RT-DETR

Installer

RT-DETR ne nécessite aucun extra facultatif. Tous ses imports figurent dans l'installation de base, et l'extra rtdetr est un nom stable qui n'y ajoute rien.

pip install libreyolo

Le fine-tuning par adaptateur avec lora=True constitue l'exception et nécessite l'extra lora.

pip install "libreyolo[lora]"

Prédire

Les poids sont téléchargés depuis Hugging Face à la première utilisation et mis en cache localement.

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreRTDETRr18.pt")result = model(SAMPLE_IMAGE, save=True) for box in result.boxes:    print(box.cls, box.conf, box.xyxy)

libreyolo predict model=LibreRTDETRr18.pt save=True \  source=https://raw.githubusercontent.com/LibreYOLO/libreyolo/release/libreyolo/assets/parkour.jpg

from libreyolo import LibreYOLO # La version figure dans le nom du fichier et la factory utilise le# checkpoint, les trois versions se chargent donc de la même façon.model = LibreYOLO("LibreRTDETRv4s.pt") # Toute source acceptée par la bibliothèque : fichier, dossier, URL,# index de webcam, flux RTSP ou liste .streamsfor result in model.predict("clip.mp4", stream=True, save=True):    print(len(result.boxes))

from libreyolo import LibreYOLO # Version 2 uniquement. Le suffixe -obb sélectionne la tâche et les# propres tenseurs du checkpoint indiquent son orientation, aucun argument# task n'est requis. Ces poids DOTA v1.0 couvrent 15 classes à 1024 px.model = LibreYOLO("LibreRTDETRv2n-obb.pt")result = model("aerial.png", save=True) obb = result.obbprint(obb.xywhr)     # (N, 5) : cx, cy, w, h, radiansprint(obb.xyxyxyxy)  # mêmes lignes sous forme de quatre points d'angleprint(result.boxes.xyxy)  # boîtes alignées sur les axes qui les englobent

libreyolo predict model=LibreRTDETRv2n-obb.pt source=aerial.png save=True

L'objet Results renvoyé est le même pour toutes les familles, remplacer le détecteur ne demande donc de modifier qu'une ligne. conf et max_det filtrent un décodage top-k sur les requêtes et les classes ; aucune étape NMS n'est à régler, et iou est accepté mais inutilisé. Un checkpoint orienté remplit nativement result.obb ainsi que result.boxes avec les rectangles alignés sur les axes qui englobent les boîtes. Consultez la prédiction pour les sources, le streaming et le traitement des résultats.

Variantes

Trois versions se partagent deux tâches, et leurs codes de taille ne forment pas une série unique. La version 1 nomme ses tailles d'après le backbone, ResNet ou HGNetv2. La version 2 réutilise uniquement les noms ResNet : la version 1 fournit déjà les deux tailles HGNetv2 et les résultats de la version 2 étaient assez proches pour que LibreYOLO ne publie pas de poids en double. La version 4 utilise une série de lettres simples qui entre en collision avec les noms HGNetv2 de la version 1. Un code de taille seul n'identifie donc pas un modèle. La version est inscrite dans le nom du fichier de checkpoint.

La version 2 conserve l'architecture et la disposition du dictionnaire d'état de la version 1, mais change la façon dont l'attention déformable échantillonne. C'est pourquoi les métadonnées du checkpoint permettent de les distinguer, et non sa forme. La version 4 appartient à une autre lignée : elle réutilise l'architecture et l'entraîneur de D-FINE, et ses poids proviennent de la distillation d'un modèle de fondation visuel DINOv3 enseignant vers un élève HGNetv2. Dans LibreYOLO, LibreRTDETRv4 est une sous-classe de LibreDFINE dont la tête de masque est désactivée de manière fixe, elle reste donc réservée à la détection.

Boîtes orientées sur la version 2

La version 2 est la seule à proposer une seconde tâche. Ses tâches prises en charge sont detect et obb, et elles ne partagent ni graphe ni série de tailles. La détection utilise les tailles ResNet à 640 px ; la détection orientée utilise une série HGNetv2, n, s, m, l et x, à 1024 px, et la taille d'entrée est résolue par tâche plutôt que par famille. Les propres tenseurs d'un checkpoint permettent de reconnaître son orientation, grâce aux têtes de boîte à cinq coordonnées et aux paramètres d'échantillonnage de la version 2. Les poids -obb se chargent donc dans le graphe orienté sans argument task, et une incompatibilité entre les deux produit une erreur franche au lieu d'une réinterprétation silencieuse.

