YOLOX face à DAMO-YOLO
L’évolution de la détection d’objets en temps réel a connu plusieurs changements, des architectures avec ancres aux architectures sans ancres, et des backbones conçus manuellement à la recherche automatisée d’architectures neuronales (NAS). Cette comparaison technique analyse deux étapes importantes de cette évolution, YOLOX et DAMO-YOLO, en présentant leurs innovations architecturales, leurs méthodes d’entraînement et leurs compromis de performance, et explique pourquoi Ultralytics YOLO26 est la solution de remplacement recommandée pour les nouveaux projets.
YOLOX : pionnier du paradigme sans ancres#
Sorti le 18 juillet 2021, YOLOX a été développé par Zheng Ge, Songtao Liu, Feng Wang, Zeming Li et Jian Sun chez Megvii. Il a marqué un tournant en intégrant une conception sans ancres à la famille YOLO. Présenté dans leur rapport technique détaillé sur arXiv, YOLOX visait à combler l’écart entre la recherche universitaire et le déploiement industriel.
Principales innovations architecturales#
YOLOX a introduit plusieurs changements structurels fondamentaux qui ont amélioré ses prédécesseurs :
- Mécanisme sans ancres : en prédisant directement le centre d’un objet et les dimensions de sa boîte englobante, YOLOX a réduit le nombre d’heuristiques de conception et simplifié les processus complexes de regroupement des ancres. Cela lui permet de s’adapter à divers scénarios de vision par ordinateur.
- Tête découplée : les modèles YOLO traditionnels utilisaient une seule tête couplée pour la classification et la régression. YOLOX a mis en œuvre une tête découplée, qui traite séparément la classification et la localisation, ce qui accélère la convergence et améliore la précision.
- Affectation des étiquettes SimOTA : Une version simplifiée de l’affectation par transport optimal (OTA) a servi à attribuer dynamiquement les échantillons positifs, réduisant ainsi les temps d’entraînement et évitant les ambiguïtés liées à l’affectation par points centraux.
La conception de tête découplée de YOLOX a fortement influencé les générations suivantes de détecteurs d’objets et est devenue une caractéristique standard de nombreux modèles modernes.
DAMO-YOLO : recherche automatisée d’architecture à grande échelle#
Développé par Xianzhe Xu et une équipe de chercheurs du groupe Alibaba, DAMO-YOLO a été présenté le 23 novembre 2022. Comme l’explique leur publication arXiv, le modèle s’appuyait fortement sur la recherche d’architectures neuronales (NAS) pour améliorer le compromis entre vitesse et précision.
Principales innovations architecturales#
La stratégie de DAMO-YOLO reposait sur l’automatisation de la conception de structures efficaces :
- Backbones MAE-NAS : grâce à une recherche guidée par l’entropie maximale, DAMO-YOLO a découvert des backbones très efficaces, adaptés à des budgets de latence spécifiques, notamment lors de l’exportation vers des frameworks comme TensorRT.
- RepGFPN efficace : une architecture de neck lourde qui améliore la fusion des caractéristiques à différentes résolutions spatiales, ce qui favorise l’analyse d’images aériennes et la détection d’objets à différentes échelles.
- ZeroHead : Une tête de prédiction simplifiée qui réduit la redondance des calculs sans sacrifier la précision moyenne de détection (mAP) globale du modèle.
- AlignedOTA et distillation : intègre des stratégies avancées d’attribution des étiquettes et la distillation des connaissances entre enseignant et élève pour améliorer les performances des modèles élèves plus petits.
Comparaison des performances et des métriques#
Pour comparer ces deux modèles, il est important d’examiner leur nombre de paramètres, les FLOPs requis et leurs profils de latence. Voici les données de benchmark comparant YOLOX et DAMO-YOLO à plusieurs échelles.
| Modèle | taille (pixels) | mAPval50-95 | Vitesse CPU ONNX (ms) | Vitesse T4 TensorRT10 (ms) | paramètres (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| 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 |
| DAMO-YOLOt | 640 | 42.0 | - | 2.32 | 8.5 | 18.1 |
| DAMO-YOLOs | 640 | 46.0 | - | 3.45 | 16.3 | 37.8 |
| DAMO-YOLOm | 640 | 49.2 | - | 5.09 | 28.2 | 61.8 |
| DAMO-YOLOl | 640 | 50.8 | - | 7.18 | 42.1 | 97.3 |
DAMO-YOLO est plus précis que YOLOX pour une latence comparable ; par exemple, DAMO-YOLOt atteint 42,0 mAP en 2,32 ms, contre 40,5 mAP en 2,56 ms pour YOLOXs. Les deux modèles ont toutefois leurs inconvénients : la conception de YOLOX précède nombre de techniques d’entraînement récentes, tandis que la dépendance de DAMO-YOLO à la distillation rend le réentraînement sur des jeux de données personnalisés plus gourmand en ressources et augmente les besoins en mémoire GPU.
Cas d’utilisation et recommandations#
Le choix entre YOLOX et DAMO-YOLO dépend des besoins de ton projet, des contraintes de déploiement et de tes préférences en matière d’écosystème.
Quand choisir YOLOX#
YOLOX est un excellent choix 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 DAMO-YOLO#
DAMO-YOLO est recommandé pour :
- Analyse vidéo à haut débit : Traitement de flux vidéo à FPS élevé sur une infrastructure GPU NVIDIA fixe, lorsque le débit avec une taille de lot de 1 est le principal critère.
