’emblée la détection d’objets, la segmentation d’instances, la classification d’images, l’estimation de pose et la détection de boîtes englobantes orientées (OBB).

Présentation de RTDETRv2#

RTDETRv2 (Transformer de détection en temps réel, version 2) s’appuie sur le RT-DETR d’origine et vise à intégrer les mécanismes d’attention des Transformers de vision aux applications de détection d’objets en temps réel.

Caractéristiques principales :

• Auteurs : Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang et Yi Liu
• Organisation : Baidu
• Date : 2024-07-24
• arXiv : 2407.17140
• GitHub : Dépôt RT-DETR
• Docs : Lisez-moi de RTDETRv2

Architecture et points forts#

RTDETRv2 utilise une architecture hybride qui combine un backbone de réseau neuronal convolutif (CNN) à une structure encodeur-décodeur Transformer. Le modèle peut ainsi capturer des relations spatiales complexes et un contexte global grâce aux mécanismes d’auto-attention. Grâce à un ensemble de stratégies d’entraînement dites « bag-of-freebies », RTDETRv2 obtient des scores mAP compétitifs sur des jeux de données de référence standard comme le jeu de données COCO.

Points faibles#

Malgré sa grande précision, la nature de RTDETRv2, basé sur Transformer, entraîne une consommation mémoire plus élevée et des temps d’entraînement plus longs que les architectures CNN pures. Les Transformers nécessitent généralement davantage de VRAM, ce qui complique leur entraînement sur du matériel aux ressources limitées. De plus, bien que RTDETRv2 soit performant en détection, il ne prend pas en charge plusieurs tâches (comme la segmentation et l’estimation de pose) intégrées à l’écosystème Ultralytics.

En savoir plus sur RTDETRv2

Comparaison des performances#

Pour évaluer des modèles en vue de leur mise en production, il est essentiel de trouver un compromis entre la taille du modèle, la vitesse d’inférence et la précision. Le tableau ci-dessous compare directement les variantes de YOLOv8 et de RTDETRv2.

Cas d’utilisation et recommandations#

Le choix entre YOLOv8 et RT-DETR dépend des exigences spécifiques de ton projet, des contraintes de déploiement et de tes préférences en matière d’écosystème.

Quand choisir YOLOv8#

YOLOv8 est un bon choix pour :

• Déploiement polyvalent multi-tâches : Les projets qui nécessitent un modèle éprouvé pour la détection, la segmentation, la classification et l'estimation de pose au sein de l'écosystème Ultralytics.
• Systèmes de production établis : les environnements de production existants déjà basés sur l’architecture YOLOv8 et dotés de pipelines de déploiement stables et bien testés.
• Large soutien de la communauté et de l’écosystème : les applications qui tirent parti des nombreux tutoriels, intégrations tierces et ressources communautaires actives de YOLOv8.

Quand choisir RT-DETR#

RT-DETR est recommandé pour :

• Recherche sur la détection basée sur Transformer : projets explorant 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 utilisant uniquement le CPU : les appareils dépourvus d’accélération GPU dédiée bénéficient d’un avantage décisif grâce à l’inférence CPU de YOLO26n, jusqu’à 43 % plus rapide que celle de YOLO11n.
• 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.

L’avantage Ultralytics#

Le choix d’un modèle ne se limite pas aux mesures brutes : l’écosystème logiciel qui l’entoure est essentiel à la productivité des développeurs. L’écosystème Ultralytics est conçu pour être facile à utiliser et fournit une API Python unifiée qui simplifie l’ensemble du cycle de vie de l’apprentissage automatique.

De la gestion des jeux de données à l’entraînement distribué, Ultralytics prend en charge le code passe-partout complexe. Les développeurs profitent de poids préentraînés facilement accessibles et d’intégrations avec des plateformes comme Hugging Face et des outils de suivi des expériences. L’écosystème évolue activement, est fréquemment mis à jour et s’appuie sur une vaste communauté.

Les modèles Ultralytics YOLO sont également optimisés pour une convergence rapide et une consommation mémoire réduite pendant le processus d’entraînement, ce qui accélère l’expérimentation par rapport aux détecteurs basés sur Transformer, comme RTDETRv2.

Perspectives : la puissance de YOLO26#

YOLOv8 reste un modèle performant, mais pour les nouveaux projets, Ultralytics recommande YOLO26, lancé en janvier 2026, qui apporte plusieurs améliorations :

• Architecture de bout en bout sans NMS : la tête un-à-un facultative de YOLO26 (nms=False) élimine le post-traitement par suppression des non-maxima (NMS), pour des workflows de déploiement plus rapides et plus déterministes.
• Suppression de DFL : la suppression de la perte focale de distribution rationalise le modèle et améliore sa compatibilité avec les appareils edge et basse consommation.
• Optimiseur MuSGD : inspiré de l’entraînement des LLM, MuSGD (un hybride de SGD et de Muon) apporte une plus grande stabilité à l’entraînement et accélère la convergence.
• Inférence CPU jusqu’à 43 % plus rapide : YOLO26n s’exécute jusqu’à 43 % plus vite que YOLO11n en inférence CPU avec ONNX, ce qui le rend adapté aux environnements sans GPU dédié.
• ProgLoss + STAL : la perte progressive et l’assignation d’étiquettes sensible aux petits objets améliorent notablement la reconnaissance des petits objets, une capacité essentielle pour l’imagerie aérienne et la robotique.

Parmi les autres solutions modernes de la suite Ultralytics à envisager, YOLO11 reste une option solide pour les projets existants, bien que YOLO26 soit recommandé pour les nouveaux déploiements.

Exemple de code : entraînement et inférence#

La simplicité de l’API Ultralytics te permet de charger, d’entraîner et de déployer des modèles en quelques lignes de code Python. Vérifie que PyTorch est installé avant d’exécuter l’exemple suivant.

from ultralytics import YOLO

# Charger un petit modèle YOLOv8 préentraîné
model = YOLO("yolov8s.pt")

# Entraîner le modèle sur ton jeu de données personnalisé
# L’entraînement économe en mémoire permet d’utiliser des tailles de lot plus importantes
train_results = model.train(data="coco8.yaml", epochs=50, imgsz=640, batch=16)

# Exécuter l’inférence sur une image de test
results = model("https://ultralytics.com/images/bus.jpg")

# Afficher les résultats
results[0].show()

# Exporter pour un déploiement en périphérie
export_path = model.export(format="onnx")

Conclusion#

YOLOv8 et RTDETRv2 offrent tous deux des fonctionnalités convaincantes pour la détection d’objets en temps réel. RTDETRv2 illustre la manière dont les Transformers capturent le contexte global, ce qui le rend adapté aux tâches complexes de raisonnement spatial pour lesquelles la vitesse d’inférence et la consommation mémoire ne sont pas les principales contraintes.

Pour les développeurs qui privilégient l’équilibre entre vitesse, précision et efficacité des ressources, les modèles Ultralytics YOLO sont toutefois le choix le plus pratique. La conception légère de YOLOv8, sa facilité d’utilisation, sa prise en charge de plusieurs tâches et son écosystème open source actif le rendent bien adapté aux environnements de production évolutifs. Pour obtenir les meilleures performances edge, YOLO26 ajoute l’inférence sans NMS et des vitesses CPU plus élevées.