YOLOv7 YOLOX: un'analisi approfondita delle architetture di rilevamento degli oggetti in tempo reale

Nel panorama in rapida evoluzione della visione artificiale, la scelta del modello di rilevamento degli oggetti giusto è fondamentale per il successo. Due pietre miliari significative in questo percorso sono YOLOv7 e YOLOX. Sebbene entrambe le architetture abbiano ampliato i confini della velocità e della precisione al momento del loro rilascio, hanno adottato approcci fondamentalmente diversi per risolvere il problema del rilevamento. Questa guida fornisce un confronto tecnico dettagliato per aiutare sviluppatori, ricercatori e ingegneri a prendere decisioni informate per i loro casi d'uso specifici.

Panoramica e Origini del Modello

Comprendere la genealogia di questi modelli fornisce il contesto per le loro decisioni architetturali.

YOLOv7: La Potenza del Bag-of-Freebies

Rilasciato nel luglio 2022, YOLOv7 progettato per essere il rilevatore di oggetti in tempo reale più veloce e preciso al momento. Si è concentrato principalmente su ottimizzazioni architetturali come E-ELAN (Extended Efficient Layer Aggregation Networks) e un "bag-of-freebies" addestrabile per migliorare la precisione 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:2207.02696
GitHub:WongKinYiu/yolov7

Scopri di più su YOLOv7

YOLOX: L'Evoluzione Anchor-Free

YOLOX, rilasciato da Megvii nel 2021, ha rappresentato un cambiamento significativo allontanandosi dal meccanismo basato su anchor che dominava YOLO precedenti YOLO (come YOLOv3 e YOLOv5). Incorporando una testa disaccoppiata e un design senza anchor, YOLOX ha semplificato il processo di addestramento e migliorato le prestazioni, colmando il divario tra ricerca e applicazione industriale.

Autori: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li e Jian Sun
Organizzazione:Megvii
Data: 2021-07-18
Arxiv:2107.08430
GitHub:Megvii-BaseDetection/YOLOX

Confronto tecnico delle prestazioni

La tabella seguente evidenzia le metriche di prestazione di modelli comparabili sul COCO .

Modello	dimensione ^(pixel)	mAP^val 50-95	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

Principali Differenze Architettoniche

Meccanismi di ancoraggio:
- YOLOv7: utilizza un approccio basato su anchor. Richiede anchor box predefiniti, che possono essere sensibili alla regolazione degli iperparametri, ma spesso funzionano in modo affidabile su set di dati standard come MS COCO.
- YOLOX: Adotta un design senza ancoraggio. Ciò elimina la necessità di raggruppare i box di ancoraggio (come K-means) e riduce il numero di parametri di progettazione, semplificando la configurazione del modello.
Progettazione della rete:
- YOLOv7: presenta l'architettura E-ELAN, che guida i percorsi di gradiente per apprendere efficacemente caratteristiche diverse. Impiega inoltre la "riparametrizzazione pianificata" per unire i livelli durante l'inferenza, aumentando la velocità senza sacrificare la precisione dell'addestramento.
- YOLOX: utilizza una testa disaccoppiata, separando le attività di classificazione e regressione. Ciò comporta in genere una convergenza più rapida e una maggiore precisione, ma può aumentare leggermente il numero di parametri rispetto a una testa accoppiata.
Assegnazione delle etichette:
- YOLOv7: utilizza una strategia di assegnazione delle etichette guidata da un approccio grossolano a uno fine.
- YOLOX: introdotto SimOTA (Simplified Optimal Transport Assignment), una strategia di assegnazione dinamica delle etichette che tratta il problema dell'assegnazione come un compito di trasporto ottimale, migliorando la stabilità dell'addestramento.

Lo standard moderno: YOLO26

Sebbene YOLOv7 YOLOX fossero rivoluzionari, il settore ha continuato a progredire. Il nuovo YOLO26, rilasciato nel gennaio 2026, combina il meglio dei due mondi. È caratterizzato da un design nativo end-to-end NMS (simile alla filosofia senza ancoraggi di YOLOX, ma ulteriormente evoluta) ed elimina la Distribution Focal Loss (DFL) per CPU fino al 43% più veloce.

Scopri di più su YOLO26

Formazione ed ecosistema

L'esperienza degli sviluppatori è spesso importante quanto le metriche di prestazione grezze. È qui che Ultralytics si differenzia in modo significativo.

Facilità d'uso e integrazione

L'addestramento di YOLOX richiede in genere la navigazione nel codice base Megvii che, sebbene robusto, può presentare una curva di apprendimento più ripida per gli utenti abituati alle API di alto livello. Al contrario, l'esecuzione YOLOv7 Ultralytics un'esperienza senza soluzione di continuità.

