L’évolution de la détection d’objets et des modèles YOLO d’Ultralytics

La vision par ordinateur est un sous-domaine de l’intelligence artificielle (AI) qui consiste à apprendre aux machines à voir et à comprendre les images et les vidéos, comme les humains perçoivent le monde réel. Reconnaître des objets ou identifier des actions est instinctif pour les humains, mais ces tâches nécessitent des techniques spécialisées de vision par ordinateur lorsqu’il s’agit de machines. Par exemple, la détection d’objets est une tâche clé en vision par ordinateur : elle consiste à identifier et à localiser des objets dans des images ou des vidéos.

Depuis les années 1960, les chercheurs s’efforcent d’améliorer la capacité des ordinateurs à détecter des objets. Les premières méthodes, comme la correspondance de modèles, consistaient à faire glisser un modèle prédéfini sur une image pour trouver des correspondances. Bien qu’innovantes, ces approches peinaient à gérer les variations de taille, d’orientation et d’éclairage des objets. Aujourd’hui, des modèles avancés comme Ultralytics YOLO11 peuvent détecter avec une précision remarquable même les objets de petite taille et partiellement cachés, appelés objets occultés.

À mesure que la vision par ordinateur évolue, il est important de revenir sur le développement de ces technologies. Dans cet article, nous allons explorer l’évolution de la détection d’objets et mettre en lumière la transformation des modèles YOLO (You Only Look Once).

Les origines de la vision par ordinateur#

Avant d’aborder la détection d’objets, voyons comment la vision par ordinateur a vu le jour. Les origines de la vision par ordinateur remontent à la fin des années 1950 et au début des années 1960, lorsque des scientifiques ont commencé à étudier la façon dont le cerveau traite les informations visuelles. Lors d’expériences sur des chats, les chercheurs David Hubel et Torsten Wiesel ont découvert que le cerveau réagit à des motifs simples, comme les contours et les lignes. Cette découverte a posé les bases de l’idée d’extraction de caractéristiques : les systèmes visuels détectent et reconnaissent des caractéristiques élémentaires dans les images, comme les contours, avant de passer à des motifs plus complexes.

Fig. 1. L’étude de la réaction du cerveau d’un chat à des bandes lumineuses a contribué au développement de l’extraction de caractéristiques en vision par ordinateur.

À peu près à la même époque, de nouvelles technologies capables de convertir des images physiques en formats numériques ont suscité de l’intérêt pour le traitement des informations visuelles par les machines. En 1966, le projet Summer Vision du Massachusetts Institute of Technology (MIT) a fait avancer les choses. Bien qu’il n’ait pas complètement abouti, le projet visait à créer un système capable de séparer le premier plan de l’arrière-plan dans les images. Pour de nombreux membres de la communauté de l’IA visuelle, ce projet marque le début officiel de la vision par ordinateur en tant que discipline scientifique.

Comprendre l’histoire de la détection d’objets#

Avec les progrès de la vision par ordinateur à la fin des années 1990 et au début des années 2000, les méthodes de détection d’objets sont passées de techniques élémentaires comme la correspondance de modèles à des approches plus avancées. Haar Cascade était une méthode populaire, largement utilisée pour des tâches comme la détection de visages. Elle parcourait les images à l’aide d’une fenêtre glissante, en recherchant des caractéristiques spécifiques comme les contours ou les textures dans chaque section, puis en combinant ces caractéristiques pour détecter des objets comme les visages. Haar Cascade était beaucoup plus rapide que les méthodes précédentes.

Fig. 2. Utilisation de Haar Cascade pour la détection de visages.

Parallèlement, des méthodes comme l’histogramme des gradients orientés (HOG) et les machines à vecteurs de support (SVMs) ont également été introduites. HOG utilisait la technique de la fenêtre glissante pour analyser les variations de lumière et d’ombre dans de petites zones d’une image, ce qui aidait à identifier les objets d’après leur forme. Les SVMs classaient ensuite ces caractéristiques pour déterminer l’identité de l’objet. Ces méthodes amélioraient la précision, mais restaient difficiles à utiliser dans des environnements réels et étaient plus lentes que les techniques actuelles.

