YOLOX vs EfficientDet
L'evoluzione del rilevamento di oggetti è stata guidata dalla costante ricerca di un equilibrio tra velocità, accuratezza ed efficienza computazionale. Due modelli fondamentali che hanno influenzato profondamente questo percorso sono YOLOX ed EfficientDet. Mentre YOLOX ha introdotto un design senza anchor nella famiglia YOLO, EfficientDet si è concentrato su un'architettura scalabile basata sul ridimensionamento composto e su BiFPN. Questa guida offre un confronto tecnico dettagliato delle loro architetture, metriche di prestazione e metodologie di addestramento, presentando inoltre alternative più recenti come il modello Ultralytics YOLO26.
Origini dei modelli e dettagli tecnici#
Prima di confrontarne le differenze strutturali, è importante comprendere le origini e la ricerca fondamentale alla base di entrambi i modelli.
Dettagli su YOLOX:
- Autori: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li e Jian Sun
- Organizzazione: Megvii
- Data: 18 luglio 2021
- arXiv: YOLOX: supera la serie YOLO nel 2021
- GitHub: Megvii-BaseDetection/YOLOX
- Documentazione: Documentazione ufficiale di YOLOX
Dettagli su EfficientDet:
- Autori: Mingxing Tan, Ruoming Pang e Quoc V. Le
- Organizzazione: Google Brain
- Data: 20 novembre 2019
- arXiv: EfficientDet: rilevamento degli oggetti scalabile ed efficiente
- GitHub e documentazione: Google AutoML EfficientDet
Confronto architetturale#
La differenza fondamentale tra YOLOX ed EfficientDet risiede nel modo in cui estraggono le caratteristiche e prevedono i riquadri di delimitazione. Comprendere queste architetture di rilevamento degli oggetti è fondamentale per scegliere il modello adatto al tuo ambiente di distribuzione.
YOLOX: l'innovatore senza anchor#
YOLOX ha trasformato la serie YOLO da rilevatore basato su anchor a design senza anchor. Questa transizione ha ridotto significativamente il numero di parametri di progettazione e semplificato la pipeline di addestramento.
Tra le principali caratteristiche architetturali c'è una testa disaccoppiata, che separa le attività di classificazione e regressione. In questo modo si risolve il conflitto tra identificare che cosa sia un oggetto e prevedere esattamente dove si trovi. Inoltre, YOLOX utilizza strategie avanzate di assegnazione delle etichette, come SimOTA, che durante l'addestramento assegnano dinamicamente campioni positivi agli oggetti reali, favorendo una convergenza più rapida e un migliore equilibrio tra velocità e accuratezza.
EfficientDet: scaling composto e BiFPN#
EfficientDet affronta il rilevamento di oggetti puntando su efficienza e scalabilità. Sviluppato da Google, si basa sul backbone EfficientNet per l'estrazione delle caratteristiche.
La sua caratteristica distintiva è la rete piramidale delle caratteristiche bidirezionale (BiFPN). A differenza delle FPN tradizionali, BiFPN consente una fusione delle caratteristiche multiscala semplice e rapida, introducendo pesi apprendibili per determinare l'importanza delle diverse caratteristiche di input. Grazie a un metodo di ridimensionamento composto che ridimensiona uniformemente la risoluzione, la profondità e la larghezza di tutti i backbone, delle reti di caratteristiche e delle reti di predizione di riquadri e classi, EfficientDet può passare dai modelli per dispositivi mobili (d0) ai grandi modelli lato server (d7).
Sebbene lo scaling composto di EfficientDet offra un percorso prevedibile verso una maggiore precisione, spesso genera grafi computazionali complessi, difficili da ottimizzare per l'edge computing in tempo reale rispetto al design essenziale e senza anchor di YOLOX.
Analisi delle prestazioni e delle metriche#
Quando valuti questi modelli per applicazioni di visione artificiale nel mondo reale, metriche come il valore medio della precisione media, la velocità di inferenza e il numero di parametri sono essenziali.
| 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 |
| 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 |
Analisi dei compromessi#
I dati evidenziano una chiara divergenza nelle filosofie di progettazione. EfficientDet-d7 raggiunge l'accuratezza complessiva più elevata, con un mAP del 53.7%, ma a scapito della velocità di inferenza (128.07 ms su una GPU T4). Al contrario, YOLOXx raggiunge un mAP competitivo del 51.1% in 16.1 ms, risultando molto più adatto alla comprensione video in tempo reale e alla robotica.
Casi d'uso e consigli#
La scelta tra YOLOX ed EfficientDet 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 EfficientDet#
EfficientDet è consigliato per:
- Google Cloud e pipeline TPU: sistemi basati su TensorFlow nell’infrastruttura Google Cloud TPU, dove l’implementazione di riferimento di EfficientDet supporta l’addestramento su TPU.
