YOLOv10 vs YOLOX
Le domaine de la vision par ordinateur est porté par les progrès rapides des architectures de détection d’objets en temps réel. Cette comparaison technique détaillée examine deux modèles influents qui ont fait progresser l’efficacité et la conception des détecteurs : YOLOv10 et YOLOX. En étudiant leurs différences architecturales, leurs indicateurs de performance et leurs méthodes d’entraînement, les développeurs et les chercheurs peuvent prendre des décisions éclairées pour déployer des systèmes de vision robustes.
Origines et contexte des modèles#
Comprendre les origines de ces modèles d’apprentissage profond fournit un contexte précieux sur leurs objectifs architecturaux et leurs cas d’utilisation ciblés.
YOLOv10 : éliminer NMS pour une détection réellement de bout en bout#
Conçu pour résoudre des problèmes de latence persistants, YOLOv10 a introduit une approche native de bout en bout dans la famille YOLO.
- Auteurs : Ao Wang, Hui Chen, Lihao Liu, et al.
- Organisation : Université Tsinghua
- Date : 23 mai 2024
- arXiv : 2405.14458
- GitHub : THU-MIG/yolov10
- Documentation : Documentation Ultralytics YOLOv10
YOLOX : combler le fossé entre la recherche et l’industrie#
YOLOX est apparu comme une version sans ancres de l’architecture YOLO traditionnelle, offrant une méthodologie plus simple et des performances compétitives, spécifiquement conçue pour faciliter le déploiement dans les communautés industrielles.
- Auteurs : Zheng Ge, Songtao Liu, Feng Wang, Zeming Li et Jian Sun
- Organisation : Megvii
- Date : 18 juillet 2021
- arXiv : 2107.08430
- GitHub : Megvii-BaseDetection/YOLOX
- Documentation : Documentation officielle de YOLOX
Points forts et innovations architecturaux#
Les deux frameworks s’écartent des détecteurs traditionnels basés sur des ancres, mais ils répondent à des problèmes différents dans le pipeline de détection d’objets.
Architecture de YOLOX#
YOLOX a apporté plusieurs mises à jour importantes à l’architecture YOLO en 2021. Sa principale contribution a été l’adoption d’une conception de détecteur sans ancres. En éliminant les boîtes d’ancrage prédéfinies, YOLOX a réduit le nombre de paramètres de conception et le réglage heuristique nécessaires pour différents jeux de données.
De plus, YOLOX utilise une tête découplée, qui sépare les tâches de classification et de régression. Cela a résolu le conflit entre les deux objectifs et accéléré la convergence pendant l’entraînement. YOLOX utilise également SimOTA pour l’attribution dynamique des étiquettes, ce qui améliore la gestion des scènes encombrées et des occultations courantes dans le jeu de données COCO.
Les architectures sans ancres, comme celle utilisée par YOLOX, réduisent la complexité du réglage des modèles. Les développeurs n’ont plus besoin d’effectuer un clustering k-means sur des jeux de données personnalisés pour définir les tailles optimales des boîtes d’ancrage, ce qui permet de gagner du temps de préparation.
Architecture de YOLOv10#
Bien que YOLOX ait amélioré la tête de détection, il reposait toujours sur la suppression non maximale (NMS) pendant l’inférence, ce qui entraîne une variabilité de la latence. YOLOv10 a spécifiquement ciblé cette limitation en introduisant une stratégie d’attribution double cohérente pour l’entraînement sans NMS. Pendant l’entraînement, YOLOv10 utilise des attributions d’étiquettes un-à-plusieurs et un-à-un, mais pendant l’inférence, il peut supprimer entièrement la tête un-à-plusieurs et produire des prédictions sans post-traitement NMS (dans le package Ultralytics, sélectionne cette tête avec nms=False).
YOLOv10 se caractérise également par une architecture de modèle globale axée sur l’efficacité et la précision. Elle intègre des têtes de classification légères et un sous-échantillonnage spatial-canal découplé, ce qui réduit le nombre de paramètres et les FLOPs sans sacrifier la précision.
