Começar

DAMO-YOLO vs YOLOX

A visão computacional em tempo real continua a evoluir. Dois marcos notáveis são DAMO-YOLO e YOLOX, cada um trazendo as suas próprias inovações para a deteção de objetos rápida e precisa. Ambos os modelos contribuíram significativamente para a comunidade de código aberto, e os engenheiros de aprendizagem automática beneficiam de compreender as diferenças arquitetónicas, os métodos de treino e os cenários de implementação mais adequados.

Este guia explora os detalhes técnicos de ambos os modelos e explica por que razão alternativas modernas como o Ultralytics YOLO26 oferecem melhor desempenho e facilidade de utilização nos ambientes de produção atuais.

Visão geral dos modelos#

Detalhes do DAMO-YOLO#

Desenvolvido por uma equipa de investigadores do Alibaba Group, o DAMO-YOLO foi apresentado como um método eficiente de deteção de objetos que utiliza a descoberta automatizada de arquiteturas.

Saiba mais sobre DAMO-YOLO

Detalhes do YOLOX#

Criado por investigadores da Megvii, o YOLOX procurou aproximar as comunidades de investigação e industrial ao passar a série YOLO para um design sem âncoras, simplificando a arquitetura e alcançando um desempenho superior na altura.

Saiba mais sobre o YOLOX

Análise da arquitetura#

Arquitetura do DAMO-YOLO#

O DAMO-YOLO depende bastante da busca por arquiteturas neurais (NAS). Seus principais componentes incluem:

  • Backbones MAE-NAS: Utiliza uma pesquisa guiada pela entropia máxima para descobrir backbones que equilibram velocidade de inferência e precisão.
  • RepGFPN eficiente: Um design de neck robusto, adaptado à fusão de características, que ajuda o modelo a manter alta precisão em diferentes escalas de objetos.
  • ZeroHead: Uma cabeça de detecção simplificada e leve que reduz a sobrecarga computacional nas camadas finais de predição.

Arquitetura do YOLOX#

O YOLOX adotou uma abordagem diferente, priorizando a simplicidade estrutural e um design sem âncoras:

  • Mecanismo sem âncoras: Ao prever diretamente as coordenadas das caixas delimitadoras, sem âncoras predefinidas, o YOLOX reduz o número de parâmetros de projeto e ajustes heurísticos necessários.
  • Cabeça desacoplada: Separa as tarefas de classificação e regressão em diferentes ramificações de características, melhorando a velocidade de convergência e a precisão geral.
  • Atribuição de rótulos SimOTA: Uma estratégia de atribuição de rótulos que aloca dinamicamente amostras positivas às referências verdadeiras, melhorando a eficiência do treino.
Filosofias de projeto

Enquanto o DAMO-YOLO utiliza NAS orientada por máquina para encontrar arquiteturas eficientes sob restrições rigorosas, o YOLOX recorre a simplificações concebidas por pessoas (como cabeças sem âncoras) para simplificar o pipeline de deteção de objetos.

Comparação de desempenho#

A avaliação destes modelos exige analisar a Precisão média (mAP), a velocidade de inferência e a quantidade de parâmetros. A tabela abaixo compara variantes padrão e leves de ambas as arquiteturas.

Modelotamanho
(pixels)
mAPval50-95Velocidade
CPU ONNX
(ms)
Velocidade
T4 TensorRT10
(ms)
parâmetros
(M)
FLOPs
(B)
DAMO-YOLOt64042.0-2.328.518.1
DAMO-YOLOs64046.0-3.4516.337.8
DAMO-YOLOm64049.2-5.0928.261.8
DAMO-YOLOl64050.8-7.1842.197.3
YOLOXnano41625.8--0.911.08
YOLOXtiny41632.8--5.066.45
YOLOXs64040.5-2.569.026.8
YOLOXm64046.9-5.4325.373.8
YOLOXl64049.7-9.0454.2155.6
YOLOXx64051.1-16.199.1281.9

Embora o YOLOXx alcance o mAP absoluto mais elevado, de 51.1, o DAMO-YOLOl oferece um valor competitivo de 50.8 mAP com menos de metade dos parâmetros (42.1M vs 99.1M) e uma execução TensorRT significativamente mais rápida.

Metodologias de treinamento#

Treinamento do DAMO-YOLO#

O DAMO-YOLO utiliza um método complexo de aprimoramento por destilação de conhecimento durante o treino. Muitas vezes, primeiro treina-se um modelo grande, o «professor», e depois destila-se o seu conhecimento nos modelos mais pequenos, os «alunos». Também utiliza AlignedOTA para atribuir rótulos dinamicamente. Embora seja eficaz, este processo de treino em várias etapas aumenta substancialmente o tempo de processamento na GPU e a sobrecarga de memória necessários.

