DAMO-YOLO vs YOLOX
La vision par ordinateur en temps réel continue d’évoluer. Deux jalons notables sont DAMO-YOLO et YOLOX, qui apportent chacun leurs innovations à la détection d’objets rapide et précise. Les deux modèles ont largement contribué à la communauté open source, et les ingénieurs en apprentissage automatique ont intérêt à comprendre leurs différences architecturales, leurs méthodes d’entraînement et leurs scénarios de déploiement les plus adaptés.
Ce guide examine les détails techniques des deux modèles et explique pourquoi des solutions modernes comme Ultralytics YOLO26 offrent de meilleures performances et une plus grande facilité d’utilisation dans les environnements de production actuels.
Présentation des modèles#
Détails sur DAMO-YOLO#
Développé par une équipe de chercheurs d’Alibaba Group, DAMO-YOLO a été présenté comme une méthode efficace de détection d’objets utilisant la découverte automatisée d’architectures.
- Auteurs : Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang et Xiuyu Sun
- Organisation : groupe Alibaba
- Date : 2022-11-23
- arXiv : https://arxiv.org/abs/2211.15444v2
- GitHub : https://github.com/tinyvision/DAMO-YOLO
- Documentation : Documentation de DAMO-YOLO
Détails sur YOLOX#
Créé par des chercheurs de Megvii, YOLOX visait à rapprocher les communautés de la recherche et de l’industrie en faisant passer la série YOLO à une architecture sans ancres, ce qui simplifiait l’architecture tout en offrant de meilleures performances à l’époque.
- Auteurs : Zheng Ge, Songtao Liu, Feng Wang, Zeming Li et Jian Sun
- Organisation : Megvii
- Date : 2021-07-18
- arXiv : https://arxiv.org/abs/2107.08430
- GitHub : https://github.com/Megvii-BaseDetection/YOLOX
- Docs : Documentation de YOLOX
Analyse architecturale#
Architecture de DAMO-YOLO#
DAMO-YOLO s’appuie largement sur la recherche d’architecture neuronale (NAS). Ses principaux composants sont les suivants :
- Backbones MAE-NAS : utilise une recherche guidée par l’entropie maximale pour découvrir des backbones qui équilibrent vitesse d’inférence et précision.
- RepGFPN efficace : Une conception de neck épaisse adaptée à la fusion des caractéristiques, qui aide le modèle à maintenir une grande précision pour différentes échelles d’objets.
- ZeroHead : Une tête de détection simplifiée et légère qui réduit la charge de calcul dans les dernières couches de prédiction.
Architecture de YOLOX#
YOLOX adopte une approche différente, axée sur la simplicité structurelle et une architecture sans ancres :
- Mécanisme sans ancres : En prédisant directement les coordonnées des boîtes englobantes sans ancres prédéfinies, YOLOX réduit le nombre de paramètres de conception et de réglages heuristiques nécessaires.
- Tête découplée : Elle répartit les tâches de classification et de régression dans différentes branches de caractéristiques, ce qui améliore la vitesse de convergence et la précision globale.
- Assignation des étiquettes SimOTA : stratégie d’assignation qui attribue dynamiquement des échantillons positifs aux vérités terrain, améliorant ainsi l’efficacité de l’entraînement.
Alors que DAMO-YOLO utilise la NAS pilotée par machine pour trouver des architectures efficaces sous de fortes contraintes, YOLOX s’appuie sur des simplifications conçues par des humains (comme les têtes sans ancres) pour rationaliser le pipeline de détection d’objets.
Comparaison des performances#
Pour évaluer ces modèles, il faut examiner la précision moyenne (mAP), les vitesses d’inférence et le nombre de paramètres. Le tableau ci-dessous compare les variantes standard et légères des deux architectures.
| Modèle | taille (pixels) | mAPval50-95 | Vitesse CPU ONNX (ms) | Vitesse T4 TensorRT10 (ms) | paramètres (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| DAMO-YOLOt | 640 | 42.0 | - | 2.32 | 8.5 | 18.1 |
| DAMO-YOLOs | 640 | 46.0 | - | 3.45 | 16.3 | 37.8 |
| DAMO-YOLOm | 640 | 49.2 | - | 5.09 | 28.2 | 61.8 |
| DAMO-YOLOl | 640 | 50.8 | - | 7.18 | 42.1 | 97.3 |
| YOLOXnano | 416 | 25.8 | - | - | 0.91 | 1.08 |
| YOLOXtiny | 416 | 32.8 | - | - | 5.06 | 6.45 |
| YOLOXs | 640 | 40.5 | - | 2.56 | 9.0 | 26.8 |
| YOLOXm | 640 | 46.9 | - | 5.43 | 25.3 | 73.8 |
| YOLOXl | 640 | 49.7 | - | 9.04 | 54.2 | 155.6 |
| YOLOXx | 640 | 51.1 | - | 16.1 | 99.1 | 281.9 |
YOLOXx atteint le mAP absolu le plus élevé, à 51,1, tandis que DAMO-YOLOl affiche un mAP compétitif de 50,8 avec moins de la moitié des paramètres (42,1 M contre 99,1 M) et une exécution TensorRT nettement plus rapide.
