YOLOX face à EfficientDet
L’évolution de la détection d’objets a été portée par la recherche constante d’un équilibre entre vitesse, précision et efficacité de calcul. YOLOX et EfficientDet sont deux modèles phares qui ont fortement influencé cette évolution. YOLOX a introduit une conception sans ancres dans la famille YOLO, tandis qu’EfficientDet s’est concentré sur une architecture évolutive utilisant le compound scaling et BiFPN. Ce guide propose une comparaison technique détaillée de leurs architectures, de leurs métriques de performance et de leurs méthodes d’entraînement, et présente des solutions plus récentes comme le modèle Ultralytics YOLO26.
Origines des modèles et détails techniques#
Avant de comparer leurs différences structurelles, il est important de comprendre les origines des deux modèles et les recherches fondamentales qui les sous-tendent.
Détails sur YOLOX :
- Auteurs : Zheng Ge, Songtao Liu, Feng Wang, Zeming Li et Jian Sun
- Organisation : Megvii
- Date : 18 juillet 2021
- arXiv : YOLOX : dépasser la série YOLO en 2021
- GitHub : Megvii-BaseDetection/YOLOX
- Documentation : Documentation officielle de YOLOX
Détails d’EfficientDet :
- Auteurs : Mingxing Tan, Ruoming Pang et Quoc V. Le
- Organisation : Google Brain
- Date : 20 novembre 2019
- arXiv : EfficientDet : détection d’objets évolutive et efficace
- GitHub et documentation : Google AutoML EfficientDet
En savoir plus sur EfficientDet
Comparaison des architectures#
La différence fondamentale entre YOLOX et EfficientDet tient à leur manière d’extraire les caractéristiques et de prédire les boîtes englobantes. Comprendre ces architectures de détection d’objets est essentiel pour choisir le bon modèle en fonction de ton environnement de déploiement.
YOLOX : le pionnier sans ancres#
YOLOX a fait évoluer la série YOLO, passant d’un détecteur avec ancres à une conception sans ancres. Cette transition a considérablement réduit le nombre de paramètres de conception et simplifié le pipeline d’entraînement.
Parmi ses principales caractéristiques architecturales figure une tête découplée, qui sépare les tâches de classification et de régression. Elle résout ainsi le conflit entre déterminer ce qu’est un objet et prédire précisément où il se trouve. De plus, YOLOX utilise des stratégies avancées d’attribution des étiquettes comme SimOTA, qui attribue dynamiquement les échantillons positifs aux objets de vérité terrain pendant l’entraînement, ce qui accélère la convergence et améliore le compromis entre vitesse et précision.
EfficientDet : mise à l’échelle composée et BiFPN#
EfficientDet aborde la détection d’objets sous l’angle de l’efficacité et de l’évolutivité. Développé par Google, il s’appuie sur le backbone EfficientNet pour l’extraction des caractéristiques.
Sa caractéristique distinctive est le réseau pyramidal de caractéristiques bidirectionnel (BiFPN). Contrairement aux FPN traditionnels, BiFPN facilite et accélère la fusion des caractéristiques multi-échelles en introduisant des poids apprenables pour déterminer l’importance des différentes caractéristiques d’entrée. Associé à une méthode de compound scaling qui ajuste uniformément la résolution, la profondeur et la largeur de tous les backbones, réseaux de caractéristiques et réseaux de prédiction des boîtes et des classes, EfficientDet peut évoluer de modèles de taille mobile (d0) à de grands modèles côté serveur (d7).
Bien que la mise à l’échelle composée d’EfficientDet offre une voie prévisible vers une précision supérieure, elle donne souvent lieu à des graphes de calcul complexes, difficiles à optimiser pour l’informatique en périphérie en temps réel par rapport à la conception épurée et sans ancres de YOLOX.
Analyse des performances et des indicateurs#
Lors de l’évaluation de ces modèles pour des applications de vision par ordinateur dans le monde réel, des métriques comme la précision moyenne, la vitesse d’inférence et le nombre de paramètres sont essentielles.
| 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 |
| EfficientDet-d0 | 512 | 34.6 | - | 3.92 | 3.9 | 2.54 |
| EfficientDet-d1 | 640 | 40.5 | - | 7.31 | 6.6 | 6.1 |
| EfficientDet-d2 | 768 | 43.0 | - | 10.92 | 8.1 | 11.0 |
| EfficientDet-d3 | 896 | 47.5 | - | 19.59 | 12.0 | 24.9 |
| EfficientDet-d4 | 1024 | 49.7 | - | 33.55 | 20.7 | 55.2 |
| EfficientDet-d5 | 1280 | 51.5 | - | 67.86 | 33.7 | 130.0 |
| EfficientDet-d6 | 1280 | 52.6 | - | 89.29 | 51.9 | 226.0 |
| EfficientDet-d7 | 1536 | 53.7 | - | 128.07 | 51.9 | 325.0 |
Analyse des compromis#
Les données mettent en évidence une divergence nette dans les philosophies de conception. EfficientDet-d7 atteint la précision globale la plus élevée, avec une mAP de 53,7 %, mais au prix d’une vitesse d’inférence très faible (128,07 ms sur un GPU T4). À l’inverse, YOLOXx atteint une mAP compétitive de 51,1 % en 16,1 ms, ce qui le rend bien plus adapté à la compréhension vidéo en temps réel et à la robotique.
