YOLOv6-3.0 vs YOLOX : Un examen approfondi de la vitesse industrielle et de la précision sans ancrage

Le choix de l'architecture de détection d'objets optimale est une décision cruciale qui a un impact sur l'efficacité et la capacité des systèmes de vision par ordinateur. Cette comparaison technique examine YOLOv6-3.0 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.

YOLOv6-3.0 : 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 : Un rechargement à grande échelle
GitHub : meituan/YOLOv6
Docs : Documentation Ultralytics YOLOv6

Développé par le département Vision AI de Meituan, YOLOv6-3.0 est conçu explicitement pour les applications industrielles où les ressources matérielles sont souvent limitées, mais où la vitesse en temps réel est non négociable. Il se concentre sur la maximisation du débit des pipelines de détection d'objets sur du matériel GPU standard.

Architecture et principales fonctionnalités

YOLOv6-3.0 introduit une série de "bag-of-freebies" pour améliorer la précision sans augmenter le coût de l'inférence.

• Backbone reparamétrable : Il utilise un backbone EfficientRep qui permet une structure complexe à branches multiples pendant l'entraînement (capturant des caractéristiques riches) qui s'effondre en une structure simple et rapide à chemin unique pendant l'inférence.
• Formation assistée par l’ancrage (AAT) : Bien 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.
• Auto-Distillation : Une technique de distillation des connaissances où le modèle étudiant apprend à partir des prédictions de son propre modèle enseignant, affinant ainsi 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 manque la polyvalence multitâche native que l'on trouve dans les frameworks plus larges, se concentrant presque exclusivement sur la detect. De plus, son écosystème, bien que robuste, est plus petit que la communauté entourant les modèles Ultralytics, ce qui pourrait limiter 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 : Dépasser la série YOLO en 2021
GitHub : Megvii-BaseDetection/YOLOX
Docs : Documentation YOLOX

YOLOX a représenté un changement de paradigme en introduisant les détecteurs sans ancres dans la lignée principale de YOLO. En supprimant le besoin de boîtes d'ancrage prédéfinies, il a simplifié le processus de conception et amélioré la généralisation à travers diverses formes d'objets.

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 des caractéristiques pour la classification et la localisation), YOLOX sépare ces tâches, ce qui conduit à une convergence plus rapide et à une meilleure précision.
• Attribution de label SimOTA : Une stratégie avancée d'attribution dynamique de label qui traite le processus de formation comme un problème de transport optimal, attribuant automatiquement des échantillons positifs aux vérités terrain d'une manière qui minimise les coûts.
• Forte augmentation : Il utilise fortement les augmentations MixUp et Mosaic, ce qui permet au modèle d’apprendre des caractéristiques robustes même sans backbones pré-entraînés.

Points forts et faiblesses

YOLOX excelle en matière de précision et de flexibilité de la recherche. Sa nature sans ancrage le rend particulièrement efficace pour detecter des objets avec des rapports d'aspect inhabituels, surpassant souvent les équivalents basés sur l'ancrage dans ces scénarios. Le modèle YOLOX-Nano est également particulièrement léger (moins de 1 million de paramètres), ce qui le rend idéal pour les microcontrôleurs à très faible consommation d'énergie.

L'inconvénient est que YOLOX peut être plus coûteux en termes de FLOPs par rapport aux modèles plus récents comme YOLOv6 ou YOLO11 pour le même niveau de précision. Son pipeline d'entraînement, 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'entraînement que les implémentations Ultralytics hautement optimisées.

En savoir plus sur YOLOX

Comparaison des performances : métriques et analyse

Le tableau suivant présente une comparaison directe des indicateurs clés de performance sur le jeu de données COCO.

Analyse

Les données mettent en évidence une divergence claire dans la philosophie de conception. YOLOv6-3.0 domine en termes d'efficacité tenant compte du matériel. Par exemple, le YOLOv6-3.0n atteint un temps d'inférence fulgurant de 1,17 ms sur les GPU T4, ce qui est considérablement plus rapide que les benchmarks typiques pour les modèles de sa catégorie. Le YOLOv6-3.0l dépasse également le plus grand modèle YOLOX (YOLOXx) en précision (52,8 contre 51,1 mAP) tout en utilisant près de la moitié de la FLOPs.

YOLOX, à l’inverse, remporte la palme dans la catégorie ultra-léger. Le YOLOXnano est inférieur à 1 M de paramètres, un exploit que peu de détecteurs modernes reproduisent, ce qui le rend particulièrement adapté aux applications IoT spécifiques où le stockage en mémoire est le principal goulot d'étranglement plutôt que la vitesse de calcul. Cependant, pour la détection à usage général, YOLOX a tendance à nécessiter plus de paramètres pour une précision comparable à celle de YOLOv6.

L'avantage Ultralytics : Pourquoi choisir YOLO11 ?

Bien que 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 vitesse, précision et convivialité pour la grande majorité des développeurs.

Polyvalence et écosystème inégalés

Contrairement à ses concurrents qui se concentrent souvent uniquement sur la détection de boîtes englobantes, YOLO11 offre une prise en charge native d'un large éventail de tâches de vision par ordinateur, notamment la segmentation d'instance, l'estimation de pose, la détection d'objets orientés (OBB) et la classification. Cela permet aux développeurs de résoudre des problèmes complexes et multi-étapes avec un seul framework.

De plus, l'écosystème Ultralytics est activement maintenu, assurant la compatibilité avec les dernières versions de Python, les mises à jour de PyTorch et les cibles de déploiement comme CoreML, OpenVINO et 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 grands sur du matériel grand public. L'API Python est conçue pour la simplicité, permettant aux utilisateurs de passer de l'installation à l'inférence en 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 benchmarks montrent systématiquement que YOLO11 atteint des scores mAP plus élevés à des vitesses d'inférence comparables ou plus rapides que YOLOv6 et YOLOX. Cette performance "Pareto optimal" en fait le choix recommandé pour les applications allant des véhicules autonomes à l'analyse d'imagerie médicale.

Conclusion

Lorsque l'on compare YOLOv6-3.0 et YOLOX, le choix dépend fortement de vos contraintes spécifiques. YOLOv6-3.0 est la solution idéale pour les déploiements GPU strictement industriels où la latence au niveau de la milliseconde est essentielle. YOLOX reste un choix solide pour la recherche sur les architectures sans ancrage et pour les environnements de stockage ultra-contraints via son modèle Nano.

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

Découvrez d'autres comparaisons pour voir comment les modèles Ultralytics se mesurent à RT-DETR ou YOLOv7.

Commentaires