Méthodes d’entraînement#
Entraînement de DAMO-YOLO#
DAMO-YOLO utilise une amélioration complexe par distillation des connaissances pendant l’entraînement. Souvent, un grand modèle « enseignant » est d’abord entraîné, puis ses connaissances sont distillées dans des modèles « élèves » plus petits. Il utilise également AlignedOTA pour l’assignation dynamique des étiquettes. Bien qu’efficace, ce processus d’entraînement en plusieurs étapes augmente considérablement le temps de calcul GPU et la mémoire nécessaires.
Entraînement de YOLOX#
YOLOX s’appuie sur de puissantes stratégies d’augmentation des données comme MixUp et Mosaic. Cependant, les auteurs ont constaté que désactiver ces augmentations fortes pendant les 15 dernières époques permet au modèle de s’adapter à la distribution naturelle des images et d’améliorer considérablement sa précision finale.
Cas d’utilisation idéaux#
- DAMO-YOLO : Idéal pour les déploiements industriels à forts enjeux, où des pipelines de distillation côté serveur peuvent être pris en charge et où le matériel cible — comme certains GPU NVIDIA — tire directement parti de son architecture NAS à neck épais.
- YOLOX : convient aux développeurs qui recherchent une approche entièrement sans ancres. Le modèle léger
YOLOXnanoest exploitable sur les anciens appareils Android, en informatique en périphérie et sur des capteurs IoT soumis à de fortes contraintes, où le nombre de paramètres constitue le principal goulot d’étranglement.
L’avantage Ultralytics : place à YOLO26#
Bien que DAMO-YOLO et YOLOX constituent des jalons importants, les développeurs ont aujourd’hui besoin de solutions plus complètes, polyvalentes et faciles à utiliser. C’est là que la plateforme Ultralytics et le tout nouveau Ultralytics YOLO26 se démarquent.
Publié en janvier 2026, YOLO26 est le modèle Ultralytics recommandé pour les tâches de vision par ordinateur prises en charge. Il apporte plusieurs améliorations par rapport aux architectures plus anciennes :
- Conception de bout en bout sans NMS : la tête un-à-un facultative de YOLO26 (
nms=False) omet le post-traitement par suppression des non-maxima (NMS). Le déploiement est ainsi nettement plus simple et rapide, sans les goulots d’étranglement de latence inhérents aux têtes de détection traditionnelles. - Inférence CPU jusqu’à 43 % plus rapide : en supprimant Distribution Focal Loss (DFL) et en optimisant les couches, YOLO26 assure une inférence rapide sur CPU et sur le matériel de périphérie ; YOLO26n s’exécute jusqu’à 43 % plus vite que YOLO11n sur CPU.
- Optimiseur MuSGD : inspiré des techniques d’entraînement des grands modèles de langage (LLM), YOLO26 introduit l’optimiseur MuSGD (un hybride de SGD et de Muon), qui permet des entraînements stables et une convergence plus rapide que l’ancienne configuration d’entraînement de YOLOX.
- ProgLoss + STAL : Progressive Loss et l’assignation des étiquettes adaptée aux petites cibles apportent des améliorations notables à la reconnaissance des petits objets, ce qui rend YOLO26 mieux adapté aux images de drones et à la robotique.
- Polyvalence : contrairement à DAMO-YOLO, dédié uniquement à la détection d’objets, YOLO26 prend nativement en charge la segmentation d’instances, la classification, l’estimation de pose et les boîtes englobantes orientées (OBB), au sein du même écosystème bien entretenu.
Facilité d’utilisation avec Ultralytics#
L’API Python Ultralytics simplifie l’expérience de développement. L’entraînement d’un modèle YOLO26 nécessite beaucoup moins de code standard et évite les pipelines complexes de distillation de DAMO-YOLO. Les modèles Ultralytics nécessitent également peu de mémoire CUDA pendant l’entraînement, comparativement aux modèles lourds basés sur Transformer.
from ultralytics import YOLO
# Charger le dernier modèle nano Ultralytics YOLO26
model = YOLO("yolo26n.pt")
# Entraîner le modèle sur ton jeu de données personnalisé avec une seule ligne de code
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Effectuer une inférence rapide sans NMS sur une image
results = model("https://ultralytics.com/images/bus.jpg", nms=False)
# Exporter vers ONNX ou TensorRT
model.export(format="onnx")Tu peux annoter automatiquement, entraîner et déployer des modèles en périphérie avec la plateforme Ultralytics, qui gère pour toi le versionnement des données et la mise à disposition de GPU dans le cloud.
Conclusion#
Le choix entre DAMO-YOLO et YOLOX dépend de contraintes spécifiques : DAMO-YOLO offre, grâce à la NAS, un rapport vitesse-précision élevé sur certains GPU, tandis que YOLOX propose une architecture épurée sans ancres, adaptée aux scénarios légers en périphérie.
Cependant, pour les équipes qui recherchent une solution moderne, activement maintenue et soutenue par une communauté dynamique, l’architecture Ultralytics YOLO26 est le choix recommandé. Son inférence facultative sans NMS, sa rapidité d’inférence sur CPU et son API unifiée pour la détection, la segmentation et l’estimation de pose la rendent particulièrement adaptée au passage de la recherche à la production réelle.
Pour découvrir d’autres architectures modernes, envisage Ultralytics YOLO11 ou des modèles basés sur Transformer comme RT-DETR, disponibles dans la documentation complète d’Ultralytics.
Commentaires
Pose une question, partage tes résultats ou aide quelqu’un d’autre.