Les fichiers publiés vont de LibreRTDETRv2n-obb.pt à LibreRTDETRv2x-obb.pt. Ce sont les checkpoints officiels DOTA v1.0 à une seule échelle, convertis au format LibreYOLO. Ils couvrent 15 classes aériennes, de l'avion et du navire au port et à l'hélicoptère, et leurs noms de classes sont inscrits dans le checkpoint. Contrairement à la détection, la tâche orientée est réservée à l'inférence : la prédiction, la validation et l'export fonctionnent, mais train() lève une erreur sur un modèle orienté. Le suivi et l'augmentation au moment du test ne prennent pas non plus en charge les boîtes orientées. La page Détection orientée présente la tâche, le format des étiquettes et les métriques.

Entraîner

L'entraînement part d'un checkpoint publié. pretrained est accepté, puis ignoré sur les trois versions. pretrained=False ne produit donc pas un modèle initialisé aléatoirement. Toute cette section concerne la détection : la tâche orientée de la version 2 est réservée à l'inférence et il n'existe aucun chemin de transfert depuis les poids de détection, car les deux utilisent des backbones différents.

from libreyolo import LibreYOLO model = LibreYOLO("LibreRTDETRr18.pt") # coco128.yaml télécharge 128 images au premier usage. Pour une véritable# exécution, faites pointer `data` vers votre propre YAML de dataset.model.train(data="coco128.yaml", epochs=50, batch=4, lr0=1e-4)

libreyolo train model=LibreRTDETRr18.pt data=coco128.yaml \  epochs=50 batch=4 lr0=1e-4

# Nécessite l'extra lora : pip install "libreyolo[lora]"from libreyolo import LibreYOLO model = LibreYOLO("LibreRTDETRr18.pt")model.train(data="coco128.yaml", epochs=50, lora=True)

libreyolo train model=LibreRTDETRr18.pt data=coco128.yaml \  epochs=50 device=0,1

Le learning rate est l'argument à régler correctement, et chaque version possède sa propre valeur par défaut au lieu de celle de toute la bibliothèque. La signature Python de train() la lit dans la configuration d'entraînement de la version, et la CLI résout la même valeur lorsque lr0 n'est pas fourni. Les versions 1 et 2 acceptent également lr_backbone, dont la valeur par défaut est un vingtième de lr0, conformément à la recette originale. La version 4 passe par l'entraîneur D-FINE, qui met à l'échelle le groupe de paramètres du backbone avec backbone_lr_mult.

Laissez imgsz à la taille native du checkpoint sauf si vous avez une raison de la modifier. La validation et la prédiction fonctionnent à d'autres tailles, avec un effet résiduel : une taille rectangulaire dont le nombre de tokens correspond à celui de la taille native réutilise tout de même un embedding conçu pour le mauvais rapport de forme.

Consultez l'entraînement pour les datasets, l'augmentation, le multi-GPU et les loggers.

RT-DETRv4 active amp=True avec amp_dtype="float16" par défaut. Passez amp=False pour FP32.

Valider

val() renvoie un dictionnaire de clés metrics/ couvrant la précision, le rappel, la mAP 50 et la mAP 50-95, mesurés sur tout dataset dans le format utilisé pour l'entraînement.

from libreyolo import LibreYOLO model = LibreYOLO("LibreRTDETRr18.pt") # val() renvoie un simple dict, pas un objetmetrics = model.val(data="coco128.yaml") print(metrics["metrics/mAP50-95"])print(metrics["metrics/mAP50"])print(metrics["metrics/precision"], metrics["metrics/recall"])

libreyolo val model=LibreRTDETRr18.pt data=coco128.yaml

# coco-val-only.yaml récupère les 5000 images val2017 et ignore le dataset# d'entraînement. Son script de téléchargement intégré nécessite une# autorisation explicite, sauf si le dataset est déjà local.libreyolo val model=LibreRTDETRr18.pt data=coco-val-only.yaml \  allow_download_scripts=True

from libreyolo import LibreYOLO # La validation orientée utilise l'IoU pivotée : une prédiction placée au# bon endroit avec le mauvais angle est donc comptée comme manquée.model = LibreYOLO("LibreRTDETRv2n-obb.pt")metrics = model.val(data="my-obb-dataset.yaml") print(metrics["metrics/mAP50-95(OBB)"])print(metrics["metrics/mAP50(OBB)"])

Les lignes du tableau de benchmark ci-dessus proviennent de l'outil de benchmark LibreYOLO ; la note sous ce tableau indique le dataset qui les a produites et fournit les liens vers les enregistrements des exécutions.

