YOLO YOLOX: uma análise aprofundada da deteção de objetos sem âncora
A evolução da deteção de objetos em tempo real foi marcada por uma mudança dos complexos sistemas baseados em âncoras para arquiteturas simplificadas sem âncoras. Dois marcos significativos nessa jornada são YOLO, desenvolvido pelo Alibaba Group, e o YOLOX, criado pela Megvii. Ambos os modelos desafiam os paradigmas tradicionais de design, oferecendo abordagens únicas para extração de características, atribuição de rótulos e eficiência de treinamento.
Esta comparação detalhada explora as suas inovações arquitetónicas, métricas de desempenho e casos de uso ideais para ajudá-lo a decidir qual modelo se adapta às suas necessidades específicas de visão computacional. Embora ambos tenham importância histórica, também exploraremos como soluções modernas, como Ultralytics , sintetizaram esses avanços num ecossistema mais robusto e pronto para produção.
Visão Geral do DAMO-YOLO
YOLO (Distillation-Enhanced Neural Architecture Search-based YOLO) representa uma abordagem de alto desempenho que combina a Neural Architecture Search (NAS) com técnicas avançadas de treino. Foi concebido para ultrapassar os limites de velocidade e precisão, automatizando o design das estruturas backbone e neck.
- Autores: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang e Xiuyu Sun
- Organização:Alibaba Group
- Data: 2022-11-23
- Arxiv:DAMO-YOLO: Um Relatório sobre o Design de Detecção de Objetos em Tempo Real
- GitHub:Repositório DAMO-YOLO
Principais características doYOLO
- Backbone MAE-NAS: Ao contrário dos backbones projetados manualmente,YOLO uma abordagem de Autoencoder Mascarado (MAE) dentro de uma estrutura de Pesquisa de Arquitetura Neural. Isso resulta em uma estrutura altamente otimizada para extrair características espaciais com o mínimo de sobrecarga computacional.
- RepGFPN eficiente: O modelo emprega uma Rede Piramidal de Características Generalizadas Reparametrizada (RepGFPN). Isso melhora a fusão de características em diferentes escalas, fundamental para detectar objetos de tamanhos variados, mantendo a latência de inferência baixa por meio da reparametrização durante a implementação.
- ZeroHead: O cabeçote de detecção é significativamente simplificado ("ZeroHead"), reduzindo o número de parâmetros necessários para a regressão e classificação final da caixa delimitadora.
- AlignedOTA: Uma estratégia dinâmica de atribuição de rótulos chamada Aligned One-to-Many Assignment garante que as amostras positivas sejam atribuídas com mais precisão durante o treinamento, resolvendo ambiguidades em cenas com muitos objetos.
Aprimoramento por Destilação
Uma das características definidorasYOLO é a sua forte dependência da destilação de conhecimento. Um modelo «professor» maior orienta o treino do modelo «aluno» menor. Embora isso aumente a precisão, complica significativamente o pipeline de treino em comparação com os métodos de treino padrão «bag-of-freebies».
Visão Geral do YOLOX
O YOLOX foi um lançamento fundamental que trouxe mecanismos sem âncora para a YOLO convencional. Ao desacoplar os cabeçalhos de previsão e remover as caixas de âncora, simplificou o processo de design e melhorou o desempenho, especialmente para desenvolvedores acostumados com a complexidade do ajuste de âncora.
- Autores: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li e Jian Sun
- Organização:Megvii
- Data: 2021-07-18
- Arxiv:YOLOX: Exceeding YOLO Series in 2021
- GitHub:Repositório YOLOX
Principais características do YOLOX
- Design sem âncoras: Ao prever diretamente os centros dos objetos, em vez de desvios de caixas de âncora predefinidas, o YOLOX elimina a necessidade de análise de agrupamento (como K-means) para determinar as formas de âncora ideais para conjuntos de dados personalizados.
- Cabeça desacoplada: O YOLOX separa as tarefas de classificação e localização em diferentes ramos da cabeça da rede. Essa separação resolve o conflito entre os requisitos de características para classificar um objeto e determinar o seu limite preciso.
- SimOTA: Uma estratégia simplificada de Atribuição de Transporte Ótimo que atribui dinamicamente amostras positivas com base num custo de otimização global, equilibrando a qualidade da classificação e da regressão.
- Aumento significativo de dados: O YOLOX utiliza intensivamente MixUp Mosaic e MixUp , que foram cruciais para a sua capacidade de treinar eficazmente sem backbones pré-treinados em algumas configurações.
Comparação técnica: desempenho e velocidade
Ao comparar essas duas arquiteturas,YOLO supera o YOLOX em termos de equilíbrio entre precisão e latência, em grande parte devido ao facto de ter sido lançado mais tarde e incorporar tecnologias NAS. No entanto, o YOLOX continua a ser o favorito por sua simplicidade arquitetónica e legibilidade de código.
| Modelo | tamanho (pixels) | mAPval 50-95 | Velocidade CPU ONNX (ms) | Velocidade T4 TensorRT10 (ms) | parâmetros (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| 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 |
| 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 |
Arquitetura e complexidade da formação
O YOLOX é elogiado pela sua implementação «limpa». É uma PyTorch pura, fácil de modificar para fins de investigação. O seu processo de treino é simples, exigindo apenas o ajuste padrão dos hiperparâmetros.
