Commencer

YOLOX contre YOLOv10

L’évolution des modèles de vision par ordinateur en temps réel a été marquée par d’importantes avancées architecturales. YOLOX et YOLOv10 constituent deux jalons majeurs de cette évolution. Publié en 2021, YOLOX a contribué à rapprocher la recherche universitaire des applications industrielles en introduisant une architecture efficace sans ancres. Trois ans plus tard, YOLOv10 a éliminé le besoin de suppression des non-maxima (NMS) lors du post-traitement, améliorant ainsi l’efficacité et la vitesse.

Cette comparaison technique examine les architectures, les indicateurs de performance et les cas d’utilisation idéaux des deux modèles afin de t’aider à choisir le bon outil pour ton prochain projet de détection d’objets.

Origines et métadonnées des modèles#

Comprendre les origines de ces modèles permet de mieux cerner leurs choix architecturaux et leurs environnements de déploiement visés.

Détails sur YOLOX

En savoir plus sur YOLOX

Détails sur YOLOv10

En savoir plus sur YOLOv10

Innovations architecturales#

Les principales différences entre YOLOX et YOLOv10 concernent leur gestion des prédictions de boîtes englobantes et du post-traitement.

YOLOX : pionnier de la conception sans ancres#

YOLOX a fait passer la famille YOLO à une architecture sans ancres. En prédisant le centre d’un objet au lieu de s’appuyer sur des boîtes d’ancrage prédéfinies, YOLOX a considérablement réduit le nombre de paramètres de conception et le réglage heuristique nécessaires pour les jeux de données personnalisés. Il a également introduit une tête découplée, qui sépare les tâches de classification et de régression en voies distinctes. Cette approche a réduit le conflit entre l’identification de ce qu’est un objet et la détermination de son emplacement, ce qui a entraîné des gains notables en vitesse de convergence et en précision.

YOLOv10 : détection en temps réel sans NMS#

YOLOX a simplifié la tête de détection, mais s’appuyait toujours sur la NMS pour filtrer les prédictions redondantes de boîtes englobantes. YOLOv10 s’est attaqué à ce goulot d’étranglement fondamental. Grâce à des assignations doubles cohérentes pendant l’entraînement, YOLOv10 réalise une détection native de bout en bout. Il utilise une tête one-to-many pendant l’entraînement pour garantir des signaux de supervision riches, puis une tête one-to-one pendant l’inférence pour produire directement les prédictions finales. Cette conception globale, qui optimise l’efficacité et la précision, élimine complètement la NMS et réduit considérablement la latence d’inférence sur les puces embarquées.

Impact de la suppression de la NMS

La suppression des maxima locaux est souvent une opération complexe à accélérer sur les unités de traitement neuronal (NPU). En la supprimant, YOLOv10 permet à l'ensemble du graphe du modèle de s'exécuter sur du matériel spécialisé, ce qui améliore la compatibilité avec des frameworks d'optimisation comme OpenVINO et TensorRT.

Métriques et comparaison des performances#

Lors de l’évaluation de modèles pour la production, il est essentiel de trouver le juste équilibre entre précision et coût de calcul. Le tableau ci-dessous illustre les compromis entre les différentes tailles de YOLOX et de YOLOv10.

Modèletaille
(pixels)
mAPval50-95Vitesse
CPU ONNX
(ms)
Vitesse
T4 TensorRT10
(ms)
paramètres
(M)
FLOPs
(B)
YOLOXnano41625.8--0.911.08
YOLOXtiny41632.8--5.066.45
YOLOXs64040.5-2.569.026.8
YOLOXm64046.9-5.4325.373.8
YOLOXl64049.7-9.0454.2155.6
YOLOXx64051.1-16.199.1281.9
YOLOv10n64038.5-1.842.36.7
YOLOv10s64046.3-2.497.221.6
YOLOv10m64051.1-4.7415.459.1
YOLOv10b64052.5-5.7419.192.0
YOLOv10l64053.2-7.2824.4120.3
YOLOv10x64054.4-10.7029.5160.4

Analyse des données#

Les métriques montrent les progrès générationnels de YOLOv10. Par exemple, YOLOv10-S atteint une précision moyenne de 46,3 %, contre 46,9 % pour YOLOX-m, tout en utilisant moins d'un tiers du nombre de paramètres (7,2 M contre 25,3 M) et nettement moins de FLOP. De plus, le modèle haut de gamme YOLOv10-X pousse le mAP à 54,4 %, ce qui le rend très compétitif pour les tâches exigeant une grande précision, tout en restant plus rapide que l'ancienne architecture YOLOX-x.

Les avantages de l’écosystème Ultralytics#

YOLOX reste une implémentation de recherche open source robuste, mais adopter YOLOv10 donne immédiatement accès à l’écosystème bien entretenu d’Ultralytics. Choisir un modèle pris en charge par Ultralytics garantit une expérience utilisateur fluide, caractérisée par une API simple et une documentation exhaustive.