Le besoin de détecter des objets en temps réel#

Dans les années 2010, l’essor de l’apprentissage profond et des réseaux neuronaux convolutifs (CNNs) a profondément transformé la détection d’objets. Les CNNs ont permis aux ordinateurs d’apprendre automatiquement des caractéristiques importantes à partir de grandes quantités de données, ce qui a considérablement amélioré la précision de la détection.

Les premiers modèles comme les réseaux neuronaux convolutifs à régions (R-CNN) ont considérablement amélioré la précision et permis d’identifier les objets plus efficacement qu’avec les méthodes plus anciennes.

Cependant, ces modèles étaient lents, car ils traitaient les images en plusieurs étapes, ce qui les rendait peu adaptés aux applications en temps réel dans des domaines comme les voitures autonomes ou la vidéosurveillance.

Pour accélérer le traitement, des modèles plus efficaces ont été développés. Des modèles comme Fast R-CNN et Faster R-CNN ont amélioré la sélection des régions d’intérêt et réduit le nombre d’étapes nécessaires à la détection. La détection d’objets est ainsi devenue plus rapide, mais pas encore assez pour de nombreuses applications réelles qui nécessitaient des résultats instantanés. La demande croissante de détection en temps réel a favorisé le développement de solutions encore plus rapides et efficaces, capables de concilier vitesse et précision.

Fig. 3. Comparaison des vitesses de R-CNN, Fast R-CNN et Faster R-CNN.

Les modèles YOLO (You Only Look Once) : une avancée majeure#

YOLO est un modèle de détection d’objets qui a redéfini la vision par ordinateur en permettant de détecter plusieurs objets en temps réel dans des images et des vidéos, ce qui le distingue des méthodes de détection précédentes. Au lieu d’analyser chaque objet détecté individuellement, l’architecture de YOLO traite la détection d’objets comme une tâche unique et prédit en une seule fois l’emplacement et la classe des objets à l’aide de CNNs.

Le modèle fonctionne en divisant une image en une grille, chaque partie étant chargée de détecter les objets dans sa zone respective. Il effectue plusieurs prédictions pour chaque section et élimine les résultats les moins fiables pour ne conserver que les plus fiables.

Fig. 4. Vue d’ensemble du fonctionnement de YOLO.

L’introduction de YOLO dans les applications de vision par ordinateur a rendu la détection d’objets beaucoup plus rapide et efficace que les modèles précédents. Grâce à sa vitesse et à sa précision, YOLO est rapidement devenu un choix populaire pour les solutions en temps réel dans des secteurs comme l’industrie manufacturière, la santé et la robotique.

Il est également important de noter que, YOLO étant open source, les développeurs et les chercheurs ont pu l’améliorer en continu, ce qui a donné naissance à des versions encore plus avancées.

De YOLO à Ultralytics YOLO11#

Les modèles YOLO se sont régulièrement améliorés au fil du temps, chaque version s’appuyant sur les avancées de la précédente. En plus d’améliorer leurs performances, ces évolutions ont facilité l’utilisation des modèles par des personnes ayant différents niveaux d’expérience technique.

Par exemple, avec l’arrivée d’Ultralytics YOLOv5, le déploiement des modèles est devenu plus simple grâce à PyTorch, permettant à un plus grand nombre d’utilisateurs de travailler avec une IA avancée. Ce modèle alliait précision et facilité d’utilisation, donnant à davantage de personnes la possibilité de mettre en œuvre la détection d’objets sans être expertes en programmation.

Fig. 5. Évolution des modèles YOLO.

