DAMO-YOLO vs YOLOX#

Le paysage de la vision par ordinateur en temps réel est en constante évolution. Deux étapes notables dans ce parcours sont DAMO-YOLO et YOLOX, qui apportent chacune des innovations uniques au problème de la détection d'objets à haute vitesse et haute précision. Bien que les deux modèles aient contribué de manière significative à la communauté open-source, comprendre leurs différences architecturales, leurs méthodologies d'entraînement et leurs scénarios de déploiement idéaux est crucial pour les ingénieurs en apprentissage automatique.

Ce guide complet explore les nuances techniques des deux modèles et met en évidence pourquoi des alternatives modernes comme la plateforme Ultralytics YOLO26 offrent des performances supérieures et une grande facilité d'utilisation pour les environnements de production actuels.

Aperçus des modèles#

Détails sur DAMO-YOLO#

Développé par une équipe de chercheurs d'Alibaba Group, DAMO-YOLO a été présenté comme une méthode de détection d'objets hautement efficace qui exploite la découverte automatisée d'architecture. Auteurs : Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang et Xiuyu Sun
Organisation : Alibaba Group
Date : 2022-11-23
Arxiv : https://arxiv.org/abs/2211.15444v2
GitHub : https://github.com/tinyvision/DAMO-YOLO
Docs : DAMO-YOLO Documentation

En savoir plus sur DAMO-YOLO

Détails de YOLOX#

Créé par des chercheurs de Megvii, YOLOX visait à combler le fossé entre la recherche et les communautés industrielles en faisant basculer la série YOLO vers une conception sans ancres (anchor-free), ce qui simplifie radicalement l'architecture tout en obtenant 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 : YOLOX Documentation

En savoir plus sur YOLOX

Analyse architecturale#

Architecture de DAMO-YOLO#

DAMO-YOLO repose fortement sur la recherche d'architecture neuronale (NAS). Les composants principaux incluent :

• Backbones MAE-NAS : Utilise un algorithme de recherche évolutionnaire multi-objectifs pour découvrir des backbones qui offrent l'équilibre optimal entre vitesse d'inférence et précision.
• Efficient RepGFPN : Une conception "heavy-neck" adaptée pour la fusion de caractéristiques, qui aide le modèle à maintenir une précision élevée à travers différentes échelles d'objets.
• ZeroHead : Une tête de détection simplifiée et légère qui réduit la charge computationnelle dans les couches de prédiction finales.

Architecture de YOLOX#

YOLOX a adopté une approche différente, en se concentrant sur la simplicité structurelle et une conception sans ancres :

• Mécanisme sans ancres (Anchor-Free) : En prédisant directement les coordonnées de la bbox sans ancres prédéfinies, YOLOX réduit le nombre de paramètres de conception et les ajustements heuristiques requis.
• Tête découplée (Decoupled Head) : Il sépare les tâches de classification et de régression dans différentes branches de caractéristiques, ce qui améliore la vitesse de convergence et la précision globale.
• Assignation d'étiquettes SimOTA : Une stratégie avancée d'assignation d'étiquettes qui alloue dynamiquement des échantillons positifs aux vérités terrain, améliorant ainsi l'efficacité de l'entraînement.

Comparaison des performances#

L'évaluation de ces modèles nécessite d'examiner le mAP (mean Average Precision), les vitesses d'inférence et le nombre de paramètres. Vous trouverez ci-dessous un tableau comparatif détaillé des variantes standard et légères pour les deux architectures.

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

Méthodologies de formation#

Entraîner DAMO-YOLO#

DAMO-YOLO utilise une amélioration par distillation complexe lors de l'entraînement. Souvent, un grand modèle "enseignant" (teacher) est entraîné en premier, et ses connaissances sont distillées dans des modèles "élèves" (student) plus petits. Il utilise également AlignedOTA pour l'attribution dynamique des étiquettes. Bien que très efficace, ce processus d'entraînement en plusieurs étapes augmente considérablement le temps de calcul GPU et la surcharge mémoire nécessaires.

Entraîner YOLOX#

YOLOX repose sur de fortes stratégies d'augmentation de données comme MixUp et Mosaic. Cependant, les auteurs ont découvert que désactiver ces fortes augmentations pour les 15 dernières époques permet au modèle de combler l'écart de réalité, augmentant ainsi considérablement les métriques de précision finale.

Cas d'utilisation idéaux#

• DAMO-YOLO : Mieux adapté aux déploiements industriels à enjeux élevés où des pipelines de distillation côté serveur peuvent être pris en charge, et où le matériel cible (comme des GPU NVIDIA spécifiques) bénéficie directement de son architecture NAS à "heavy-neck".
• YOLOX : Excellent pour les développeurs recherchant une approche purement sans ancres. Le modèle extrêmement léger YOLOXnano le rend viable pour les appareils Android plus anciens, le calcul en périphérie et les capteurs IoT très contraints où le nombre de paramètres est le goulet d'étranglement absolu.

L'avantage Ultralytics : place à YOLO26#

Bien que DAMO-YOLO et YOLOX représentent d'excellentes étapes importantes, les développeurs d'aujourd'hui exigent des solutions plus complètes, polyvalentes et faciles à utiliser. C'est là que la Plateforme Ultralytics et le nouvellement publié Ultralytics YOLO26 se distinguent.

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 de bout en bout sans NMS : YOLO26 élimine nativement le post-traitement NMS (Non-Maximum Suppression). Cela permet un déploiement nettement plus simple et plus rapide, évitant les goulots d'étranglement de latence inhérents aux têtes de détection traditionnelles.
• Jusqu'à 43% d'inférence CPU plus rapide : En supprimant stratégiquement la Distribution Focal Loss (DFL) et en optimisant les couches, YOLO26 offre des vitesses inégalées sur les CPU et le matériel edge.
• Optimiseur MuSGD : Inspiré par les techniques d'entraînement des grands modèles de langage (LLM), YOLO26 introduit l'optimiseur MuSGD (un hybride de SGD et Muon), résultant en des exécutions d'entraînement 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 à DAMO-YOLO, 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#

L'API Python d'Ultralytics rationalise l'expérience du développeur. L'entraînement d'un modèle YOLO26 à la pointe de la technologie nécessite beaucoup moins de code répétitif (boilerplate) et évite les pipelines de distillation complexes de DAMO-YOLO. De plus, les modèles Ultralytics présentent des besoins en mémoire CUDA exceptionnellement bas pendant l'entraînement par rapport aux modèles lourds basés sur les Transformer.

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 entre DAMO-YOLO et YOLOX dépend de contraintes spécifiques : DAMO-YOLO offre des ratios vitesse/précision exceptionnels sur des GPU spécifiques via NAS, tandis que YOLOX fournit une conception propre et sans ancres, idéale pour les scénarios edge légers.

Cependant, pour les équipes recherchant une solution moderne et pérenne dotée d'une communauté active, l'architecture Ultralytics YOLO26 est le choix définitif. Sa conception sans NMS, son inférence CPU rapide et son API unifiée pour les tâches de détection, de segmentation et de pose la rendent inégalée pour passer en douceur de la recherche à une production réelle et robuste.

Pour les développeurs souhaitant explorer d'autres architectures modernes, nous recommandons également de consulter Ultralytics YOLO11 ou les modèles basés sur les Transformers comme RT-DETR disponibles dans la documentation complète d'Ultralytics.