YOLOX vs. YOLOv10: Una comparación técnica

El campo de la detección de objetos ha experimentado una rápida evolución, impulsada por la necesidad de modelos que equilibren la alta precisión con velocidades de inferencia en tiempo real. YOLOX y YOLOv10 representan dos hitos importantes en esta línea de tiempo. YOLOX, lanzado en 2021, revitalizó la familia YOLO al introducir una arquitectura sin anclajes, mientras que YOLOv10, lanzado en 2024, establece un nuevo estándar al eliminar la necesidad de la supresión no máxima (NMS), lo que reduce significativamente la latencia de inferencia.

Este análisis exhaustivo explora las innovaciones arquitectónicas, las métricas de rendimiento y los casos de uso ideales para ambos modelos, lo que ayuda a los desarrolladores e investigadores a seleccionar la mejor herramienta para sus aplicaciones de visión artificial.

YOLOX: El pionero sin anclajes

YOLOX fue introducido por Megvii en 2021, marcando un alejamiento de los diseños basados en anclajes que dominaron las versiones anteriores de YOLO. Al adoptar un mecanismo sin anclajes e integrar técnicas avanzadas como los heads desacoplados y SimOTA, YOLOX logró un rendimiento competitivo y cerró la brecha entre los marcos de investigación y las aplicaciones industriales.

Detalles Técnicos:
Autores: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li, and Jian Sun
Organización:Megvii
Fecha: 2021-07-18
Arxiv:https://arxiv.org/abs/2107.08430
GitHub:https://github.com/Megvii-BaseDetection/YOLOX
Documentación:https://yolox.readthedocs.io/en/latest/

Arquitectura y Características Clave

YOLOX se diferenció de sus predecesores como YOLOv4 y YOLOv5 al implementar varios cambios arquitectónicos clave diseñados para mejorar la generalización y simplificar el pipeline de entrenamiento.

• Mecanismo sin anclajes: Al eliminar los cuadros de anclaje predefinidos, YOLOX elimina la necesidad de ajuste manual de anclajes, lo que hace que el modelo sea más robusto a las variadas formas de los objetos y reduce el número de parámetros de diseño.
• Head Desacoplado: A diferencia de los heads acoplados que comparten características para la clasificación y la localización, YOLOX utiliza un head desacoplado. Esta separación permite que cada tarea optimice sus parámetros de forma independiente, lo que lleva a una convergencia más rápida y una mejor precisión general.
• Asignación de etiquetas SimOTA: YOLOX introdujo SimOTA (Asignación de Transporte Óptimo Simplificado), una estrategia de asignación dinámica de etiquetas que trata el problema de asignación como una tarea de transporte óptimo. Este método se adapta eficazmente a diferentes escalas de objetos y mejora la estabilidad del entrenamiento.
• Aumentos Fuertes: El pipeline de entrenamiento incorpora MixUp y Mosaic aumento de datos, que fueron cruciales para lograr resultados de última generación en el momento de su lanzamiento.

Fortalezas y Debilidades

Ventajas:

• Alta Precisión: YOLOX ofrece sólidas puntuaciones de mAP en el conjunto de datos COCO, particularmente con sus variantes más grandes como YOLOX-x.
• Diseño simplificado: El enfoque sin anclajes reduce los hiperparámetros heurísticos, simplificando la configuración del modelo.
• Soporte heredado: Como modelo establecido, ha sido ampliamente probado en diversos entornos académicos e industriales.

Debilidades:

• Mayor latencia: En comparación con los detectores modernos, YOLOX se basa en el post-procesamiento NMS, que puede ser un cuello de botella para aplicaciones de latencia ultrabaja.
• Coste Computacional: Generalmente requiere más FLOPs y parámetros que los modelos más nuevos para lograr una precisión similar.
• Integración: Aunque es de código abierto, carece de la integración perfecta que se encuentra en el ecosistema Ultralytics , lo que potencialmente requiere más esfuerzo para las tuberías de implementación.

Más información sobre YOLOX

YOLOv10: Detección de extremo a extremo en tiempo real

Lanzado en mayo de 2024 por investigadores de la Universidad de Tsinghua, YOLOv10 representa un cambio de paradigma en la detección de objetos en tiempo real. Al eliminar la necesidad de la Supresión No Máxima (NMS) y optimizar los componentes del modelo para la eficiencia, YOLOv10 logra una velocidad y precisión superiores con una sobrecarga computacional significativamente menor.

Detalles Técnicos:
Autores: Ao Wang, Hui Chen, Lihao Liu, et al.
Organización: Tsinghua University
Fecha: 2024-05-23
Arxiv:https://arxiv.org/abs/2405.14458
GitHub:https://github.com/THU-MIG/yolov10
Documentación:https://docs.ultralytics.com/models/yolov10/

Arquitectura e innovación

YOLOv10 se centra en un diseño de modelo holístico impulsado por la eficiencia y la precisión, abordando tanto la arquitectura como el pipeline de post-procesamiento.

• Entrenamiento sin NMS: La característica más innovadora es el uso de asignaciones duales consistentes. Esta estrategia permite que el modelo se entrene con señales de supervisión enriquecidas, al tiempo que permite la coincidencia uno a uno durante la inferencia. Esto elimina la necesidad de NMS, un cuello de botella de latencia común en la implementación.
• Diseño Holístico del Modelo: YOLOv10 emplea encabezados de clasificación ligeros, submuestreo desacoplado espacial-canal y diseño de bloques guiado por rango. Estas optimizaciones reducen la redundancia computacional y el uso de memoria sin sacrificar el rendimiento.
• Convolución de kernel grande: La arquitectura utiliza selectivamente convoluciones de profundidad de kernel grande para expandir el campo receptivo, mejorando la detección de objetos pequeños.