Python Ultralytics unifica il flusso di lavoro. È possibile passare da YOLOv7 a YOLOv10o persino YOLO11 semplicemente cambiando la stringa del nome del modello. Questa flessibilità è fondamentale per la prototipazione rapida e il benchmarking.

Esempio di codice: Interfaccia coerente

Ecco come è possibile addestrare un YOLOv7 utilizzando il Ultralytics . La stessa identica struttura di codice funziona anche per modelli più recenti come YOLO26.

from ultralytics import YOLO

# Load a YOLOv7 model (or swap to "yolo26n.pt" for the latest)
model = YOLO("yolov7.pt")

# Train on a custom dataset
# Ultralytics automatically handles data augmentation and logging
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Run inference on an image
results = model("path/to/image.jpg")

Memoria ed Efficienza

Ultralytics sono rinomati per il loro efficiente utilizzo delle risorse.

Efficienza della formazione: YOLOv7 del Ultralytics è ottimizzato per utilizzare meno CUDA rispetto alle implementazioni grezze o ai modelli basati su trasformatori come RT-DETR, consentendo batch di dimensioni maggiori su hardware consumer.
Implementazione: L'esportazione dei modelli nei formati di produzione è un'operazione che richiede un solo comando. Sia che si tratti di ONNX, TensorRT, oppure CoreML, Ultralyticstralytics export La modalità gestisce la complessità della conversione dei grafici.

Casi d'uso ideali

La scelta tra questi modelli dipende spesso dai vincoli specifici dell'ambiente di implementazione.

Quando scegliere YOLOv7

YOLOv7 un forte concorrente per GPU ad alte prestazioni in cui è richiesta la massima precisione.

Sorveglianza di alto livello: ideale per sistemi di allarme di sicurezza in cui è fondamentale rilevare piccoli oggetti a distanza.
Ispezione industriale: grazie alla sua robusta funzione di estrazione delle caratteristiche, è adatto a compiti di produzione complessi, come il rilevamento dei difetti sulle linee di assemblaggio.
EdgeGPU: dispositivi come la serie NVIDIA Orin possono sfruttare efficacemente l'architettura riparametrizzata YOLOv7.

Quando scegliere YOLOX

YOLOX è spesso preferito in contesti di ricerca o in specifici scenari legacy edge.

Ricerca accademica: il design senza ancore e il codice pulito rendono YOLOX un'ottima base di riferimento per i ricercatori che sperimentano nuove teste di rilevamento o strategie di assegnazione.
Implementazione mobile (Nano/Tiny): le varianti YOLOX-Nano e Tiny sono altamente ottimizzate per le CPU mobili, in linea con gli obiettivi di efficienza di YOLOv6 Lite.
Codici legacy: i team già profondamente integrati nel MegEngine o in specifici PyTorch potrebbero trovare YOLOX più facile da mantenere.

Il futuro: il passaggio a YOLO26

Mentre YOLOv7 YOLOX servono al loro scopo, YOLO26 rappresenta il prossimo passo avanti. Risolve i limiti di entrambi i predecessori:

NMS: a differenza di YOLOv7 che richiede NMS) e YOLOX (che ha semplificato gli anchor ma utilizza ancora NMS), YOLO26 utilizza un design nativo end-to-end. Ciò elimina completamente il collo di bottiglia della latenza della post-elaborazione.
Ottimizzatore MuSGD: ispirato all'addestramento LLM, questo ottimizzatore stabilizza l'addestramento per le attività di visione artificiale, superando SGD standard SGD nelle YOLO precedenti YOLO .
Versatilità delle attività: mentre YOLOX si concentra principalmente sul rilevamento, YOLO26 offre prestazioni all'avanguardia in termini di segmentazione delle istanze, stima della posa e bounding box orientati (OBB).

Conclusione

Sia YOLOv7 YOLOX hanno contribuito in modo significativo al progresso nel campo del rilevamento degli oggetti. YOLOv7 ha dimostrato che i metodi basati su anchor possono ancora dominare in termini di accuratezza grazie a un'architettura intelligente come E-ELAN. YOLOX ha sfidato con successo lo status quo diffondendo il rilevamento senza anchor nella YOLO .

Per gli sviluppatori che oggi intraprendono nuovi progetti, sfruttare Ultralytics è la scelta più strategica. Esso fornisce l'accesso a YOLOv7 il confronto con i modelli precedenti, offrendo al contempo un percorso diretto verso la velocità e la precisione superiori di YOLO26. La facilità di passaggio da un modello all'altro, unita alla documentazione completa e al supporto della community, garantisce che i vostri progetti di visione artificiale siano a prova di futuro.