YOLO, por outro lado, introduz uma complexidade significativa. A dependência da Pesquisa de Arquitetura Neural (NAS) significa que a espinha dorsal não é uma estrutura padrão fixa como ResNet ou CSPDarknet. Além disso, o processo de destilação requer primeiro o treino de um modelo professor pesado para supervisionar o modelo aluno leve. Isso duplica os recursos computacionais necessários para o treino e torna difícil para os utilizadores com GPU limitado GPU replicar os resultados do artigo em conjuntos de dados personalizados.
Ultralytics da Ultralytics : além dos modelos de pesquisa
EmboraYOLO o YOLOX ofereçam insights académicos valiosos, o desenvolvimento empresarial moderno requer mais do que apenas métricas brutas. Os programadores precisam de estabilidade, facilidade de uso e um ecossistema completo. É aqui que Ultralytics se destaca como a escolha superior.
Facilidade de Uso e Ecossistema Incomparáveis
O treinamento deYOLO geralmente envolve arquivos de configuração complexos e pipelines de destilação em várias etapas. Em contrapartida, a Ultralytics e Python oferecem uma experiência "zero a herói". Quer você esteja usando a CLI Python, iniciar uma execução de treinamento leva apenas alguns segundos.
from ultralytics import YOLO
# Load the latest YOLO26 model
model = YOLO("yolo26n.pt")
# Train on a dataset with a single command
results = model.train(data="coco8.yaml", epochs=100)
O Ultralytics é mantido ativamente, garantindo compatibilidade com as versões mais recentes do PyTorch, CUDA e Apple Metal. Ao contrário dos repositórios de pesquisa, que muitas vezes ficam inativos após a publicação, Ultralytics recebem atualizações frequentes, correções de bugs e otimizações de desempenho.
Equilíbrio de Desempenho e Versatilidade
O YOLO26 representa o auge da eficiência. Apresenta um design completo NMS, uma inovação pioneira introduzida pela primeira vez no YOLOv10. Ao eliminar o pós-processamento de supressão não máxima (NMS), o YOLO26 reduz a variação da latência de inferência e simplifica a lógica de implementação, resolvendo um grande problema encontrado tanto no YOLOX quantoYOLO.
Além disso, o YOLO26 é otimizado para hardware além das GPUs de nível de servidor. Ele oferece CPU até 43% mais rápida, tornando-o o candidato ideal para dispositivos de ponta, Raspberry Pis e aplicações móveis, onde a duração da bateria e as restrições térmicas são críticas.
Embora o YOLOX eYOLO principalmente detetores de objetos, a Ultralytics oferece suporte nativo para uma ampla variedade de tarefas:
- Segmentação de Instância
- Estimativa da pose (pontos-chave)
- Caixa Delimitadora Orientada (OBB)
- Classificação de Imagem
Aplicações no Mundo Real
A escolha do modelo certo depende muito das restrições específicas do seu ambiente de implementação.
Casos de uso ideais paraYOLO
- Servidores de alto rendimento: A estrutura otimizada do RepGFPN permite uma taxa de quadros por segundo (FPS) muito alta em hardware dedicado TensorRT(como NVIDIA ou A100), tornando-o adequado para processar arquivos de vídeo massivos.
- Cenas lotadas: a atribuição de etiquetas AlignedOTA ajuda em cenários com alta oclusão de objetos, como contar pessoas em uma multidão densa ou monitorar gado.
Casos de Uso Ideais para YOLOX
- Investigação académica: A sua base de código limpa torna-a uma excelente referência para investigadores que pretendem testar novas funções de perda ou modificações de backbone sem a sobrecarga do NAS.
- Suporte móvel legado: As variantes YOLOX-Nano e Tiny utilizam convoluções separáveis em profundidade que são historicamente bem suportadas em Android móveis mais antigas através do NCNN.
Por que Ultralytics é o padrão moderno
Para praticamente todos os novos projetos comerciais e industriais, o YOLO26 é a solução recomendada.
- Edge Computing & IoT: A remoção da Distribuição Focal Loss (DFL) e as novas funções ProgLoss + STAL tornam o YOLO26 excepcionalmente estável em dispositivos de baixa potência. Ele se destaca em robótica e navegação de drones, onde CPU são preciosos.
- Ciclos de desenvolvimento rápidos: a integração com a Ultralytics permite que as equipas rotulem dados, treinem modelos e implementem formatos como ONNX ou CoreML fluxo de trabalho unificado, reduzindo drasticamente o tempo de lançamento no mercado.
- Tarefas complexas: Se você precisa detect ângulo de uma embalagem (OBB) ou analisar a postura de um trabalhador (Pose), o YOLO26 lida com essas tarefas complexas em uma única estrutura eficiente em termos de memória, ao contrário da natureza especializada e exclusivamente voltada para a detecção doYOLO.
Conclusão
TantoYOLO o YOLOX desempenharam papéis cruciais na história da deteção de objetos, provando que projetos sem âncoras poderiam alcançar resultados de ponta. No entanto, o campo evolui rapidamente.
Ultralytics baseia-se nessas lições, incorporando a estabilidade do MuSGD Optimizer (inspirado no treinamento LLM) e a simplicidade da arquitetura NMS. Para desenvolvedores que buscam o melhor equilíbrio entre precisão, velocidade e facilidade de uso, o YOLO26 oferece uma solução preparada para o futuro, apoiada por uma comunidade próspera e documentação abrangente.
Para saber mais sobre como Ultralytics a outras arquiteturas, explore as nossas comparações com EfficientDet, YOLOv6e RT-DETR.