Fortalezas y Beneficios

Ventajas:

• Eficiencia de última generación: YOLOv10 ofrece una relación inigualable entre velocidad y precisión. El diseño sin NMS reduce significativamente la latencia de extremo a extremo.
• Eficiencia de parámetros: Logra una mayor precisión con menos parámetros en comparación con las generaciones anteriores, lo que lo hace ideal para dispositivos Edge AI como Raspberry Pi.
• Integración de Ultralytics: Ser parte del ecosistema de Ultralytics garantiza que sea fácil de usar, esté bien documentado y admita varios formatos de exportación como ONNX y TensorRT.

Más información sobre YOLOv10

Análisis de rendimiento

La siguiente tabla compara el rendimiento de YOLOX y YOLOv10 en el conjunto de datos de benchmark COCO. Las métricas destacan mejoras significativas en la eficiencia del modelo más nuevo.

Análisis: Los datos demuestran claramente la superioridad de YOLOv10 en eficiencia. Por ejemplo, YOLOv10-s alcanza un mAP significativamente más alto de 46.7% en comparación con YOLOX-s (40.5%), al tiempo que utiliza menos parámetros (7.2M frente a 9.0M). En particular, YOLOv10-x supera a YOLOX-x en precisión (54.4% frente a 51.1%) siendo sustancialmente más rápido (12.2ms frente a 16.1ms) y requiriendo casi la mitad de los parámetros (56.9M frente a 99.1M). Esta eficiencia hace que YOLOv10 sea una opción mucho mejor para los sistemas en tiempo real.

Metodologías de entrenamiento y ecosistema

Si bien YOLOX introdujo técnicas de aumento avanzadas que ahora son estándar, YOLOv10 se beneficia de la canalización de entrenamiento Ultralytics, madura y fácil de usar.

• Facilidad de uso: Los modelos de Ultralytics son famosos por su API de python optimizada. Entrenar un modelo YOLOv10 requiere solo unas pocas líneas de código, mientras que utilizar YOLOX a menudo implica archivos de configuración y gestión de dependencias más complejos.
• Ecosistema bien mantenido: YOLOv10 está completamente integrado en el framework de Ultralytics. Esto otorga a los usuarios acceso a funciones como el ajuste automático de hiperparámetros, la gestión perfecta de conjuntos de datos a través de Ultralytics Explorer y variadas opciones de implementación.
• Eficiencia de memoria: Las optimizaciones de Ultralytics garantizan que modelos como YOLOv10 consuman menos memoria CUDA durante el entrenamiento en comparación con arquitecturas más antiguas o modelos transformer pesados, lo que permite tamaños de lote más grandes en GPUs de consumo.

Ejemplo de código: Uso de YOLOv10

El siguiente ejemplo demuestra lo fácil que es para los desarrolladores cargar un modelo YOLOv10 pre-entrenado y ejecutar la inferencia en una imagen utilizando la biblioteca Ultralytics.

from ultralytics import YOLO

# Load a pre-trained YOLOv10n model
model = YOLO("yolov10n.pt")

# Run inference on a local image
results = model("path/to/image.jpg")

# Display the results
results[0].show()

Casos de Uso Ideales

Ambos modelos tienen su lugar, pero la arquitectura moderna de YOLOv10 la hace adecuada para una gama más amplia de aplicaciones contemporáneas.

• Edge AI e IoT: El bajo número de parámetros y la alta velocidad de YOLOv10 lo hacen perfecto para la implementación en dispositivos con capacidad de cómputo limitada, como NVIDIA Jetson o cámaras inteligentes.
• Fabricación de alta velocidad: En la inspección industrial, donde las cintas transportadoras se mueven rápidamente, la inferencia sin NMS de YOLOv10 asegura que la object detection mantenga el ritmo de las líneas de producción sin cuellos de botella.
• Vigilancia y seguridad: Para analizar múltiples flujos de video simultáneamente, la eficiencia computacional de YOLOv10 permite una mayor densidad de flujos por servidor en comparación con YOLOX.
• Bases de referencia para la investigación: YOLOX sigue siendo una base de referencia valiosa para los investigadores que estudian la evolución de los detectores sin anclaje y los métodos de asignación de transporte óptimos.

Conclusión

Si bien YOLOX jugó un papel fundamental en la popularización de la detección sin anclaje, YOLOv10 destaca como la opción superior para el desarrollo moderno. Su innovadora arquitectura sin NMS, combinada con el completo ecosistema de Ultralytics, ofrece una solución potente que es a la vez más rápida y precisa.

Para los desarrolladores que buscan el mejor equilibrio entre rendimiento, facilidad de uso y soporte a largo plazo, YOLOv10 es altamente recomendable. Además, para aquellos que requieran aún más versatilidad en tareas como la estimación de pose o la segmentación de instancias, el robusto modelo YOLO11 sirve como una excelente alternativa dentro del mismo framework fácil de usar.

Al elegir los modelos de Ultralytics, se asegura de que sus proyectos se construyan sobre una base de investigación de vanguardia, un apoyo activo de la comunidad y una fiabilidad lista para la producción.

Comentarios