YOLOX vs YOLOv10
L'evoluzione dei modelli di computer vision in tempo reale è stata caratterizzata da importanti progressi architetturali. Due tappe fondamentali di questo percorso sono YOLOX e YOLOv10. Rilasciato nel 2021, YOLOX ha contribuito a colmare il divario tra ricerca accademica e applicazione industriale introducendo un efficace design senza anchor. Tre anni dopo, YOLOv10 ha eliminato la necessità della soppressione non massima (NMS) durante la post-elaborazione, migliorando efficienza e velocità.
Questo confronto tecnico analizza le architetture, le metriche di prestazione e i casi d'uso ideali di entrambi i modelli, per aiutarti a scegliere lo strumento giusto per il tuo prossimo progetto di rilevamento degli oggetti.
Origini e metadati dei modelli#
Conoscere le origini di questi modelli aiuta a comprendere le scelte architetturali e gli ambienti di distribuzione previsti.
Dettagli su YOLOX
- 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: https://github.com/Megvii-BaseDetection/YOLOX/tree/main/docs
Dettagli su YOLOv10
- Autori: Ao Wang, Hui Chen, Lihao Liu, Kai Chen, Zijia Lin, Jungong Han e Guiguang Ding
- Organizzazione: Università Tsinghua
- Data: 2024-05-23
- arXiv: https://arxiv.org/abs/2405.14458
- GitHub: https://github.com/THU-MIG/yolov10
- Documentazione: https://docs.ultralytics.com/models/yolov10
Innovazioni architetturali#
Le differenze principali tra YOLOX e YOLOv10 riguardano il modo in cui gestiscono le previsioni dei riquadri di delimitazione e il post-processing.
YOLOX: pioniere dell’architettura senza anchor#
YOLOX ha portato la famiglia YOLO verso un'architettura senza anchor. Prevedendo il centro di un oggetto invece di basarsi su anchor box predefinite, YOLOX ha ridotto notevolmente il numero di parametri di progettazione e le regolazioni euristiche necessarie per i dataset personalizzati. Ha inoltre introdotto una head disaccoppiata, che separa le attività di classificazione e regressione in percorsi distinti. Questo approccio ha ridotto il conflitto tra identificare che cosa sia un oggetto e determinare dove si trovi, portando a miglioramenti evidenti nella velocità di convergenza e nell'accuratezza.
YOLOv10: rilevamento in tempo reale senza NMS#
YOLOX ha semplificato la testa di rilevamento, ma continuava a basarsi su NMS per filtrare le previsioni ridondanti dei riquadri di delimitazione. YOLOv10 ha affrontato questo limite fondamentale. Utilizzando assegnazioni duali coerenti durante l’addestramento, YOLOv10 esegue il rilevamento end-to-end nativamente. Durante l’addestramento usa una testa one-to-many per garantire segnali di supervisione ricchi, mentre in inferenza usa una testa one-to-one per generare direttamente le previsioni finali. Questo approccio olistico, orientato all’efficienza e all’accuratezza, elimina completamente NMS e riduce notevolmente la latenza di inferenza sui chip embedded.
La soppressione dei massimi non locali è spesso un'operazione complessa da accelerare sulle unità di elaborazione neurale (NPUs). Eliminandola, YOLOv10 consente all'intero grafo del modello di essere eseguito su hardware specializzato, migliorando la compatibilità con framework di ottimizzazione come OpenVINO e TensorRT.
Metriche di prestazione e confronto#
Quando valuti i modelli per la produzione, è fondamentale bilanciare l’accuratezza con il carico computazionale. La tabella seguente illustra i compromessi tra le diverse dimensioni di YOLOX e YOLOv10.
| 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 |
| YOLOv10n | 640 | 38.5 | - | 1.84 | 2.3 | 6.7 |
| YOLOv10s | 640 | 46.3 | - | 2.49 | 7.2 | 21.6 |
| YOLOv10m | 640 | 51.1 | - | 4.74 | 15.4 | 59.1 |
| YOLOv10b | 640 | 52.5 | - | 5.74 | 19.1 | 92.0 |
| YOLOv10l | 640 | 53.2 | - | 7.28 | 24.4 | 120.3 |
| YOLOv10x | 640 | 54.4 | - | 10.70 | 29.5 | 160.4 |
Analisi dei dati#
Le metriche mostrano il miglioramento generazionale di YOLOv10. Per esempio, YOLOv10-S raggiunge una precisione media del 46,3% rispetto al 46,9% di YOLOX-m, ma lo fa usando meno di un terzo dei parametri (7,2M contro 25,3M) e molti meno FLOP. Inoltre, il modello di fascia alta YOLOv10-X porta il mAP al 54,4%, risultando molto competitivo per le attività che richiedono grande precisione e rimanendo al contempo più veloce della precedente architettura YOLOX-x.
I vantaggi dell’ecosistema Ultralytics#
YOLOX resta un’implementazione di ricerca open source affidabile, ma adottare YOLOv10 offre accesso immediato all’ecosistema ben mantenuto di Ultralytics. Scegliere un modello supportato da Ultralytics garantisce un’esperienza d’uso semplificata, con un’API semplice e una documentazione completa.
