YOLO YOLOX : comparaison technique complète

Le paysage de la vision par ordinateur en temps réel est en constante évolution. Deux étapes importantes dans cette évolution sont YOLO et YOLOX, qui apportent chacune des innovations uniques au problème de la détection d'objets à grande vitesse et haute précision. Bien que ces deux modèles aient apporté une contribution significative à la communauté open source, il est essentiel pour les ingénieurs en apprentissage automatique de comprendre leurs différences architecturales, leurs méthodologies de formation et leurs scénarios de déploiement idéaux.

Ce guide complet explore les nuances techniques des deux modèles et souligne pourquoi les alternatives modernes telles que la plateforme Ultralytics offrent des performances supérieures et une grande facilité d'utilisation pour les environnements de production actuels.

Aperçus des modèles

YOLO

Développé par une équipe de chercheurs du groupe Alibaba,YOLO présenté comme une méthode de détection d'objets hautement efficace qui exploite la découverte automatisée d'architectures. Auteurs : Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang et Xiuyu Sun
Organisation : Groupe Alibaba
Date : 23/11/2022
Arxiv : https://arxiv.org/abs/2211.15444v2
GitHub : YOLO
Documents : YOLO

En savoir plus sur DAMO-YOLO

Détails YOLOX

Créé par des chercheurs de Megvii, YOLOX visait à combler le fossé entre la recherche et les communautés industrielles en passant la YOLO à une conception sans ancrage, simplifiant considérablement 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 : 18/07/2021
Arxiv : https://arxiv.org/abs/2107.08430
GitHub : https://github.com/Megvii-BaseDetection/YOLOX
Documents : Documentation YOLOX

En savoir plus sur YOLOX

Analyse architecturale

Architecture de DAMO-YOLO

YOLO fortement sur la recherche d'architecture neuronale (NAS). Les composants principaux sont les suivants :

• MAE-NAS Backbones : utilise un algorithme de recherche évolutif multi-objectifs pour découvrir les structures qui offrent l'équilibre optimal entre vitesse d'inférence et précision.
• RepGFPN efficace : une conception à cou épais adaptée à la fusion des caractéristiques, qui aide le modèle à maintenir une grande précision à différentes échelles d'objets.
• ZeroHead : une tête de détection simplifiée et légère qui réduit la charge de calcul dans les couches de prédiction finales.

Architecture YOLOX

YOLOX a adopté une approche différente, en mettant l'accent sur la simplicité structurelle et une conception sans ancrage :

• Mécanisme sans ancrage : en prédisant directement les coordonnées du cadre de sélection sans ancrages prédéfinis, YOLOX réduit le nombre de paramètres de conception et d'ajustements heuristiques nécessaires.
• Tête découplée : elle sépare les tâches de classification et de régression en différentes branches de caractéristiques, ce qui améliore la vitesse de convergence et la précision globale.
• Attribution d'étiquettes SimOTA : stratégie avancée d'attribution d'étiquettes qui attribue de manière dynamique des échantillons positifs à des vérités fondamentales, améliorant ainsi l'efficacité de la formation.

Comparaison des performances

Pour évaluer ces modèles, il faut examiner la précision moyenne (mAP), les vitesses d'inférence et le nombre de paramètres. Vous trouverez ci-dessous un tableau comparatif détaillé des variantes standard et allégées pour les deux architectures.

Alors que YOLOXx atteint le mAP absolu le plus élevé mAP 51,1, DAMO-YOLOl offre un mAP très compétitif de 50,8 mAP moins de la moitié des paramètres (42,1 millions contre 99,1 millions) et TensorRT nettement plus rapide.

Méthodologies d'entraînement

FormationYOLO

YOLO une amélioration complexe de la distillation 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'attribution dynamique d'étiquettes. Bien que très efficace, ce processus d'entraînement en plusieurs étapes augmente considérablement le temps GPU et la mémoire nécessaire.

Formation YOLOX

YOLOX s'appuie sur des stratégies d'augmentation des données puissantes telles que MixUp Mosaic. Cependant, les auteurs ont découvert que la désactivation de ces augmentations puissantes pendant les 15 derniers cycles permettait au modèle de combler l'écart avec la réalité, améliorant ainsi considérablement les mesures de précision finales.

