YOLOX vs DAMO-YOLO
L'evoluzione del rilevamento di oggetti in tempo reale ha attraversato diverse fasi: dalle architetture con anchor a quelle senza anchor e dai backbone progettati manualmente alla ricerca automatizzata di architetture neurali (NAS). Questo confronto tecnico analizza due tappe importanti di questo percorso, YOLOX e DAMO-YOLO, illustrandone le innovazioni architetturali, le metodologie di addestramento e i compromessi prestazionali, e spiega perché Ultralytics YOLO26 è l'alternativa consigliata per i nuovi progetti.
YOLOX: pioniere del paradigma senza anchor#
Rilasciato il 18 luglio 2021 da Zheng Ge, Songtao Liu, Feng Wang, Zeming Li e Jian Sun presso Megvii, YOLOX ha segnato una svolta integrando un design senza anchor nella famiglia YOLO. Descritto nel loro rapporto tecnico dettagliato su arXiv, YOLOX mirava a colmare il divario tra la ricerca accademica e la distribuzione industriale.
Principali innovazioni architetturali#
YOLOX ha introdotto diverse modifiche strutturali fondamentali che hanno migliorato i suoi predecessori:
- Meccanismo senza anchor: prevedendo direttamente il centro di un oggetto e le dimensioni del relativo riquadro di delimitazione, YOLOX ha ridotto il numero di euristiche di progettazione e semplificato i complessi processi di clustering delle anchor. Questo lo rende adattabile a diversi scenari di visione artificiale.
- Testa disaccoppiata: i modelli YOLO tradizionali usavano un'unica testa accoppiata per la classificazione e la regressione. YOLOX ha introdotto una testa disaccoppiata, elaborando separatamente la classificazione e la localizzazione: ciò accelera la convergenza e migliora l'accuratezza.
- Assegnazione delle etichette SimOTA: è stata utilizzata una versione semplificata dell'assegnazione ottimale del trasporto (OTA) per assegnare dinamicamente i campioni positivi, riducendo i tempi di addestramento e superando le ambiguità delle assegnazioni basate sui punti centrali.
Il design della testa disaccoppiata di YOLOX ha influenzato profondamente le generazioni successive di rilevatori di oggetti, diventando una caratteristica standard in molti modelli moderni.
DAMO-YOLO: ricerca automatizzata dell'architettura su larga scala#
Sviluppato da Xianzhe Xu e da un gruppo di ricercatori presso Alibaba Group, DAMO-YOLO è stato presentato il 23 novembre 2022. Come descritto nella loro pubblicazione su arXiv, il modello faceva ampio affidamento sulla ricerca di architetture neurali (NAS) per migliorare il compromesso tra velocità e accuratezza.
Principali innovazioni architetturali#
La strategia di DAMO-YOLO si basava sull'automazione della progettazione di strutture efficienti:
- Backbone MAE-NAS: usando una ricerca guidata dalla massima entropia, DAMO-YOLO ha individuato backbone altamente efficienti, personalizzati per specifici budget di latenza, in particolare quando esportati verso framework come TensorRT.
- RepGFPN efficiente: Un design con un neck pesante che migliora la fusione delle caratteristiche a diverse risoluzioni spaziali, favorendo l'analisi di immagini aeree e il rilevamento di oggetti a scale variabili.
- ZeroHead: una testa di predizione semplificata che riduce la ridondanza computazionale senza sacrificare la precisione media complessiva del modello (mAP).
- AlignedOTA e distillazione: integra strategie avanzate di assegnazione delle etichette e distillazione della conoscenza da insegnante a studente per migliorare le prestazioni dei modelli studente più piccoli.
Confronto delle prestazioni e delle metriche#
Nel confrontare questi due modelli è importante considerare il numero di parametri, i FLOPs richiesti e i profili di latenza. Di seguito sono riportati i dati dei benchmark che confrontano YOLOX e DAMO-YOLO a diverse scale.
| Modello | dimensione (pixel) | mAPval50-95 | Velocità CPU ONNX (ms) | Velocità T4 TensorRT10 (ms) | parametri (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 è più accurato di YOLOX a una latenza comparabile; per esempio, DAMO-YOLOt raggiunge 42.0 mAP in 2.32 ms, contro 40.5 mAP in 2.56 ms per YOLOXs. Tuttavia, entrambi i modelli presentano alcuni limiti: il design di YOLOX precede molte tecniche di addestramento più recenti, mentre la dipendenza di DAMO-YOLO dalla distillazione rende più oneroso in termini di risorse il riaddestramento su dataset personalizzati e aumenta i requisiti di memoria GPU.
Casi d'uso e consigli#
La scelta tra YOLOX e DAMO-YOLO dipende dai requisiti specifici del progetto, dai vincoli di distribuzione e dalle preferenze relative all'ecosistema.
Quando scegliere YOLOX#
YOLOX è una scelta valida per:
- Ricerca sul rilevamento senza anchor: Ricerca accademica che usa l'architettura pulita e senza anchor di YOLOX come riferimento per sperimentare nuove head di rilevamento o funzioni di perdita.
- Dispositivi edge ultraleggeri: Implementazione su microcontrollori o hardware mobile legacy, dove le dimensioni estremamente ridotte della variante YOLOX-Nano (0,91 M di parametri) sono fondamentali.
- Studi sull'assegnazione delle etichette SimOTA: Progetti di ricerca che analizzano le strategie di assegnazione delle etichette basate sul trasporto ottimale e il loro impatto sulla convergenza dell'addestramento.
Quando scegliere DAMO-YOLO#
DAMO-YOLO è consigliato per:
- Analisi video ad alto throughput: elaborazione di flussi video ad alto FPS su infrastrutture GPU NVIDIA fisse, dove il throughput con batch di dimensione 1 è la metrica principale.