La validation orientée passe par le même appel et rapporte les mêmes clés, plus quatre répétées avec un suffixe (OBB). La correspondance utilise l'IoU pivotée plutôt que celle des rectangles englobants. Une erreur d'angle compte donc comme un échec. augment=True est refusé pour cette tâche.

Exporter

La matrice présente la lignée sur une seule page : lorsque les trois versions ne s'accordent pas sur un format, la cellule indique la prise en charge la plus faible des trois, afin de ne rien exagérer quelle que soit la version chargée. La ligne orientée concerne uniquement la version 2. ONNX et TorchScript y sont validés en FP32, avec un batch de 1 et un canevas fixe de 1024 par 1024 ; OpenVINO, TensorRT et ExecuTorch se convertissent et se rechargent, mais n'ont pas atteint la parité des sorties brutes sur l'ensemble complet de requêtes. Les meilleures boîtes concordent à une fraction de pixel près, tandis que la fin de la distribution dérive.

Un artefact exporté se recharge par LibreYOLO() à partir de son suffixe de fichier. Un fichier .onnx ou .engine se comporte donc comme un checkpoint et renvoie le même objet Results.

# Nécessite l'extra onnx : pip install "libreyolo[onnx]"from libreyolo import LibreYOLO model = LibreYOLO("LibreRTDETRr18.pt")path = model.export(format="onnx")print(path)

libreyolo export model=LibreRTDETRr18.pt format=onnx

# ONNX et TorchScript sont les cibles validées pour la tâche orientée,# en FP32, batch 1, sur un canevas fixe de 1024 par 1024.libreyolo export model=LibreRTDETRv2n-obb.pt format=onnx imgsz=1024libreyolo export model=LibreRTDETRv2n-obb.pt format=torchscript imgsz=1024

from libreyolo import LibreYOLO, SAMPLE_IMAGE # La factory utilise le suffixe du fichier : un artefact exporté se charge# comme tout checkpoint et renvoie le même objet Results.model = LibreYOLO("LibreRTDETRr18.onnx")result = model(SAMPLE_IMAGE) print(result.boxes.xyxy)

Entrées et sorties ONNX

Checkpoints

Tous les fichiers de poids publiés pour cette famille.

Le nom de fichier contient la version, puis la taille, puis la tâche. Les poids de détection sont LibreRTDETR<size>.pt, LibreRTDETRv2<size>.pt et LibreRTDETRv4<size>.pt, tous à 640 px. Les poids orientés existent uniquement pour la version 2 et ajoutent le suffixe de tâche, de LibreRTDETRv2n-obb.pt à LibreRTDETRv2x-obb.pt. Ils utilisent tous 1024 px et sont entraînés sur DOTA v1.0 plutôt que COCO.

Licence

Citation

@misc{lv2023detrs,
      title={DETRs Beat YOLOs on Real-time Object Detection},
      author={Yian Zhao and Wenyu Lv and Shangliang Xu and Jinman Wei and Guanzhong Wang and Qingqing Dang and Yi Liu and Jie Chen},
      year={2023},
      eprint={2304.08069},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

@misc{lv2024rtdetrv2improvedbaselinebagoffreebies,
      title={RT-DETRv2: Improved Baseline with Bag-of-Freebies for Real-Time Detection Transformer}, 
      author={Wenyu Lv and Yian Zhao and Qinyao Chang and Kui Huang and Guanzhong Wang and Yi Liu},
      year={2024},
      eprint={2407.17140},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2407.17140}, 
}

Le bloc ci-dessus est celui que les auteurs publient pour la détection avec les versions 1 et 2. Les poids orientés de la version 2 possèdent une troisième source amont, le dépôt RiO-DETR Apache-2.0 à l'adresse github.com/RicePasteM/RiO-DETR, d'où proviennent les checkpoints DOTA ; citez ce projet si vous en avez utilisé un. La version 4 fait l'objet d'un article distinct par un autre groupe et possède son propre bloc de citation à l'adresse github.com/RT-DETRs/RT-DETRv4 ; citez celui-ci si vous avez utilisé un checkpoint de version 4.