Ultralytics YOLOv8 a poursuivi cette évolution en ajoutant la prise en charge de tâches comme la segmentation d’instances et en rendant les modèles plus flexibles. YOLO est ainsi devenu plus facile à utiliser aussi bien pour des applications élémentaires que complexes, dans un large éventail de situations.

Avec Ultralytics YOLO11 (depuis remplacé par Ultralytics YOLO26), d’autres optimisations ont été apportées. En réduisant le nombre de paramètres tout en améliorant la précision, le modèle est désormais plus efficace pour les tâches en temps réel. Que tu sois un développeur expérimenté ou que tu débutes en IA, YOLO11 propose une approche avancée de la détection d’objets, facilement accessible.

Découvrir Ultralytics YOLO11 : nouvelles fonctionnalités et améliorations#

Lancé lors de l’événement hybride annuel d’Ultralytics, YOLO Vision 2024 (YV24), YOLO11 prend en charge les mêmes tâches de vision par ordinateur que YOLOv8, comme la détection d’objets, la segmentation d’instances, la classification d’images et l’estimation de pose. Les utilisateurs peuvent donc facilement adopter ce nouveau modèle sans avoir à modifier leurs workflows. De plus, l’architecture améliorée de YOLO11 rend les prédictions encore plus précises. En fait, YOLO11m obtient une précision moyenne moyenne (mAP) plus élevée sur le jeu de données COCO, avec 22 % de paramètres en moins que YOLOv8m.

YOLO11 est également conçu pour fonctionner efficacement sur une gamme de plateformes, des smartphones et autres appareils en périphérie aux systèmes cloud plus puissants. Cette flexibilité garantit des performances fluides sur différentes configurations matérielles pour les applications en temps réel. De plus, YOLO11 est plus rapide et plus efficace, ce qui réduit les coûts de calcul et accélère l’inférence. Que tu utilises le package Python d’Ultralytics ou Ultralytics HUB sans code (désormais Ultralytics Platform), intégrer YOLO11 à tes workflows existants est simple.

L’avenir des modèles YOLO et de la détection d’objets#

L’impact de la détection d’objets avancée sur les applications en temps réel et l’IA en périphérie se fait déjà sentir dans tous les secteurs. À mesure que des domaines comme le pétrole et le gaz, la santé et le commerce de détail s’appuient de plus en plus sur l’IA, la demande en détection d’objets rapide et précise continue de croître. Ultralytics YOLO11 entend répondre à cette demande en offrant une détection haute performance, même sur des appareils dont la puissance de calcul est limitée.

Avec l’essor de l’IA en périphérie, les modèles de détection d’objets comme Ultralytics YOLO11 devraient devenir encore plus indispensables à la prise de décision en temps réel dans les environnements où la vitesse et la précision sont essentielles. Grâce aux améliorations continues de leur conception et de leur adaptabilité, l’avenir de la détection d’objets devrait apporter encore plus d’innovations dans une grande variété d’applications.

Points clés à retenir#

La détection d’objets a beaucoup évolué, passant de méthodes simples aux techniques avancées d’apprentissage profond que nous connaissons aujourd’hui. Les modèles YOLO ont joué un rôle central dans cette progression, en offrant une détection en temps réel plus rapide et plus précise dans divers secteurs. Ultralytics YOLO11 s’inscrit dans cette continuité : il améliore l’efficacité, réduit les coûts de calcul et renforce la précision, ce qui en fait un choix fiable pour de nombreuses applications en temps réel. Avec les progrès continus de l’IA et de la vision par ordinateur, l’avenir de la détection d’objets s’annonce prometteur, avec encore des améliorations possibles en matière de vitesse, de précision et d’adaptabilité.

Tu t’intéresses à l’IA ? Reste en contact avec notre communauté pour continuer à apprendre ! Consulte notre dépôt GitHub pour découvrir comment nous utilisons l’IA afin de créer des solutions innovantes dans des secteurs comme l’industrie manufacturière et les soins de santé.