Treinamento do YOLOX#

O YOLOX recorre a estratégias de aumento de dados robustas, como MixUp e Mosaic. No entanto, os autores descobriram que desativar estes aumentos robustos nas 15 épocas finais permite ao modelo adaptar-se à distribuição natural das imagens, aumentando significativamente a precisão final.

Casos de utilização ideais#

  • DAMO-YOLO: Mais indicado para implantações industriais de alto risco que possam contar com pipelines de destilação no servidor e nas quais o hardware de destino (como determinadas GPUs NVIDIA) se beneficie diretamente de sua arquitetura NAS com neck robusta.
  • YOLOX: Uma boa opção para programadores que procuram uma abordagem totalmente sem âncoras. O YOLOXnano leve torna-o viável em dispositivos Android antigos, na computação de borda e em sensores IoT com grandes restrições, nos quais a quantidade de parâmetros é o principal gargalo.

A vantagem da Ultralytics: conheça YOLO26#

Embora DAMO-YOLO e YOLOX sejam marcos importantes, atualmente os programadores precisam de soluções mais abrangentes, versáteis e fáceis de utilizar. É aqui que a Ultralytics Platform e o recém-lançado Ultralytics YOLO26 se destacam.

Lançado em janeiro de 2026, o YOLO26 é o modelo Ultralytics recomendado para as tarefas de visão computacional compatíveis. Inclui várias melhorias em relação às arquiteturas anteriores:

  • Design de ponta a ponta sem NMS: A cabeça um-para-um opcional do YOLO26 (nms=False) ignora o pós-processamento de supressão não máxima (NMS). Isto permite uma implementação significativamente mais simples e rápida, evitando os gargalos de latência inerentes às cabeças de deteção tradicionais.
  • Inferência na CPU até 43% mais rápida: Ao remover Distribution Focal Loss (DFL) e otimizar as camadas, o YOLO26 oferece inferência rápida em CPUs e hardware de borda; o YOLO26n é até 43% mais rápido na CPU do que o YOLO11n.
  • Otimizador MuSGD: Inspirado nas técnicas de treino de modelos de linguagem de grande escala (LLM), o YOLO26 introduz o otimizador MuSGD (um híbrido de SGD e Muon), que resulta em treinos estáveis e convergência mais rápida do que a configuração de treino anterior do YOLOX.
  • ProgLoss + STAL: A Loss progressiva e a atribuição de rótulos com atenção a objetos pequenos proporcionam melhorias notáveis no reconhecimento de objetos pequenos, tornando o YOLO26 mais adequado para imagens captadas por drones e robótica.
  • Versatilidade: Ao contrário do DAMO-YOLO, que se destina exclusivamente à deteção de objetos, o YOLO26 processa nativamente segmentação de instâncias, classificação, estimativa de pose e caixas delimitadoras orientadas (OBB) no mesmo ecossistema bem mantido.

Facilidade de uso com a Ultralytics#

A API Python da Ultralytics simplifica a experiência de desenvolvimento. O treino de um modelo YOLO26 exige muito menos código boilerplate e evita os complexos pipelines de destilação do DAMO-YOLO. Os modelos Ultralytics também têm baixos requisitos de memória CUDA durante o treino, em comparação com modelos pesados baseados em Transformer.

from ultralytics import YOLO

# Carrega o modelo nano mais recente do Ultralytics YOLO26
model = YOLO("yolo26n.pt")

# Treina o modelo com seu conjunto de dados personalizado usando uma única linha de código
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Executa inferência rápida e sem NMS em uma imagem
results = model("https://ultralytics.com/images/bus.jpg", nms=False)

# Exporte para ONNX ou TensorRT
model.export(format="onnx")
Treinamento e implantação na nuvem

Podes anotar automaticamente, treinar e implementar modelos na borda com a Ultralytics Platform, que gere o versionamento de dados e o aprovisionamento de GPU na nuvem por ti.

Conclusão#

A escolha entre DAMO-YOLO e YOLOX depende de restrições específicas: o DAMO-YOLO oferece boas relações entre velocidade e precisão em determinadas GPUs através de NAS, enquanto o YOLOX proporciona um design limpo e sem âncoras, adequado a cenários leves de borda.

No entanto, para as equipas que procuram uma solução moderna, ativamente mantida e com uma comunidade ativa, a arquitetura Ultralytics YOLO26 é a opção recomendada. A inferência opcional sem NMS, a inferência rápida na CPU e a API unificada para tarefas de deteção, segmentação e pose tornam-no adequado para passar da investigação à produção real.

Os programadores interessados em explorar outras arquiteturas modernas podem considerar o Ultralytics YOLO11 ou modelos baseados em Transformer, como o RT-DETR, disponíveis na documentação abrangente da Ultralytics.

Comentários

Faz uma pergunta, partilha os teus resultados ou ajuda alguém.