YOLOv6.0 vs YOLOX : une plongée en profondeur dans la vitesse industrielle et la précision sans ancrage

Le choix de l'architecture optimale de détection d'objets est une décision cruciale qui a un impact sur l'efficacité et la capacité des systèmes de vision par ordinateur. Cette comparaison technique examine YOLOv6.0 et YOLOX, deux modèles influents qui ont façonné le paysage de la détection en temps réel. Nous analysons leurs innovations architecturales, leurs mesures de performance de référence et leur adéquation à divers scénarios de déploiement.

YOLOv6.0 : Conçu pour l'efficacité industrielle

Auteurs: Chuyi Li, Lulu Li, Yifei Geng, Hongliang Jiang, Meng Cheng, Bo Zhang, Zaidan Ke, Xiaoming Xu et Xiangxiang Chu
Organisation: Meituan
Date: 2023-01-13
Arxiv: YOLOv6 v3.0 : A Full-Scale Reloading
GitHub : YOLOv6
Docs: Ultralytics YOLOv6 Documentation

Développé par le département Vision AI de Meituan, YOLOv6.0 est conçu explicitement pour les applications industrielles où les ressources matérielles sont souvent limitées, mais où la vitesse en temps réel n'est pas négociable. Il se concentre sur l'optimisation du débit des pipelines de détection d'objets sur du matériel GPU standard.

Architecture et principales fonctionnalités

YOLOv6.0 introduit une série de "bag-of-freebies" pour améliorer la précision sans augmenter le coût de l'inférence.

• Une épine dorsale paramétrable : Il utilise une épine dorsale EfficientRep qui permet une structure complexe à branches multiples pendant l'apprentissage (capture de caractéristiques riches) qui s'effondre en une structure simple et rapide à chemin unique pendant l'inférence.
• Formation assistée par ancrage (AAT) : Alors que le modèle fonctionne comme un détecteur sans ancrage pendant l'inférence, il utilise des branches auxiliaires basées sur l'ancrage pendant la formation pour stabiliser la convergence et améliorer les performances.
• Autodistillation : Technique de distillation des connaissances dans laquelle le modèle de l'élève apprend à partir des prédictions de son propre modèle d'enseignant, en affinant sa précision sans dépendances externes.

Points forts et faiblesses

La principale force de YOLOv6.0 réside dans son optimisation de la latence. Il atteint des vitesses d'inférence exceptionnelles sur les GPU NVIDIA lorsqu'il est optimisé avec TensorRTce qui en fait un candidat de choix pour l'automatisation des usines à haut débit et la surveillance des villes intelligentes. En outre, sa prise en charge de l'apprentissage sensible à la quantification (QAT) facilite le déploiement sur les appareils périphériques avec des exigences de précision réduites.

Cependant, le modèle est quelque peu spécialisé. Il ne dispose pas de la polyvalence multitâche native que l'on trouve dans les cadres plus larges, et se concentre presque exclusivement sur la détection. En outre, son écosystème, bien que robuste, est plus petit que la communauté entourant les modèles Ultralytics , ce qui limite potentiellement la disponibilité de tutoriels tiers et de poids pré-entraînés pour les ensembles de données de niche.

En savoir plus sur YOLOv6

YOLOX : Simplicité et innovation sans ancrage

Auteurs: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li, et Jian Sun
Organisation: Megvii
Date: 2021-07-18
Arxiv: YOLOX : Dépassement de la série YOLO en 2021
GitHub : Megvii-BaseDetection/YOLOX
Docs: YOLOX Documentation

YOLOX a représenté un changement de paradigme en intégrant les détecteurs sans ancrage dans la lignée YOLO . En supprimant le besoin de boîtes d'ancrage prédéfinies, il a simplifié le processus de conception et amélioré la généralisation sur des formes d'objets variées.

Architecture et principales fonctionnalités

YOLOX intègre plusieurs techniques avancées pour améliorer les performances tout en conservant une architecture propre :

• Tête découplée : Contrairement aux versions précédentes de YOLO qui utilisaient une tête couplée (partageant les caractéristiques pour la classification et la localisation), YOLOX sépare ces tâches, ce qui permet une convergence plus rapide et une meilleure précision.
• SimOTA Label Assignment : Une stratégie avancée d'attribution dynamique d'étiquettes qui traite le processus de formation comme un problème de transport optimal, en attribuant automatiquement les échantillons positifs aux vérités de terrain de manière à minimiser les coûts.
• Forte augmentation : Il utilise fortement MixUp et Mosaic, ce qui permet au modèle d'apprendre des caractéristiques robustes même en l'absence de bases pré-entraînées.

Points forts et faiblesses

YOLOX excelle en termes de précision et de flexibilité de recherche. Son absence d'ancrage le rend particulièrement efficace pour la détection d'objets présentant des rapports d'aspect inhabituels, surpassant souvent les équivalents basés sur l'ancrage dans ces scénarios. Le modèle YOLOX-Nano est également très léger (moins de 1M de paramètres), ce qui le rend idéal pour les microcontrôleurs à très faible consommation.