- Linee di produzione industriale: scenari con rigidi vincoli di latenza GPU su hardware dedicato, come l'ispezione della qualità in tempo reale sulle linee di assemblaggio.
- Ricerca sulla ricerca di architetture neurali: studio degli effetti della ricerca automatizzata delle architetture (MAE-NAS) e dei backbone efficienti riparametrizzati sulle prestazioni di rilevamento.
Quando scegliere Ultralytics (YOLO26)#
Per la maggior parte dei nuovi progetti, Ultralytics YOLO26 offre la migliore combinazione di prestazioni ed esperienza per gli sviluppatori:
- Distribuzione edge senza NMS: applicazioni che richiedono un’inferenza costante e a bassa latenza, senza la complessità della post-elaborazione con Non-Maximum Suppression (NMS).
- Ambienti solo CPU: dispositivi senza accelerazione GPU dedicata, sui quali l'inferenza CPU di YOLO26, fino al 43% più rapida (YOLO26n rispetto a YOLO11n), offre un vantaggio decisivo.
- Rilevamento di oggetti piccoli: scenari impegnativi come le immagini aeree da droni o l'analisi dei sensori IoT, in cui ProgLoss e STAL migliorano la precisione sugli oggetti minuscoli.
Il vantaggio di Ultralytics: ecco YOLO26#
Sebbene YOLOX e DAMO-YOLO rappresentino importanti tappe storiche, gli sviluppatori di oggi hanno bisogno di una soluzione che unisca elevata accuratezza e facilità d'uso. Rilasciato a gennaio 2026, Ultralytics YOLO26 si basa sui modelli senza NMS come YOLOv10 per offrire un equilibrio efficace tra velocità, accuratezza ed esperienza di sviluppo.
Perché scegliere YOLO26?#
Rispetto ai repository accademici separati, l'ecosistema integrato Ultralytics offre:
- Design end-to-end senza NMS: la testa opzionale uno-a-uno di YOLO26 (
nms=False) elimina NMS durante l'inferenza. Il risultato è una latenza rapida e prevedibile, fondamentale per le distribuzioni edge e i veicoli autonomi. - Rimozione della DFL: eliminando la Distribution Focal Loss, YOLO26 semplifica l'esportazione sui dispositivi edge e migliora la compatibilità con l'hardware a basso consumo.
- Ottimizzatore MuSGD: YOLO26 riprende le innovazioni per l'addestramento degli LLM con il suo ottimizzatore ibrido SGD e Muon, per un addestramento stabile e una convergenza rapida.
- Inferenza su CPU fino al 43% più veloce: con la rimozione di DFL e NMS, YOLO26n raggiunge una velocità fino al 43% superiore a YOLO11n su CPU, senza bisogno di costoso hardware GPU.
- ProgLoss + STAL: la perdita progressiva e l'assegnazione delle etichette attenta agli oggetti piccoli (STAL) migliorano il rilevamento degli oggetti piccoli, rendendo YOLO26 particolarmente adatto ad attività come le ispezioni con droni e il monitoraggio IoT.
- Versatilità: a differenza di DAMO-YOLO, che è esclusivamente un rilevatore, YOLO26 supporta nativamente in un unico framework unificato la segmentazione di istanze, la segmentazione semantica, la stima della profondità, la classificazione di immagini, la stima della posa e le attività di rilevamento di riquadri di delimitazione orientati (OBB).
Con l'API Python di Ultralytics, non devi configurare manualmente complesse pipeline di distillazione né scrivere centinaia di righe di codice C++ per distribuire il tuo modello.
from ultralytics import YOLO
# Carica il modello YOLO26 nano
model = YOLO("yolo26n.pt")
# Addestra il modello su un dataset personalizzato
train_results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Esegui inferenze rapidissime senza NMS
results = model("https://ultralytics.com/images/bus.jpg", nms=False)
# Esporta in ONNX o OpenVINO con un solo comando
model.export(format="openvino")Altri modelli da considerare#
L'ecosistema della computer vision è vasto. A seconda dei tuoi vincoli specifici, potresti voler esplorare anche altre architetture pienamente supportate dall'ecosistema Ultralytics:
- YOLO11: il predecessore di YOLO26, noto per la sua robustezza nell'analisi del commercio al dettaglio e nel controllo qualità in produzione.
- YOLOv8: un modello stabile senza anchor, ampiamente adottato, che ha contribuito a diffondere la distribuzione sui dispositivi edge.
- RT-DETR: un Transformer per il rilevamento in tempo reale sviluppato da Baidu, che offre una valida alternativa per le attività che traggono grande beneficio dai meccanismi di attenzione globale, sebbene richieda più memoria per l'addestramento.
Conclusione#
YOLOX e DAMO-YOLO hanno contribuito con concetti importanti all'evoluzione del deep learning: YOLOX ha convalidato l'approccio disaccoppiato e senza anchor, mentre DAMO-YOLO ha dimostrato il potenziale della ricerca automatizzata di architetture. Tuttavia, nella produzione reale, la complessità dei rispettivi codebase di ricerca originali può rallentare i team agili.
Con la piattaforma Ultralytics, gli sviluppatori possono evitare questi ostacoli. Il design end-to-end di YOLO26, la maggiore velocità su CPU e l'ampia documentazione rendono l'AI visiva accurata più accessibile. Che tu stia realizzando infrastrutture per città intelligenti, diagnostica sanitaria o robotica avanzata, Ultralytics offre un percorso diretto dai dati grezzi alla distribuzione nel mondo reale.
Commenti
Fai una domanda, condividi i tuoi risultati o aiuta qualcun altro.