YOLOv7 vs YOLOX
L’evoluzione della visione artificiale è stata segnata da rapidi progressi nel rilevamento di oggetti in tempo reale. Due tappe importanti sono YOLOv7 e YOLOX. Sebbene entrambi i modelli abbiano migliorato velocità e accuratezza, hanno adottato approcci architetturali diversi. Questa guida offre un confronto tecnico tra i due modelli per aiutarti a scegliere l’architettura giusta per i tuoi progetti di visione artificiale.
Introduzione ai modelli#
Comprendere le origini e le principali scelte progettuali di questi modelli è importante per distribuirli in modo efficace nelle moderne operazioni di machine learning.
Dettagli su YOLOv7#
Sviluppato dai ricercatori che hanno mantenuto le architetture CSPNet e Scaled-YOLOv4, YOLOv7 ha introdotto un approccio basato su una "bag-of-freebies" addestrabile per massimizzare l'accuratezza senza aumentare il costo dell'inferenza.
- Autori: Chien-Yao Wang, Alexey Bochkovskiy e Hong-Yuan Mark Liao
- Organizzazione: Institute of Information Science, Academia Sinica, Taiwan
- Data: 2022-07-06
- arXiv: https://arxiv.org/abs/2207.02696
- GitHub: https://github.com/WongKinYiu/yolov7
- Documentazione: Documentazione di Ultralytics YOLOv7
Dettagli su YOLOX#
YOLOX ha seguito un percorso diverso, tornando al rilevamento senza anchor e semplificando l’architettura della head pur mantenendo prestazioni elevate.
- Autori: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li e Jian Sun
- Organizzazione: Megvii
- Data: 2021-07-18
- arXiv: https://arxiv.org/abs/2107.08430
- GitHub: https://github.com/Megvii-BaseDetection/YOLOX
- Documentazione: documentazione ufficiale di YOLOX
Differenze architetturali e innovazioni#
Le differenze fondamentali tra YOLOv7 e YOLOX riguardano il modo in cui gestiscono l'estrazione delle caratteristiche, la predizione delle bounding box e l'assegnazione delle etichette.
YOLOX: il pioniere senza anchor#
YOLOX ha introdotto un design senza anchor nella famiglia YOLO. I rilevatori tradizionali basati su anchor richiedono una regolazione euristica del clustering delle anchor box, che può dipendere molto dal dataset. Eliminando le anchor box, YOLOX ha ridotto significativamente il numero di parametri di progettazione. YOLOX usa anche una head disaccoppiata, che separa le attività di classificazione e localizzazione in rami distinti della rete. Ciò riduce il conflitto tra la classificazione di un oggetto e la regressione delle sue coordinate spaziali. YOLOX integra anche strategie avanzate di assegnazione delle etichette, come SimOTA, che assegnano dinamicamente i campioni positivi durante l’addestramento.
YOLOv7: aggregazione estesa ed efficiente dei layer#
YOLOv7, rilasciato un anno dopo, ha mantenuto un design basato su anchor, introducendo però la Extended Efficient Layer Aggregation Network (E-ELAN). E-ELAN ottimizza la lunghezza del percorso del gradiente affinché la rete apprenda efficacemente a diverse profondità. L’architettura si basa molto sulla riparametrizzazione, fondendo i layer convoluzionali durante l’inferenza per aumentare la velocità senza sacrificare l’accuratezza. La strategia «bag-of-freebies» di YOLOv7 include convoluzioni riparametrizzate pianificate e l’assegnazione guidata delle etichette lead da grossolano a fine, che aumentano la precisione media (mAP) del modello.
Sebbene YOLOX abbia semplificato le pipeline di distribuzione grazie alla configurazione senza anchor, le architetture Ultralytics moderne hanno ulteriormente perfezionato questo approccio, eliminando la necessità di box predefinite nelle generazioni più recenti.
Confronto delle prestazioni#
Quando valuti questi modelli per la produzione, è essenziale bilanciare accuratezza ed efficienza computazionale. La tabella seguente illustra i compromessi e mette in evidenza in grassetto le metriche con i risultati migliori.
| Modello | dimensione (pixel) | mAPval50-95 | Velocità CPU ONNX (ms) | Velocità T4 TensorRT10 (ms) | parametri (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
| 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 |
Come si vede sopra, YOLOv7x raggiunge il mAP più alto in questo confronto ed è quindi l’opzione più accurata per dataset complessi. YOLOX-Nano, invece, è pensato per dispositivi con risorse estremamente limitate. Entrambe le famiglie di modelli possono richiedere più memoria di addestramento rispetto alle architetture Ultralytics più recenti.
Metodologie di training ed ecosistema#
Per ricercatori e sviluppatori, un fattore cruciale è la facilità di implementazione. Storicamente, le versioni meno recenti di YOLO richiedevano script di addestramento personalizzati e una gestione complessa delle dipendenze.