Comparaison des performances#
L’évaluation de ces modèles sur du matériel comme le GPU NVIDIA T4 révèle des avantages distincts selon l’échelle. Le tableau ci-dessous compare les deux familles de modèles.
| Modèle | taille (pixels) | mAPval50-95 | Vitesse CPU ONNX (ms) | Vitesse T4 TensorRT10 (ms) | paramètres (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv10n | 640 | 38.5 | - | 1.84 | 2.3 | 6.7 |
| YOLOv10s | 640 | 46.3 | - | 2.49 | 7.2 | 21.6 |
| YOLOv10m | 640 | 51.1 | - | 4.74 | 15.4 | 59.1 |
| YOLOv10b | 640 | 52.5 | - | 5.74 | 19.1 | 92.0 |
| YOLOv10l | 640 | 53.2 | - | 7.28 | 24.4 | 120.3 |
| YOLOv10x | 640 | 54.4 | - | 10.70 | 29.5 | 160.4 |
| 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 |
Comme indiqué ci-dessus, YOLOv10 s’adapte bien à différentes échelles. La variante YOLOv10x atteint la précision la plus élevée (54.4 mAP), tandis que la variante YOLOv10n offre la vitesse d’inférence TensorRT publiée la plus élevée. À l’inverse, le modèle YOLOX-Nano présente l’empreinte la plus réduite (0.91M paramètres à 416 pixels), ce qui convient aux environnements soumis à de fortes contraintes.
Méthodes d’entraînement et besoins en ressources#
Lors de la mise en œuvre de modèles en production, l’écosystème d’entraînement et les besoins en ressources sont tout aussi essentiels que la vitesse brute d’inférence.
YOLOX repose sur une ancienne base de code dont les dépendances et la configuration de l’environnement peuvent être difficiles à gérer avec les piles logicielles actuelles.
À l’inverse, YOLOv10 est intégré à l’écosystème Ultralytics, ce qui simplifie l’expérience des développeurs. Les modèles Ultralytics YOLO utilisent également moins de mémoire CUDA pendant l’entraînement que les architectures basées sur Transformer, comme RT-DETR.
Exemple de code : entraînement simplifié#
Avec l’API unifiée d’Ultralytics, tu peux entraîner des modèles en quelques lignes de Python, sans compiler manuellement les opérateurs C++ ni modifier des fichiers de configuration complexes.
from ultralytics import YOLO
# Initialiser un modèle YOLOv10 préentraîné
model = YOLO("yolov10s.pt")
# Entraîner le modèle sur le jeu de données COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Valider les performances du modèle
metrics = model.val()
# Exporter le modèle optimisé au format ONNX
model.export(format="onnx")Cette syntaxe simple donne immédiatement accès à la précision mixte automatique, à l’augmentation automatisée des données et à l’intégration prête à l’emploi avec des outils comme Weights & Biases.
Cas d’utilisation et recommandations#
Le choix entre YOLOv10 et YOLOX dépend des exigences propres à ton projet, des contraintes de déploiement et de tes préférences en matière d’écosystème.
Quand choisir YOLOv10#
YOLOv10 est un excellent choix pour :
- Détection en temps réel sans NMS : les applications qui tirent parti de la détection de bout en bout sans suppression non maximale, ce qui réduit la complexité du déploiement.
- Équilibre entre vitesse et précision : les projets qui nécessitent un bon compromis entre vitesse d’inférence et précision de détection, pour différentes tailles de modèles.
- Applications à latence constante : les scénarios de déploiement où des temps d’inférence prévisibles sont essentiels, comme en robotique ou dans les systèmes autonomes.
Quand choisir YOLOX#
YOLOX est recommandé pour :
- Recherche sur la détection sans ancres : recherche universitaire qui utilise l’architecture épurée sans ancres de YOLOX comme référence pour expérimenter de nouvelles têtes de détection ou fonctions de perte.
- Appareils périphériques ultralégers : déploiement sur des microcontrôleurs ou du matériel mobile ancien, où l’empreinte extrêmement réduite (0,91 M de paramètres) de la variante YOLOX-Nano est essentielle.