- Lignes de fabrication industrielle : Scénarios soumis à des contraintes strictes de latence GPU sur du matériel dédié, comme l’inspection qualité en temps réel sur les chaînes de montage.
- Recherche sur la recherche d’architectures neuronales : Étude des effets de la recherche automatisée d’architectures (MAE-NAS) et des backbones efficaces reparamétrés sur les performances de détection.
Quand choisir Ultralytics (YOLO26)#
Pour la plupart des nouveaux projets, Ultralytics YOLO26 offre la meilleure combinaison de performances et d’expérience développeur :
- Déploiement edge sans NMS : applications nécessitant une inférence cohérente à faible latence, sans la complexité du post-traitement par suppression non maximale (NMS).
- Environnements sans GPU : Les appareils dépourvus d'accélération GPU dédiée, où l'inférence CPU jusqu'à 43 % plus rapide de YOLO26 (YOLO26n par rapport à YOLO11n) procure un avantage décisif.
- 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’avantage Ultralytics : présentation de YOLO26#
YOLOX et DAMO-YOLO sont des étapes historiques importantes, mais les développeurs d’aujourd’hui ont besoin d’une solution qui associe haute précision et facilité d’utilisation. Lancé en janvier 2026, Ultralytics YOLO26 s’appuie sur les modèles sans NMS comme YOLOv10 pour offrir un équilibre solide entre vitesse, précision et expérience de développement.
Pourquoi choisir YOLO26 ?#
Par rapport aux dépôts universitaires distincts, l’écosystème intégré Ultralytics offre :
- Architecture de bout en bout sans NMS : la tête optionnelle un-à-un de YOLO26 (
nms=False) élimine la NMS pendant l’inférence. Il en résulte une latence rapide et prévisible, essentielle pour les déploiements en périphérie et les véhicules autonomes. - Suppression de DFL : en supprimant Distribution Focal Loss, YOLO26 simplifie l’exportation vers les appareils périphériques et améliore la compatibilité avec le matériel basse consommation.
- Optimiseur MuSGD : YOLO26 reprend les innovations d’entraînement des LLM avec son optimiseur hybride SGD et Muon, pour un entraînement stable et une convergence rapide.
- Inférence CPU jusqu’à 43 % plus rapide : après la suppression de DFL et de la NMS, YOLO26n s’exécute jusqu’à 43 % plus rapidement que YOLO11n sur CPU, sans nécessiter de matériel GPU coûteux.
- ProgLoss + STAL : la perte progressive et l’attribution des étiquettes adaptée aux petites cibles (STAL) améliorent la détection des petits objets, ce qui rend YOLO26 particulièrement adapté à des tâches comme les inspections par drone et la surveillance de l’IoT.
- Polyvalence : contrairement à DAMO-YOLO, strictement limité à la détection, YOLO26 prend nativement en charge les tâches de segmentation d’instances, de segmentation sémantique, d’estimation de profondeur, de classification d’images, d’estimation de pose et de boîtes englobantes orientées (OBB) au sein d’un framework unifié unique.
Avec l’API Python d’Ultralytics, tu n’as pas besoin de configurer manuellement des pipelines complexes de distillation ni d’écrire des centaines de lignes de code C++ pour déployer ton modèle.
from ultralytics import YOLO
# Charge le modèle YOLO26 nano
model = YOLO("yolo26n.pt")
# Entraîner le modèle sur un jeu de données personnalisé
train_results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Exécute une inférence ultra-rapide sans NMS
results = model("https://ultralytics.com/images/bus.jpg", nms=False)
# Exporte vers ONNX ou OpenVINO avec une seule commande
model.export(format="openvino")Autres modèles à envisager#
L’écosystème de la vision par ordinateur est vaste. Selon tes contraintes, tu peux aussi explorer d’autres architectures entièrement prises en charge par l’écosystème Ultralytics :
- YOLO11 : le prédécesseur de YOLO26, reconnu pour sa robustesse dans l’analyse du commerce de détail et le contrôle qualité en fabrication.
- YOLOv8 : un modèle sans ancres stable et largement adopté, qui a contribué à populariser le déploiement en périphérie.
- RT-DETR : un Transformer de détection en temps réel développé par Baidu, qui constitue une excellente solution de remplacement pour les tâches tirant fortement parti des mécanismes d’attention globale, au prix toutefois de besoins accrus en mémoire pendant l’entraînement.
Conclusion#
YOLOX et DAMO-YOLO ont apporté des concepts importants à l’évolution de l’apprentissage profond : YOLOX a validé l’approche découplée et sans ancres, tandis que DAMO-YOLO a démontré la puissance de la recherche automatisée d’architectures. Cependant, en production, la complexité de leurs bases de code de recherche originales peut ralentir les équipes agiles.
Avec la plateforme Ultralytics, les développeurs peuvent éviter ces obstacles. La conception de bout en bout de YOLO26, ses vitesses CPU supérieures et sa documentation complète rendent l’IA visuelle précise plus accessible. Que tu développes des infrastructures de ville intelligente, des outils de diagnostic médical ou de la robotique avancée, Ultralytics offre un chemin direct des données brutes au déploiement dans le monde réel.
Commentaires
Pose une question, partage tes résultats ou aide quelqu’un d’autre.