YOLOX vs YOLOv5#

La scelta del giusto modello di rilevamento degli oggetti è una decisione fondamentale che determina il successo di qualsiasi progetto di computer vision. Questa guida offre un confronto tecnico completo tra due modelli fondamentali nel panorama dell'IA: YOLOX di Megvii e Ultralytics YOLOv5. Analizzandone le architetture, le metriche di prestazione e gli ecosistemi di training, puntiamo ad aiutare sviluppatori e ricercatori a fare una scelta consapevole per i propri ambienti di deployment.

Introduzione ai modelli#

Entrambi i modelli sono emersi durante un periodo di rapidi progressi nel rilevamento degli oggetti in tempo reale, ma hanno seguito filosofie architetturali diverse per raggiungere le proprie prestazioni.

YOLOX: un approccio senza anchor#

Rilasciato dai ricercatori Zheng Ge, Songtao Liu, Feng Wang, Zeming Li e Jian Sun di Megvii il 18 luglio 2021, YOLOX ha introdotto un cambiamento significativo abbandonando le anchor box tradizionali. Documentato nel loro report tecnico Arxiv, YOLOX ha integrato un design senza anchor con una testa disaccoppiata e la strategia di assegnazione delle label SimOTA. Questo design mirava a colmare il divario tra la ricerca accademica e l'applicazione industriale, offrendo prestazioni solide sui dataset standard.

Scopri di più su YOLOX

YOLOv5: lo standard per la vision AI in produzione#

Scritto da Glenn Jocher e rilasciato da Ultralytics il 26 giugno 2020, YOLOv5 è rapidamente diventato lo standard del settore per la computer vision in produzione. Costruito nativamente sul framework PyTorch, ha democratizzato l'IA all'avanguardia offrendo una facilità d'uso senza pari, un training eccezionalmente rapido e un repository estremamente curato. L'architettura di YOLOv5 si concentrava sul perfetto equilibrio tra velocità, accuratezza e facilità di deployment, rendendolo una scelta popolare per qualsiasi scenario, dai dispositivi edge ai deployment cloud su vasta scala.

Differenze architetturali#

Comprendere le differenze meccaniche fondamentali tra queste reti chiarisce perché si comportano diversamente nelle varie attività.

Senza anchor vs. con anchor#

Il contrasto più evidente è il meccanismo senza anchor di YOLOX. I modelli tradizionali come YOLOv5 si affidano a anchor box predefinite per prevedere i riquadri di delimitazione, il che richiede un'analisi di clustering sul dataset di training per determinare le dimensioni ottimali delle anchor. YOLOX elimina questo passaggio, prevedendo direttamente le coordinate del riquadro di delimitazione in ogni posizione spaziale. Sebbene l'approccio senza anchor riduca il numero di parametri di progettazione e la regolazione euristica, l'approccio perfezionato con anchor di YOLOv5, supportato dalla funzionalità auto-anchor, garantisce una convergenza del training incredibilmente stabile e prevedibile fin dall'inizio.

Testa disaccoppiata vs. testa accoppiata#

YOLOX utilizza una testa disaccoppiata, ovvero separa le attività di classificazione e regressione in rami distinti della rete neurale. Gli autori hanno sostenuto che questo risolve i conflitti tra l'apprendimento delle caratteristiche spaziali e semantiche. Al contrario, YOLOv5 utilizzava una testa accoppiata altamente ottimizzata (nelle versioni iniziali), che massimizzava l'efficienza computazionale e riduceva la latenza di inferenza, un aspetto cruciale per l'elaborazione edge in tempo reale.

Strategia di assegnazione delle label#

YOLOX utilizza SimOTA per l'assegnazione delle label, formulando l'associazione tra gli oggetti ground truth e le predizioni come un problema di trasporto ottimale. Questa assegnazione dinamica migliora la gestione delle scene affollate. YOLOv5 utilizza un'assegnazione robusta basata su regole della forma, garantendo che campioni positivi di alta qualità vengano forniti costantemente alla funzione di loss, contribuendo alla sua leggendaria stabilità di training.

Prestazioni e benchmark#

Il compromesso tra velocità e accuratezza è la prova definitiva per queste architetture. La tabella seguente illustra le prestazioni di varie dimensioni di modello sui benchmark standard.

Sebbene YOLOX raggiunga punteggi mAP competitivi, soprattutto nelle varianti più grandi, YOLOv5 mantiene un notevole vantaggio nella velocità di inferenza con TensorRT su tutta la linea. Il modello YOLOv5s, ad esempio, offre un eccezionale rapporto tra velocità e accuratezza, rendendolo particolarmente indicato per le applicazioni in tempo reale in cui ogni millisecondo conta.

Il vantaggio di Ultralytics: training e usabilità#

Nel passaggio dalla ricerca alla produzione, l'ecosistema che circonda un modello è spesso importante quanto il modello stesso. In questo ambito, i vantaggi dell'ecosistema Ultralytics diventano evidenti.