Cas d'utilisation idéaux

• YOLO: convient particulièrement aux déploiements industriels à haut risque où les pipelines de distillation côté serveur peuvent être pris en charge et où le matériel cible (comme certains NVIDIA ) bénéficie directement de son architecture NAS à goulot d'étranglement important.
• YOLOX : Excellent pour les développeurs à la recherche d'une approche pure sans ancrage. Extrêmement léger. YOLOXnano rend cela viable pour Android anciens Android , informatique en périphérie, et les capteurs IoT très limités où le nombre de paramètres constitue un véritable goulot d'étranglement.

Ultralytics : entrez YOLO26

SiYOLO YOLOX constituent des avancées remarquables, les développeurs exigent aujourd'hui des solutions plus complètes, polyvalentes et faciles à utiliser. C'est là que la Ultralytics et le tout nouveau Ultralytics entrent en jeu.

Sorti en janvier 2026, YOLO26 est le modèle ultime recommandé pour toutes les tâches de vision par ordinateur. Il introduit une série d'innovations qui surpassent les architectures plus anciennes :

• Conception NMS de bout en bout : YOLO26 élimine nativement le post-traitement par suppression non maximale (NMS). Cela permet un déploiement nettement plus simple et plus rapide, évitant les goulots d'étranglement liés à la latence inhérents aux têtes de détection traditionnelles.
• CPU jusqu'à 43 % plus rapide : en supprimant stratégiquement la perte focale de distribution (DFL) et en optimisant les couches, YOLO26 offre des vitesses inégalées sur les CPU et le matériel périphérique.
• Optimiseur MuSGD : inspiré des techniques d'entraînement des grands modèles linguistiques (LLM), YOLO26 introduit l'optimiseur MuSGD (un hybride de SGD Muon), qui permet des entraînements très stables et une convergence beaucoup plus rapide par rapport aux configurations héritées de YOLOX.
• ProgLoss + STAL : ces fonctions de perte avancées apportent des améliorations notables dans la reconnaissance des petits objets, rendant YOLO26 largement supérieur pour les images de drones et la robotique.
• Polyvalence : contrairement àYOLO, qui est strictement destiné à la détection d'objets, YOLO26 gère de manière transparente la segmentation d'instances, l'estimation de pose, la classification et les boîtes englobantes orientées (OBB) de manière native au sein du même écosystème bien entretenu.

En savoir plus sur YOLO26

Facilité d'utilisation avec Ultralytics

Python Ultralytics simplifie l'expérience des développeurs. L'entraînement d'un modèle YOLO26 de pointe nécessite beaucoup moins de code standard et évite les pipelines de distillation complexes deYOLO. De plus, Ultralytics ont des besoins CUDA exceptionnellement faibles pendant l'entraînement par rapport aux modèles lourds basés sur des transformateurs.

from ultralytics import YOLO

# Load the latest Ultralytics YOLO26 nano model
model = YOLO("yolo26n.pt")

# Train the model on your custom dataset with one line of code
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Run fast, NMS-free inference on an image
results = model("https://ultralytics.com/images/bus.jpg")

# Export to ONNX or TensorRT seamlessly
model.export(format="onnx")

Conclusion

Le choix entreYOLO YOLOX dépend de contraintes spécifiques :YOLO des rapports vitesse/précision exceptionnels sur certains GPU via NAS, tandis que YOLOX propose une conception épurée, sans ancrage, idéale pour les scénarios légers en périphérie.

Cependant, pour les équipes à la recherche d'une solution moderne et évolutive avec une communauté active, l'architecture Ultralytics est le choix incontournable. Sa conception NMS, CPU rapide et son API unifiée pour les tâches de détection, de segmentation et de pose en font un outil inégalé pour passer en douceur de la recherche à une production robuste dans le monde réel.

Pour les développeurs intéressés par d'autres architectures modernes, nous recommandons également de consulter Ultralytics YOLO11 ou des modèles basés sur des transformateurs tels que RT-DETR disponibles dans la Ultralytics complète Ultralytics .

Commentaires