Cas d’utilisation et recommandations#
Le choix entre YOLOX et EfficientDet 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 EfficientDet#
EfficientDet est recommandé pour :
- Google Cloud et pipelines TPU : systèmes basés sur TensorFlow exécutés sur l’infrastructure Google Cloud TPU, où l’implémentation de référence d’EfficientDet prend en charge l’entraînement sur TPU.
- Recherche sur la mise à l’échelle composée : évaluation comparative universitaire axée sur l’étude des effets d’une mise à l’échelle équilibrée de la profondeur, de la largeur et de la résolution du réseau.
- Déploiement mobile avec LiteRT : projets nécessitant spécifiquement l’exportation vers LiteRT (anciennement TensorFlow Lite) pour Android ou les appareils Linux embarqués.
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 utilisant uniquement le CPU : les appareils dépourvus d’accélération GPU dédiée bénéficient d’un avantage décisif grâce à l’inférence CPU de YOLO26n, jusqu’à 43 % plus rapide que celle de YOLO11n.
- 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.
La solution moderne : Ultralytics YOLO26#
YOLOX et EfficientDet ont marqué des étapes importantes, mais le paysage de l’apprentissage automatique a beaucoup évolué. Pour les développeurs qui déploient aujourd’hui des systèmes de vision, le choix recommandé est YOLO26, le dernier modèle Ultralytics, lancé en janvier 2026.
YOLO26 offre un écosystème bien entretenu et des gains importants en vitesse et en facilité d’utilisation par rapport aux architectures plus anciennes :
Principales innovations de YOLO26#
- Conception de bout en bout sans NMS : la tête facultative à correspondance un-à-un de YOLO26 (
nms=False) élimine le besoin d’un post-traitement NMS. Cette approche native de bout en bout, introduite dans les modèles YOLO par YOLOv10, simplifie le processus d’exportation et réduit la latence de déploiement. - Inférence CPU jusqu’à 43 % plus rapide : après la suppression de la NMS et de Distribution Focal Loss (DFL), YOLO26n s’exécute jusqu’à 43 % plus rapidement que YOLO11n sur CPU, ce qui convient aux appareils périphériques sans GPU dédié.
- Optimiseur MuSGD : en apportant à la vision les innovations des grands modèles de langage (LLM), YOLO26 utilise l’optimiseur MuSGD (hybride de SGD et de Muon) pour stabiliser l’entraînement et accélérer la convergence, ce qui améliore l’efficacité de l’entraînement.
- ProgLoss + STAL : la perte progressive et l’attribution des étiquettes adaptée aux petites cibles (STAL) améliorent la détection des petits objets, essentielle dans des cas d’utilisation comme les opérations par drone et l’analyse d’images aériennes.
- Polyvalence : contrairement à YOLOX, qui se limite strictement à la détection d’objets, YOLO26 prend nativement en charge un large éventail de tâches, notamment la segmentation d’instances, la classification d’images, l’estimation de pose et la détection des boîtes englobantes orientées (OBB).
Facilité d’utilisation avec l’API Ultralytics#
L’un des principaux avantages des modèles Ultralytics est l’expérience utilisateur simplifiée. L’entraînement et le déploiement d’un modèle YOLO26 nécessitent moins de mémoire que les modèles Transformer complexes et ne demandent que quelques lignes de code Python :
from ultralytics import YOLO
# Initialise le modèle YOLO26 natif de bout en bout
model = YOLO("yolo26n.pt")
# Entraîner le modèle sur ton jeu de données personnalisé
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Exporter le modèle entraîné au format TensorRT pour l’inférence sur GPU
model.export(format="engine", dynamic=True)Pour les utilisateurs qui préfèrent les interfaces visuelles, la plateforme Ultralytics fournit des outils d’annotation de jeux de données, d’entraînement dans le cloud et de déploiement.
Cas d'utilisation concrets#
Le choix de la bonne architecture dépend fortement de tes contraintes de déploiement.
Quand envisager EfficientDet#
EfficientDet reste un sujet d’intérêt universitaire dans les environnements où la vitesse d’inférence compte moins que la précision sur les images haute résolution. Son implémentation dans l’écosystème TensorFlow peut également convenir aux équipes qui maintiennent d’anciennes infrastructures Google.
Quand envisager YOLOX#
YOLOX convient aux applications qui nécessitent un équilibre entre vitesse et précision sans la complexité des boîtes d’ancrage. Historiquement, il a bien fonctionné dans des contextes de fabrication industrielle, où une détection rapide des défauts sur les convoyeurs est requise.
Pourquoi choisir YOLO26#
YOLO26 convient mieux à la plupart des applications modernes. Sa conception sans NMS offre une latence prévisible, ce qui en fait un excellent candidat pour la conduite autonome, les systèmes d’alarme de sécurité à réponse rapide et les déploiements en ville intelligente. Le soutien actif de la communauté et les mises à jour fréquentes d’Ultralytics aident également les développeurs à éviter les dépendances obsolètes.
Les développeurs qui explorent la vision par ordinateur avancée devraient également s’intéresser à d’autres architectures de l’écosystème Ultralytics, comme YOLO11 pour les déploiements existants éprouvés ou des modèles spécialisés comme FastSAM pour les tâches de segmentation guidées par des prompts.
Commentaires
Pose une question, partage tes résultats ou aide quelqu’un d’autre.