YOLOv10 vs YOLOX
O campo da visão computacional é impulsionado por avanços rápidos nas arquiteturas de detecção de objetos em tempo real. Esta comparação técnica detalhada explora dois modelos influentes que avançaram a eficiência e o design dos detectores: YOLOv10 e YOLOX. Ao examinar suas diferenças arquiteturais, métricas de desempenho e metodologias de treinamento, desenvolvedores e pesquisadores podem tomar decisões bem fundamentadas para implantar sistemas de visão robustos.
Histórico e origens dos modelos#
Compreender as origens desses modelos de aprendizado profundo oferece um contexto valioso sobre seus objetivos arquiteturais e casos de uso pretendidos.
YOLOv10: eliminando a NMS para uma detecção verdadeiramente ponta a ponta#
Desenvolvido para resolver gargalos de latência persistentes, o YOLOv10 introduziu uma abordagem nativa ponta a ponta na família YOLO.
- Autores: Ao Wang, Hui Chen, Lihao Liu, et al.
- Organização: Universidade Tsinghua
- Data: 23 de maio de 2024
- arXiv: 2405.14458
- GitHub: THU-MIG/yolov10
- Documentação: Documentação do Ultralytics YOLOv10
YOLOX: aproximando a pesquisa e a indústria#
YOLOX surgiu como uma versão sem âncoras do design tradicional do YOLO, oferecendo uma metodologia mais simples com desempenho competitivo, especificamente direcionada a facilitar a implementação em comunidades industriais.
- Autores: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li e Jian Sun
- Organização: Megvii
- Data: 18 de julho de 2021
- arXiv: 2107.08430
- GitHub: Megvii-BaseDetection/YOLOX
- Documentação: Documentação oficial do YOLOX
Destaques e inovações arquiteturais#
As duas estruturas diferem dos detectores tradicionais baseados em âncoras, mas resolvem problemas distintos no pipeline de detecção de objetos.
Arquitetura do YOLOX#
YOLOX trouxe várias atualizações importantes ao design do YOLO em 2021. Sua principal contribuição foi adotar um design de detector sem âncoras. Ao eliminar caixas âncora predefinidas, YOLOX reduziu o número de parâmetros de design e os ajustes heurísticos necessários para diferentes conjuntos de dados.
Além disso, YOLOX utiliza uma cabeça desacoplada, que separa as tarefas de classificação e regressão. Isso resolveu o conflito entre os dois objetivos e acelerou a convergência durante o treinamento. Também utiliza SimOTA para atribuição dinâmica de rótulos, melhorando o tratamento de cenas lotadas e oclusões comuns no conjunto de dados COCO.
Designs sem âncoras, como o usado por YOLOX, reduzem a complexidade do ajuste do modelo. Os desenvolvedores já não precisam executar o agrupamento k-means em conjuntos de dados personalizados para definir os tamanhos ideais das caixas âncora, economizando tempo de preparação.
Arquitetura do YOLOv10#
Embora YOLOX tenha melhorado a cabeça de detecção, ainda dependia da supressão não máxima (NMS) durante a inferência, o que causa variabilidade na latência. YOLOv10 visou especificamente essa limitação ao introduzir uma estratégia de atribuição dupla consistente para treinamento sem NMS. Durante o treinamento, utiliza atribuições de rótulos um-para-muitos e um-para-um, mas, durante a inferência, pode descartar completamente a cabeça um-para-muitos e gerar previsões sem pós-processamento NMS (no pacote Ultralytics, seleciona esta cabeça com nms=False).
YOLOv10 também apresenta um design de modelo holístico orientado à eficiência e à precisão. Incorpora cabeças de classificação leves e redução da resolução desacoplada espacial-canal, reduzindo o número de parâmetros e FLOPs sem sacrificar a precisão.
Comparação de desempenho#
A avaliação destes modelos em hardware como a GPU NVIDIA T4 revela vantagens distintas, dependendo da escala. A tabela abaixo compara as duas famílias de modelos.
| Modelo | tamanho (pixels) | mAPval50-95 | Velocidade CPU ONNX (ms) | Velocidade T4 TensorRT10 (ms) | parâmetros (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| 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 |
| 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 |
Como se pode ver acima, YOLOv10 escala bem. A variante YOLOv10x alcança a maior precisão (54.4 mAP), enquanto a variante YOLOv10n oferece a inferência TensorRT mais rápida relatada. Em contrapartida, o modelo YOLOX-Nano tem o menor tamanho (0.91M parâmetros a 416 píxeis), sendo adequado a ambientes com grandes restrições.
Metodologias de treinamento e requisitos de recursos#
Ao implementar modelos em produção, o ecossistema de treinamento e as demandas de recursos são tão importantes quanto a velocidade bruta de inferência.
YOLOX depende de uma base de código mais antiga, cujas dependências e configuração do ambiente podem ser difíceis de gerir nas pilhas de software atuais.
Em contrapartida, YOLOv10 está integrado no ecossistema Ultralytics, o que simplifica a experiência dos desenvolvedores. Os modelos Ultralytics YOLO também usam menos memória CUDA durante o treinamento do que arquiteturas baseadas em Transformer, como RT-DETR.