Gli sviluppatori beneficiano dei bassi requisiti di memoria del framework: l'addestramento dei modelli Ultralytics consuma in genere molta meno memoria CUDA rispetto ad alternative pesanti basate su Transformer come RT-DETR. Questo ingombro ridotto dell'addestramento consente di usare batch più grandi su hardware consumer, accelerando il passaggio dalla raccolta dei dati alla distribuzione del modello. Il framework supporta anche più attività, così puoi passare tra rilevamento di oggetti, segmentazione di istanze e stima della posa con modifiche minime al codice.
Esempio di addestramento e inferenza#
L'API unificata permette di validare rapidamente le idee. Il frammento seguente addestra e distribuisce un modello YOLOv10 usando il backend PyTorch:
from ultralytics import YOLO
# Carica un modello nano YOLOv10 pre-addestrato
model = YOLO("yolov10n.pt")
# Addestra il modello sul dataset COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Esegui l'inferenza su un'immagine di esempio
predictions = model.predict("https://ultralytics.com/images/bus.jpg")
# Esporta il modello per la distribuzione edge
model.export(format="engine", quantize=16)Grazie alle routine di esportazione integrate, convertire i modelli in formati come TensorRT o ONNX richiede una sola riga di codice, evitando complessi passaggi di compilazione.
Casi d'uso ideali e scenari di distribuzione#
La scelta tra queste architetture dipende in gran parte dai vincoli hardware e dai requisiti specifici del tuo ambito.
Analisi video in tempo reale#
Per le applicazioni che richiedono una latenza molto bassa, come la guida autonoma o il monitoraggio del traffico in tempo reale, YOLOv10 è la scelta migliore. Il suo design end-to-end senza NMS offre tempi di esecuzione prevedibili, fondamentali nei sistemi di sicurezza, dove non è possibile tollerare una latenza variabile nella post-elaborazione. I modelli raggiungono frame rate elevati su dispositivi come la serie NVIDIA Jetson.
Baseline accademiche e microcontrollori edge#
YOLOX mantiene la sua utilità in ambito accademico, dove i ricercatori cercano una baseline pulita con testa disaccoppiata per sperimentare strategie di assegnazione delle etichette. Inoltre, il modello molto piccolo YOLOX-Nano (meno di 1 milione di parametri) può essere eseguito su dispositivi edge con risorse fortemente limitate, purché l'hardware supporti le operazioni di convoluzione standard.
Il modello consigliato: Ultralytics YOLO26#
YOLOv10 ha rappresentato un importante passo avanti nell'eliminazione di NMS, ma il campo della visione artificiale progredisce rapidamente. Per i nuovi progetti, Ultralytics consiglia YOLO26, rilasciato a gennaio 2026.
YOLO26 sviluppa le idee dei suoi predecessori e offre un ottimo equilibrio tra prestazioni, supportando nativamente il rilevamento, la segmentazione di istanze e semantica, la stima della profondità, la classificazione, la stima della posa e le caselle delimitatrici orientate.
Ecco perché YOLO26 è la scelta consigliata per le moderne pipeline di computer vision:
- Design end-to-end senza NMS: basato su YOLOv10, YOLO26 supporta l'inferenza end-to-end nativa (
nms=False), offrendo tempi d'inferenza più rapidi e prevedibili senza colli di bottiglia dovuti alla post-elaborazione NMS. - Inferenza su CPU fino al 43% più veloce: YOLO26n è fino al 43% più veloce di YOLO11n su CPU, caratteristica adatta ai processori mobili e ai dispositivi senza GPU discreta.
- Ottimizzatore MuSGD: ispirato all'addestramento dei modelli linguistici di grandi dimensioni (in particolare a Kimi K2 di Moonshot AI), YOLO26 usa una combinazione di SGD e Muon per un addestramento stabile e una convergenza rapida.
- ProgLoss + STAL: Progressive Loss e Small-Target-Aware Label Assignment (STAL) migliorano il rilevamento degli oggetti di piccole dimensioni, fondamentale in ambiti esigenti come le immagini aeree e la navigazione dei droni.
- Rimozione di DFL: eliminando Distribution Focal Loss, YOLO26 semplifica il grafo del modello per facilitarne l'esportazione su dispositivi edge e a basso consumo.
- Miglioramenti specifici per attività: che tu usi Residual Log-Likelihood Estimation (RLE) per la stima della posa o una loss angolare specializzata per OBB, YOLO26 include miglioramenti per ogni principale attività di visione.
Per gli sviluppatori che aggiornano le proprie pipeline, Ultralytics Platform con YOLO26 offre strumenti efficienti per l'addestramento e la distribuzione. Chi è interessato ad architetture consolidate può anche consultare YOLO11 o YOLOv8, supportati da un'ampia community e da una robustezza comprovata.
Commenti
Fai una domanda, condividi i tuoi risultati o aiuta qualcun altro.