En revanche, YOLOX peut être plus coûteux en termes de FLOPs que des modèles plus récents tels que YOLOv6 ou YOLO11 pour le même niveau de précision. Son pipeline d'apprentissage, bien qu'efficace, peut être plus lent en raison des calculs complexes d'attribution dynamique des étiquettes, et il nécessite généralement plus de mémoire GPU pendant l'apprentissage par rapport aux implémentations Ultralytics hautement optimisées.

En savoir plus sur YOLOX

Comparaison des performances : Mesures et analyses

Le tableau suivant présente une comparaison directe des principales mesures de performance sur l'ensemble de donnéesCOCO .

Analyse

Les données mettent en évidence une divergence évidente dans la philosophie de conception. YOLOv6.0 domine en termes d'efficacité matérielle. Par exemple, le YOLOv6-3.0n atteint un temps d'inférence fulgurant de 1,17 ms sur les GPU T4, ce qui est nettement plus rapide que les repères habituels pour les modèles de sa catégorie. Les YOLOv6-3.0l dépasse également le plus grand modèle YOLOX (YOLOXx) en termes de précision (52,8 contre 51,1 mAP), tout en utilisant près de la moitié de l'énergie nécessaire à la production d'électricité. FLOPs.

YOLOXEn revanche, il l'emporte dans la catégorie des poids ultra-légers. Les YOLOXnano est inférieur à 1M de paramètres, un exploit que peu de détecteurs modernes reproduisent, ce qui le rend particulièrement adapté aux applications IoT spécifiques où le stockage de la mémoire est le principal goulot d'étranglement plutôt que la vitesse de calcul. Cependant, pour la détection générale, YOLOX a tendance à nécessiter plus de paramètres pour une précision comparable à celle de YOLOv6.

L'avantage Ultralytics : Pourquoi choisir YOLO11 ?

YOLOv6 et YOLOX offrent des solutions robustes pour des niches spécifiques, Ultralytics YOLO11 représente le point culminant de la recherche de pointe, offrant un équilibre supérieur entre la vitesse, la précision et la convivialité pour la grande majorité des développeurs.

Polyvalence et écosystème inégalés

Contrairement à ses concurrents qui se concentrent souvent sur la détection de boîtes englobantes, YOLO11 prend en charge en mode natif un large éventail de tâches de vision par ordinateur, notamment la segmentation des instances, l'estimation de la pose, la détection d'objets orientés (OBB) et la classification. Cela permet aux développeurs de résoudre des problèmes complexes à plusieurs étapes avec un cadre unique.

De plus, l'écosystèmeUltralytics est activement maintenu, assurant la compatibilité avec les dernières versions de Python , les mises à jour de PyTorch et les cibles de déploiement telles que CoreML, OpenVINOet ONNX.

Efficacité et facilité d'utilisation

YOLO11 est conçu pour l'efficacité de l'entraînement, nécessitant généralement moins de mémoire GPU que les alternatives basées sur les transformateurs (comme RT-DETR) ou les anciennes versions de YOLO . Cela permet aux chercheurs d'entraîner des modèles plus importants sur du matériel grand public. L'API Python est conçue pour être simple, permettant aux utilisateurs de passer de l'installation à l'inférence en seulement quelques lignes de code :

from ultralytics import YOLO

# Load the YOLO11 model (n, s, m, l, or x)
model = YOLO("yolo11n.pt")

# Perform inference on an image
results = model("path/to/image.jpg")

# Export to ONNX for deployment
model.export(format="onnx")

Équilibre des performances dans le monde réel

Les analyses comparatives montrent systématiquement que YOLO11 obtient des résultats plus élevés que les autres. mAP à des vitesses d'inférence comparables ou plus rapides que YOLOv6 et YOLOX. Cette performance "Pareto optimale" en fait le choix recommandé pour des applications allant des véhicules autonomes à l'analyse d'imagerie médicale.

Conclusion

Lorsque l'on compare YOLOv6.0 et YOLOX, le choix dépend fortement de vos contraintes spécifiques. YOLOv6.0 est le choix idéal pour les déploiements de GPU strictement industriels où la latence à la milliseconde est critique. YOLOX reste un choix solide pour la recherche sur les architectures sans ancrage et pour les environnements de stockage ultra-contraints grâce à son modèle Nano.

Cependant, pour les développeurs à la recherche d'une solution à l'épreuve du temps qui combine des performances de premier plan avec une plateforme facile à utiliser et riche en fonctionnalités, Ultralytics YOLO11 est le vainqueur incontesté. Sa capacité à gérer de manière transparente des tâches multiples, associée à une documentation complète et à une large assistance au déploiement, accélère le cycle de vie du développement, de la conception à la production.

Explorez d'autres comparaisons pour voir comment les modèles Ultralytics se situent par rapport à RT-DETR ou YOLOv7.

Commentaires