L’efficacité des modèles est devenue de plus en plus importante en vision par ordinateur. Dans cet article, nous étudions de manière systématique les choix relatifs à la conception d’architectures de réseaux de neurones pour la détection d’objets, et proposons plusieurs optimisations clés afin d’améliorer l’efficacité. Premièrement, nous introduisons un réseau de pyramide de caractéristiques bidirectionnel pondéré (BiFPN), qui permet une fusion multiscale des caractéristiques de manière simple et rapide. Deuxièmement, nous proposons une méthode d’échelonnage composé qui permet d’augmenter simultanément et de manière uniforme la résolution, la profondeur et la largeur de tous les composants du modèle — y compris le réseau principal (backbone), le réseau de caractéristiques et les réseaux de prédiction des boîtes englobantes ou des classes. Grâce à ces optimisations ainsi qu’à des backbones améliorés, nous avons conçu une nouvelle famille de détecteurs d’objets, appelée EfficientDet, qui atteint de manière cohérente une efficacité nettement supérieure à celle des méthodes antérieures sur une large gamme de contraintes matérielles. En particulier, avec un modèle unique et une seule échelle, EfficientDet-D7 atteint un score de 55,1 AP sur le test-dev du benchmark COCO, avec 77 millions de paramètres et 410 milliards d’opérations flottantes (FLOPs), représentant un volume 4 à 9 fois plus petit et une consommation de FLOPs réduite de 13 à 42 fois par rapport aux détecteurs précédents. Le code est disponible à l’adresse suivante : https://github.com/google/automl/tree/master/efficientdet.