Esperienza utente semplificata#

YOLOv5 è universalmente apprezzato per l'esperienza di sviluppo "da zero a eroe". L'API Python di Ultralytics e la CLI consentono di caricare, addestrare e distribuire modelli con una sola riga di codice. Al contrario, eseguire YOLOX dal repository GitHub di Megvii richiede una configurazione più manuale delle variabili d'ambiente, configurazioni complesse dei percorsi Python e una curva di apprendimento più ripida, tipica dei codebase di ricerca accademica.

Efficienza dell'addestramento e requisiti di memoria#

I modelli Ultralytics sono progettati meticolosamente per ridurre al minimo l'utilizzo della memoria durante il training. YOLOv5 richiede una quantità di memoria CUDA significativamente inferiore rispetto ai modelli Transformer con molti parametri, come RT-DETR, o ai modelli di ricerca non ottimizzati. Questo consente agli sviluppatori di addestrare batch di dimensioni maggiori su hardware consumer, accelerando il ciclo di sviluppo iterativo.

Versatilità tra le attività#

Mentre YOLOX è esclusivamente un framework per il rilevamento degli oggetti, l'ecosistema Ultralytics ha fatto evolvere YOLOv5 per supportare molteplici attività di vision. Puoi eseguire direttamente la classificazione delle immagini, la segmentazione delle istanze e il rilevamento degli oggetti utilizzando esattamente la stessa sintassi dell'API.

Confronto del codice#

La differenza in termini di usabilità si dimostra al meglio attraverso il codice.

Training con YOLOv5:

from ultralytics import YOLO

# Load a pretrained YOLOv5s model
model = YOLO("yolov5su.pt")

# Run inference on an image
results = model("https://ultralytics.com/images/zidane.jpg")

# Display results
results[0].show()

Training con YOLOX: (Richiede il cloning manuale del repository, l'installazione tramite setup.py e argomenti CLI complessi)

# Example YOLOX training command
python tools/train.py -f exps/default/yolox_s.py -d 1 -b 64 --fp16 -o

L'approccio Ultralytics elimina gli ostacoli, permettendoti di concentrarti sul dataset e sulla logica dell'applicazione invece di eseguire il debug dei file di configurazione. Inoltre, il monitoraggio degli esperimenti è semplice grazie alle integrazioni integrate con Weights & Biases e Comet ML.

Casi d'uso ideali e applicazioni nel mondo reale#

La scelta tra questi modelli dipende dall'ambiente operativo del tuo progetto.

Dove YOLOX eccelle#

YOLOX resta un candidato valido in ambito accademico, dove i ricercatori studiano esplicitamente i paradigmi senza anchor o le strategie di assegnazione delle label. È inoltre utile negli scenari in cui il rilevamento di scene affollate rappresenta la metrica assolutamente prioritaria e la velocità di deployment edge è secondaria.

Dove YOLOv5 eccelle#

YOLOv5 è il campione indiscusso del deployment pratico.

• Produzione ad alta velocità: per il rilevamento dei difetti sulle linee di assemblaggio, la latenza di inferenza minima di YOLOv5 sulle GPU edge garantisce l'ispezione dei prodotti senza rallentare il nastro trasportatore.
• Immagini acquisite da droni e immagini aeree: il suo utilizzo efficiente della memoria consente di eseguirlo su computer companion leggeri a bordo dei droni per attività come il monitoraggio agricolo e il tracciamento della fauna selvatica.
• Retail intelligente: dal pagamento automatico alla gestione dell'inventario, YOLOv5 si esporta facilmente in TensorRT e ONNX per il deployment su larga scala su migliaia di telecamere nei negozi.

Uno sguardo al futuro: il vantaggio di YOLO26#

Sebbene YOLOv5 sia un modello leggendario, il settore dell'IA avanza rapidamente. Se oggi stai iniziando un nuovo progetto, ti consigliamo vivamente di valutare l'ultima generazione di modelli Ultralytics.

Rilasciato nel 2026, Ultralytics YOLO26 rappresenta un enorme passo avanti. Presenta un design end-to-end senza NMS, che elimina completamente la necessità del post-processing di soppressione non massimale, semplificando drasticamente la logica di deployment. Eliminando la Distribution Focal Loss (DFL) e utilizzando l'ottimizzatore all'avanguardia MuSGD Optimizer, YOLO26 raggiunge un'inferenza su CPU fino al 43% più veloce rispetto alle generazioni precedenti, mantenendo al contempo una maggiore accuratezza, soprattutto sugli oggetti piccoli, grazie alle nuove funzioni di loss ProgLoss + STAL.

Che tu scelga l'affidabilità comprovata di YOLOv5 o le prestazioni all'avanguardia di YOLO26, la piattaforma Ultralytics ti garantisce i migliori strumenti disponibili per portare le tue soluzioni di computer vision dal concept alla produzione senza difficoltà. Assicurati di consultare la documentazione completa di Ultralytics per sfruttare appieno il potenziale della tua pipeline di IA.