I vantaggi dell’ecosistema Ultralytics#
YOLOv7 e YOLOX non sono supportati nativamente dal pacchetto Python Ultralytics; per i nuovi progetti, la soluzione più efficace è usare un modello Ultralytics YOLO nell’ecosistema Ultralytics, mantenuto con cura. Ultralytics offre un’API Python unificata che semplifica l’addestramento, la convalida e la distribuzione.
- Facilità d’uso: Bastano poche righe di codice per avviare un ciclo di addestramento, riducendo la curva di apprendimento rispetto alle implementazioni PyTorch di base.
- Efficienza di addestramento: I modelli Ultralytics YOLO usano in genere meno memoria durante l’addestramento rispetto ai modelli Transformer come RT-DETR, consentendo batch più grandi su hardware consumer.
- Versatilità: Oltre alle bounding box, la stessa API supporta attività come la segmentazione delle istanze e la stima della posa.
L’esempio eseguibile seguente addestra ed esporta un modello con l’API Ultralytics:
from ultralytics import YOLO
# Carica un modello pretrained
model = YOLO("yolov8n.pt") # Pesi subito disponibili per un transfer learning rapido
# Addestra il modello in modo efficiente sui tuoi dati personalizzati
results = model.train(
data="coco8.yaml",
epochs=100,
imgsz=640,
batch=16,
device="0", # Usa la prima GPU CUDA
)
# Esporta in ONNX o TensorRT
model.export(format="onnx")Con una pipeline di esportazione standardizzata, gli sviluppatori possono convertire i pesi in formati come TensorRT o ONNX per un’inferenza rapida sull’hardware di destinazione.
Casi d'uso ideali e applicazioni nel mondo reale#
La scelta tra YOLOX e YOLOv7 dipende in larga misura dagli obiettivi di distribuzione:
- YOLOX per l'IA edge: Le varianti YOLOX-Nano e YOLOX-Tiny sono particolarmente adatte alla distribuzione su dispositivi a basso consumo. Se stai realizzando una telecamera di sicurezza intelligente con un Raspberry Pi, le semplici convoluzioni anchor-free di YOLOX si adattano facilmente agli acceleratori edge.
- YOLOv7 per analisi ad alta fedeltà: Se elabori immagini satellitari ad alta risoluzione o esegui complesse attività di controllo qualità in produzione, l’elevato mAP di YOLOv7x sulle GPU NVIDIA di fascia alta aiuta a rilevare le anomalie di piccole dimensioni.
Il futuro: passare a Ultralytics YOLO26#
YOLOv7 e YOLOX hanno avuto una grande influenza al momento del rilascio, ma il settore è progredito significativamente da allora. Per le nuove distribuzioni, Ultralytics consiglia Ultralytics YOLO26, rilasciato a gennaio 2026, che integra queste lezioni architetturali in un modello pronto per la produzione.
I principali miglioramenti includono:
- Design end-to-end senza NMS: la head one-to-one opzionale di YOLO26 (
nms=False) elimina la soppressione non massima (NMS) durante il post-processing. Introdotto nei modelli YOLO da YOLOv10, questo approccio mantiene la latenza costantemente bassa e semplifica il deployment sui dispositivi che non supportano in modo efficiente NMS. - Rimozione della DFL: Eliminare la Distribution Focal Loss migliora la compatibilità con i dispositivi edge a basso consumo e semplifica l’esportazione ONNX.
- Ottimizzatore MuSGD: Ispirato all’addestramento degli LLM, YOLO26 usa MuSGD, una combinazione ibrida di SGD e Muon, per una convergenza più rapida e un addestramento più stabile.
- Inferenza su CPU fino al 43% più veloce: YOLO26n esegue l’inferenza ONNX su CPU fino al 43% più velocemente di YOLO11n, offrendo buone prestazioni sulle CPU standard senza infrastruttura GPU dedicata.
- ProgLoss + STAL: La Progressive Loss e l’assegnazione delle etichette consapevole degli oggetti piccoli migliorano il rilevamento degli oggetti di piccole dimensioni, fondamentale per le immagini aeree, come quelle del dataset VisDrone, e per le reti di telecamere IoT.
Per i team che lavorano sul rilevamento di oggetti, sulla segmentazione e su altre attività, la Ultralytics Platform offre un unico spazio per annotare i dati, addestrare e distribuire i modelli.
Conclusione#
YOLOX e YOLOv7 hanno introdotto tecniche che hanno contribuito a plasmare l’AI per la visione artificiale open source. YOLOX ha dimostrato la validità delle head disaccoppiate senza anchor, mentre YOLOv7 ha mostrato il valore della progettazione del percorso del gradiente e della riparametrizzazione. Oggi, l’ecosistema Ultralytics ti consente di basarti su queste idee con i moderni modelli Ultralytics YOLO; YOLO26 è la scelta consigliata per i nuovi progetti di visione artificiale.
Commenti
Fai una domanda, condividi i tuoi risultati o aiuta qualcun altro.