Exemplo de código: treinamento simplificado#
Com a API unificada da Ultralytics, podes treinar modelos com apenas algumas linhas de Python, sem compilar manualmente operadores C++ nem editar ficheiros de configuração complexos.
from ultralytics import YOLO
# Inicializa um modelo YOLOv10 pré-treinado
model = YOLO("yolov10s.pt")
# Treina o modelo com o conjunto de dados COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Valida o desempenho do modelo
metrics = model.val()
# Exporta o modelo otimizado para o formato ONNX
model.export(format="onnx")Essa sintaxe simples oferece acesso imediato à precisão mista automática, ao aumento de dados automatizado e à integração pronta para uso com ferramentas como Weights & Biases.
Casos de uso e recomendações#
A escolha entre YOLOv10 e YOLOX depende dos requisitos específicos do seu projeto, das restrições de implantação e das preferências de ecossistema.
Quando escolher o YOLOv10#
O YOLOv10 é uma ótima opção para:
- Detecção em tempo real sem NMS: Aplicações que se beneficiam da detecção de ponta a ponta sem supressão não máxima, reduzindo a complexidade da implantação.
- Equilíbrio entre velocidade e precisão: Projetos que exigem um bom equilíbrio entre velocidade de inferência e precisão de detecção em várias escalas de modelo.
- Aplicações com latência consistente: Cenários de implantação nos quais tempos de inferência previsíveis são essenciais, como em robótica ou sistemas autônomos.
Quando escolher o YOLOX#
O YOLOX é recomendado para:
- Investigação em deteção sem âncoras: Investigação académica que utiliza a arquitetura simples e sem âncoras do YOLOX como referência para experimentar novas cabeças de deteção ou funções de perda.
- Dispositivos de borda ultraleves: Implementações em microcontroladores ou hardware móvel legado, onde o tamanho extremamente reduzido da variante YOLOX-Nano (0,91 milhões de parâmetros) é essencial.
- Estudos sobre atribuição de rótulos SimOTA: Projetos de investigação que analisam estratégias de atribuição de rótulos baseadas em transporte ótimo e o seu impacto na convergência do treino.
Quando escolher Ultralytics (YOLO26)#
Para a maioria dos projetos novos, Ultralytics YOLO26 oferece a melhor combinação de desempenho e experiência para desenvolvedores:
- Implantação de borda sem NMS: Aplicações que exigem inferência consistente e de baixa latência, sem a complexidade do pós-processamento com supressão não máxima.
- Ambientes somente com CPU: dispositivos sem aceleração dedicada por GPU, nos quais YOLO26n é até 43% mais rápido na CPU do que YOLO11n.
- Detecção de objetos pequenos: cenários desafiadores, como imagens aéreas capturadas por drones ou análise de sensores IoT, em que ProgLoss e STAL melhoram a precisão em objetos minúsculos.
O futuro da IA de visão: chega o YOLO26#
Embora YOLOv10 e YOLOX representem marcos importantes, a área continua a evoluir. Para os desenvolvedores que estão a iniciar projetos novos, Ultralytics YOLO26 é a opção recomendada.
Lançado em janeiro de 2026, o Ultralytics YOLO26 se baseia no design ponta a ponta sem NMS introduzido nos modelos YOLO pelo YOLOv10 e o oferece como uma cabeça opcional um-para-um (nms=False).
YOLO26 também apresenta várias outras melhorias:
- Inferência na CPU até 43% mais rápida: Com a remoção da Distribution Focal Loss (DFL), YOLO26n é até 43% mais rápido do que YOLO11n na CPU, o que é útil em dispositivos de borda sem GPUs.
- Otimizador MuSGD: Inspirado no treinamento de LLM, este híbrido de SGD e Muon proporciona uma convergência mais rápida e treinamentos estáveis.
- ProgLoss + STAL: Progressive Loss e atribuição de rótulos atenta a alvos pequenos melhoram o reconhecimento de objetos pequenos, um fator essencial para imagens aéreas e sensores IoT.
- Versatilidade: Ao contrário de YOLOX, que é estritamente um detector de objetos, YOLO26 oferece suporte nativo a segmentação de instâncias, segmentação semântica, estimativa de profundidade, classificação de imagens, estimativa de pose e detecção de OBB numa única biblioteca unificada.
Para o caminho mais simples até à produção, os desenvolvedores podem usar a Ultralytics Platform para anotar conjuntos de dados, treinar modelos YOLO26 na nuvem e exportá-los ou implementá-los com configuração mínima.
Aplicações no mundo real#
O modelo certo depende do cenário de implementação e do setor.
Análise de vídeo em alta velocidade#
Para processar fluxos de vídeo densos, como os de gestão do trânsito em cidades inteligentes, YOLOv10 oferece uma vantagem graças ao seu design sem NMS. A remoção do gargalo de NMS mantém a latência consistente, tornando-o uma boa opção para usar em conjunto com algoritmos de rastreamento como BoT-SORT.
Implantação legada em dispositivos de borda#
Em ambientes académicos mais antigos ou aplicações Android legadas criadas com base em YOLOX, modelos menores como YOLOX-Tiny ainda podem ser úteis quando é aceitável manter ambientes PyTorch antigos.
Dispositivos modernos de borda e IoT#
Para implementações em hardware de próxima geração, como robótica, drones e análise de prateleiras de lojas, YOLO26 é a solução recomendada. A menor latência na CPU e a melhor deteção de objetos pequenos tornam-no especialmente adequado para navegação autónoma e gestão granular de inventário.
Para ampliar seu conjunto de ferramentas de aprendizado profundo com outras comparações, você também pode conferir como esses modelos se comparam a alternativas como o flexível YOLO11 ou o RT-DETR, baseado em Transformer.
Comentários
Faz uma pergunta, partilha os teus resultados ou ajuda alguém.