- Études sur l’assignation d’étiquettes SimOTA : projets de recherche qui étudient les stratégies d’assignation d’étiquettes basées sur le transport optimal et leur impact sur la convergence de l’entraînement.
Quand choisir Ultralytics (YOLO26)#
Pour la plupart des nouveaux projets, Ultralytics YOLO26 offre le meilleur équilibre entre performances et expérience développeur :
- Déploiement en périphérie sans NMS : les applications qui exigent des inférences à faible latence et constantes, sans la complexité du post-traitement par suppression non maximale.
- Environnements exclusivement CPU : appareils sans accélération GPU dédiée, sur lesquels YOLO26n est jusqu’à 43 % plus rapide que YOLO11n sur CPU.
- Détection de petits objets : scénarios difficiles comme les images aériennes capturées par drone ou l’analyse de capteurs IoT, où ProgLoss et STAL améliorent la précision sur les objets minuscules.
L’avenir de l’IA visuelle : voici YOLO26#
YOLOv10 et YOLOX représentent des étapes importantes, mais le domaine continue d’évoluer. Pour les développeurs qui démarrent de nouveaux projets, Ultralytics YOLO26 est le choix recommandé.
Sorti en janvier 2026, Ultralytics YOLO26 s’appuie sur la conception de bout en bout sans NMS introduite dans les modèles YOLO par YOLOv10 et la propose sous la forme d’une tête one-to-one facultative (nms=False).
YOLO26 apporte également plusieurs autres améliorations :
- Inférence CPU jusqu’à 43 % plus rapide : grâce à la suppression de Distribution Focal Loss (DFL), YOLO26n s’exécute jusqu’à 43 % plus rapidement que YOLO11n sur CPU, ce qui est utile sur les appareils edge sans GPU.
- Optimiseur MuSGD : inspiré de l’entraînement des LLM, cet hybride de SGD et Muon accélère la convergence et stabilise les entraînements.
- ProgLoss + STAL : Progressive Loss et l’attribution des étiquettes tenant compte des petites cibles améliorent la reconnaissance des petits objets, un facteur essentiel pour l’imagerie aérienne et les capteurs IoT.
- Polyvalence : contrairement à YOLOX, qui est strictement un détecteur d’objets, YOLO26 prend nativement en charge la segmentation d’instances, la segmentation sémantique, l’estimation de profondeur, la classification d’images, l’estimation de pose et la détection OBB au sein d’une seule bibliothèque unifiée.
Pour simplifier au maximum la mise en production, les développeurs peuvent utiliser l’Ultralytics Platform pour annoter les jeux de données, entraîner des modèles YOLO26 dans le cloud et les exporter ou les déployer avec une configuration minimale.
Applications concrètes#
Le modèle adapté dépend du scénario de déploiement et du secteur d’activité.
Analyse vidéo à haute vitesse#
Pour traiter des flux vidéo denses, par exemple pour la gestion du trafic dans les villes intelligentes, YOLOv10 présente un avantage grâce à sa conception sans NMS. La suppression du goulot d’étranglement lié à NMS maintient une latence constante, ce qui en fait un bon choix à associer à des algorithmes de suivi comme BoT-SORT.
Déploiement sur des appareils en périphérie anciens#
Pour les anciens environnements universitaires ou les applications Android héritées conçues autour de YOLOX, les modèles plus petits comme YOLOX-Tiny peuvent encore être utiles lorsque le maintien d’anciens environnements PyTorch constitue un compromis acceptable.
Appareils modernes en périphérie et IoT#
Pour les déploiements sur du matériel de nouvelle génération, comme la robotique, les drones et l’analyse des rayons en magasin, YOLO26 est la solution recommandée. Sa latence CPU plus faible et sa meilleure détection des petits objets le rendent particulièrement adapté à la navigation autonome et à la gestion détaillée des stocks.
Pour approfondir tes comparaisons et élargir ta boîte à outils d’apprentissage profond, tu peux aussi découvrir comment ces modèles se comparent à des solutions comme le modèle flexible YOLO11 ou le modèle basé sur Transformer RT-DETR.
Commentaires
Pose une question, partage tes résultats ou aide quelqu’un d’autre.