Dans un système de conduite autonome, il est essentiel de détecter les véhicules, les piétons et les cyclistes à partir d’images. En plus de la haute précision des prédictions, la contrainte de traitement en temps réel pose de nouveaux défis aux modèles de réseaux de convolution. Dans ce rapport, nous présentons une méthode en temps réel pour la détection d’objets 2D à partir d’images. Nous combinons plusieurs détecteurs d’objets à une seule étape populaires et entraînons indépendamment des modèles utilisant différentes stratégies d’entrée, afin d’obtenir de meilleures performances pour la détection multi-échelle précise de chaque catégorie, en particulier pour les objets de petite taille. Pour accélérer le modèle, nous utilisons TensorRT afin d’optimiser le temps d’inférence de notre pipeline de détection. Comme indiqué dans le classement officiel, notre cadre de détection proposé obtient la 2e place avec un score de 75,00 % de mAP L1 et 69,72 % de mAP L2 sur la piste de détection 2D en temps réel du Waymo Open Dataset Challenges, tout en atteignant une latence de 45,8 ms/image sur une GPU Nvidia Tesla V100.