- Ricerca sullo scaling composto: Benchmark accademici incentrati sugli effetti di uno scaling bilanciato di profondità, larghezza e risoluzione della rete.
- Implementazione mobile con LiteRT: Progetti che richiedono specificamente l'esportazione in LiteRT (in precedenza TensorFlow Lite) per Android o dispositivi Linux embedded.
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 senza GPU: Dispositivi privi di accelerazione GPU dedicata, sui quali l’inferenza CPU di YOLO26n, fino al 43% più veloce di 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.
L'alternativa moderna: Ultralytics YOLO26#
Sebbene YOLOX ed EfficientDet siano state tappe importanti, il panorama del machine learning è progredito rapidamente. Per gli sviluppatori che oggi distribuiscono sistemi di visione, la scelta consigliata è YOLO26, l'ultimo modello Ultralytics, rilasciato a gennaio 2026.
YOLO26 offre un ecosistema ben mantenuto e importanti miglioramenti in termini di velocità e facilità d'uso rispetto alle architetture meno recenti:
Principali innovazioni di YOLO26#
- Design end-to-end senza NMS: la head one-to-one opzionale di YOLO26 (
nms=False) elimina la necessità del post-processing NMS. Questo approccio nativamente end-to-end, introdotto nei modelli YOLO da YOLOv10, semplifica il processo di esportazione e riduce la latenza di deployment. - Inferenza su CPU fino al 43% più veloce: rimuovendo NMS e Distribution Focal Loss (DFL), YOLO26n raggiunge una velocità fino al 43% superiore a YOLO11n su CPU, risultando adatto ai dispositivi edge privi di GPU discrete.
- Ottimizzatore MuSGD: portando le innovazioni dei modelli linguistici di grandi dimensioni (LLM) nella visione artificiale, YOLO26 utilizza l'ottimizzatore MuSGD (una combinazione di SGD e Muon) per un addestramento stabile e una convergenza rapida, migliorando l'efficienza dell'addestramento.
- ProgLoss + STAL: la perdita progressiva e l'assegnazione delle etichette attenta agli oggetti piccoli (STAL) migliorano il rilevamento degli oggetti piccoli, fondamentale per casi d'uso come le operazioni con droni e l'analisi di immagini aeree.
- Versatilità: a differenza di YOLOX, che è esclusivamente un rilevatore di oggetti, YOLO26 supporta nativamente un'ampia gamma di attività, tra cui la segmentazione di istanze, la classificazione di immagini, la stima della posa e il rilevamento di riquadri di delimitazione orientati (OBB).
Facilità d'uso con l'API Ultralytics#
Uno dei vantaggi più significativi dei modelli Ultralytics è l'esperienza utente semplificata. L'addestramento e la distribuzione di un modello YOLO26 richiedono meno memoria rispetto ai complessi modelli Transformer e bastano poche righe di codice Python:
from ultralytics import YOLO
# Inizializza il modello YOLO26 nativamente end-to-end
model = YOLO("yolo26n.pt")
# Addestra il modello sul tuo dataset personalizzato
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Esporta il modello addestrato in TensorRT per l'inferenza GPU
model.export(format="engine", dynamic=True)Per chi preferisce le interfacce visive, la piattaforma Ultralytics offre strumenti per annotare i dataset, addestrare nel cloud e distribuire i modelli.
Casi d’uso nel mondo reale#
La scelta dell'architettura giusta dipende in larga misura dai vincoli specifici di distribuzione.
Quando prendere in considerazione EfficientDet#
EfficientDet continua a suscitare interesse accademico negli ambienti in cui la velocità di inferenza conta meno dell'accuratezza sulle immagini ad alta risoluzione. La sua implementazione nell'ecosistema TensorFlow può inoltre essere interessante per i team che gestiscono infrastrutture Google meno recenti.
Quando prendere in considerazione YOLOX#
YOLOX è adatto alle applicazioni che richiedono un equilibrio tra velocità e precisione senza la complessità degli anchor box. Storicamente ha dato buoni risultati negli scenari di produzione industriale che richiedono un rapido rilevamento dei difetti sui nastri trasportatori.
Perché scegliere YOLO26#
Per la maggior parte delle applicazioni moderne, YOLO26 è la scelta più adatta. Il design senza NMS garantisce una latenza prevedibile, rendendolo un valido candidato per la guida autonoma, i sistemi di allarme di sicurezza a risposta rapida e le implementazioni per città intelligenti. Il supporto attivo della community e gli aggiornamenti frequenti di Ultralytics aiutano inoltre gli sviluppatori a evitare dipendenze obsolete.
Gli sviluppatori che esplorano la visione artificiale avanzata dovrebbero valutare anche altre architetture dell'ecosistema Ultralytics, come YOLO11 per le distribuzioni esistenti già collaudate o modelli specializzati come FastSAM per le attività di segmentazione basate su prompt.
Commenti
Fai una domanda, condividi i tuoi risultati o aiuta qualcun altro.