Les développeurs bénéficient des faibles besoins en mémoire du framework : l'entraînement des modèles Ultralytics consomme généralement beaucoup moins de mémoire CUDA que les solutions lourdes basées sur des Transformers, comme RT-DETR. Cette empreinte d'entraînement efficace permet d'utiliser des tailles de lot plus importantes sur du matériel grand public, accélérant ainsi le passage de la collecte des données au déploiement du modèle. Le framework prend également en charge plusieurs tâches, ce qui permet de passer de la détection d'objets à la segmentation d'instances et à l'estimation de pose avec un minimum de modifications du code.

Exemple d’entraînement et d’inférence#

L'API unifiée permet de valider rapidement des idées. L'extrait suivant entraîne et déploie un modèle YOLOv10 avec le backend PyTorch :

from ultralytics import YOLO

# Charger un modèle YOLOv10 nano préentraîné
model = YOLO("yolov10n.pt")

# Entraîner le modèle sur le jeu de données COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Lancer l’inférence sur une image d’exemple
predictions = model.predict("https://ultralytics.com/images/bus.jpg")

# Exporter le modèle pour le déploiement en périphérie
model.export(format="engine", quantize=16)

Grâce aux routines d'export intégrées, la conversion des modèles vers des formats comme TensorRT ou ONNX ne nécessite qu'une seule ligne de code et évite les étapes de compilation complexes.

Cas d’utilisation idéaux et scénarios de déploiement#

Le choix entre ces architectures dépend principalement des contraintes de ton matériel et des exigences propres à ton domaine.

Analyse vidéo en temps réel#

Pour les applications qui exigent une très faible latence, comme la conduite autonome ou la surveillance du trafic en temps réel, YOLOv10 est le meilleur choix. Sa conception de bout en bout sans NMS garantit des temps d'exécution prévisibles, ce qui est essentiel pour les systèmes de sécurité qui ne peuvent tolérer une latence variable lors du post-traitement. Les modèles atteignent des fréquences d'images élevées sur des appareils comme la gamme NVIDIA Jetson.

Références universitaires et microcontrôleurs edge#

YOLOX reste utile dans les contextes universitaires où les chercheurs souhaitent disposer d'une référence à tête découplée épurée pour expérimenter des stratégies d'attribution des étiquettes. De plus, le très petit YOLOX-Nano (moins d'un million de paramètres) peut tenir sur des appareils de périphérie très limités en ressources et en mémoire, à condition que le matériel prenne en charge les opérations de convolution standard.

YOLOv10 a marqué une avancée majeure dans la suppression du NMS, mais le domaine de la vision par ordinateur évolue rapidement. Pour les nouveaux projets, Ultralytics recommande YOLO26, publié en janvier 2026.

YOLO26 s'appuie sur les idées de ses prédécesseurs et offre un excellent compromis entre performances, tout en prenant nativement en charge la détection, la segmentation d'instances et sémantique, l'estimation de profondeur, la classification, l'estimation de pose et les boîtes englobantes orientées.

Voici pourquoi YOLO26 est le choix recommandé pour les pipelines modernes de vision par ordinateur :

  • Conception de bout en bout sans NMS : dans la continuité de YOLOv10, YOLO26 prend en charge nativement l'inférence de bout en bout (nms=False), pour une inférence plus rapide et plus prévisible, sans goulots d'étranglement liés au post-traitement NMS.
  • Inférence CPU jusqu'à 43 % plus rapide : YOLO26n s'exécute jusqu'à 43 % plus rapidement que YOLO11n sur CPU, ce qui convient aux processeurs mobiles et aux appareils sans GPU dédié.
  • Optimiseur MuSGD : inspiré de l'entraînement des grands modèles de langage (notamment Kimi K2 de Moonshot AI), YOLO26 utilise une approche hybride combinant SGD et Muon pour un entraînement stable et une convergence rapide.
  • ProgLoss + STAL : la perte progressive et l'attribution des étiquettes tenant compte des petites cibles (STAL) améliorent la détection des petits objets, un point essentiel dans des domaines exigeants comme l'imagerie aérienne et la navigation par drone.
  • Suppression de DFL : en supprimant Distribution Focal Loss, YOLO26 simplifie le graphe du modèle et facilite son export vers des appareils de périphérie et à faible consommation.
  • Améliorations propres aux tâches : que tu utilises Residual Log-Likelihood Estimation (RLE) pour l'estimation de pose ou une perte angulaire spécialisée pour les OBB, YOLO26 apporte des améliorations à chacune des principales tâches de vision.

Pour les développeurs qui mettent à niveau leurs pipelines, Ultralytics Platform avec YOLO26 fournit des outils efficaces d'entraînement et de déploiement. Les utilisateurs qui s'intéressent aux architectures établies peuvent également découvrir YOLO11 ou YOLOv8, qui bénéficient d'une vaste communauté et d'une robustesse éprouvée.

Commentaires

Pose une question, partage tes résultats ou aide quelqu’un d’autre.