YOLOv6.0 vs YOLOX: Um mergulho profundo na velocidade industrial e na precisão sem âncoras

A seleção da arquitetura ideal de deteção de objectos é uma decisão crítica que tem impacto na eficiência e capacidade dos sistemas de visão por computador. Esta comparação técnica examina YOLOv6.0 e o YOLOX, dois modelos influentes que moldaram o panorama da deteção em tempo real. Analisamos as suas inovações arquitectónicas, as métricas de desempenho de referência e a adequação a vários cenários de implementação.

YOLOv6.0: Concebido para a eficiência industrial

Autores: Chuyi Li, Lulu Li, Yifei Geng, Hongliang Jiang, Meng Cheng, Bo Zhang, Zaidan Ke, Xiaoming Xu, e Xiangxiang Chu
Organização: Meituan
Data: 2023-01-13
Arxiv: YOLOv6 v3.0: A Full-Scale Reloading
GitHub: YOLOv6
Docs: DocumentaçãoUltralytics YOLOv6

Desenvolvido pelo Vision AI Department da Meituan, YOLOv6.0 foi concebido explicitamente para aplicações industriais em que os recursos de hardware são frequentemente limitados, mas a velocidade em tempo real não é negociável. Ele se concentra em maximizar o rendimento de pipelines de deteção de objetos em hardware GPU padrão.

Arquitetura e Principais Características

YOLOv6.0 introduz uma série de "bag-of-freebies" para aumentar a exatidão sem aumentar o custo da inferência.

• Backbone reparametrizável: Utiliza uma espinha dorsal EfficientRep que permite uma estrutura complexa e com várias ramificações durante o treino (capturando caraterísticas ricas) que colapsa numa estrutura simples e rápida de caminho único durante a inferência.
• Treinamento auxiliado por âncoras (AAT): Embora o modelo funcione como um detetor sem âncoras durante a inferência, ele emprega ramos auxiliares baseados em âncoras durante o treinamento para estabilizar a convergência e melhorar o desempenho.
• Destilação automática: Uma técnica de destilação de conhecimentos em que o modelo do aluno aprende com as previsões do seu próprio modelo do professor, refinando a sua precisão sem dependências externas.

Forças e Fraquezas

A principal força do YOLOv6.0 reside na sua otimização da latência. Atinge velocidades de inferência excepcionais em GPUs NVIDIA quando optimizado com o TensorRTtornando-o um forte candidato para automação de fábrica de alto rendimento e vigilância de cidades inteligentes. Além disso, seu suporte para treinamento com reconhecimento de quantização (QAT) ajuda na implantação em dispositivos de ponta com requisitos de precisão reduzidos.

No entanto, o modelo é um pouco especializado. Não possui a versatilidade multitarefa nativa encontrada em estruturas mais amplas, concentrando-se quase exclusivamente na deteção. Além disso, seu ecossistema, embora robusto, é menor do que a comunidade em torno dos modelos Ultralytics , potencialmente limitando a disponibilidade de tutoriais de terceiros e pesos pré-treinados para conjuntos de dados de nicho.

Saiba mais sobre o YOLOv6

YOLOX: Simplicidade e inovação sem âncoras

Autores: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li, e Jian Sun
Organização: Megvii
Data: 2021-07-18
Arxiv: YOLOX: Excedendo a série YOLO em 2021
GitHub: Megvii-BaseDetection/YOLOX
Docs: Documentação do YOLOX

O YOLOX representou uma mudança de paradigma ao trazer detectores sem âncoras para a linhagem principal YOLO . Ao eliminar a necessidade de caixas de ancoragem pré-definidas, simplificou o processo de conceção e melhorou a generalização através de formas de objectos variadas.

Arquitetura e Principais Características

O YOLOX integra várias técnicas avançadas para melhorar o desempenho, mantendo uma arquitetura simples:

• Cabeça desacoplada: Ao contrário das versões anteriores YOLO que utilizavam uma cabeça acoplada (partilhando caraterísticas para classificação e localização), o YOLOX separa estas tarefas, conduzindo a uma convergência mais rápida e a uma melhor precisão.
• Atribuição de rótulos SimOTA: Uma estratégia avançada de atribuição dinâmica de rótulos que trata o processo de formação como um problema de transporte ótimo, atribuindo automaticamente amostras positivas a verdades fundamentais de uma forma que minimiza o custo.
• Aumento forte: Utiliza fortemente o MixUp e Mosaic, permitindo que o modelo aprenda caraterísticas robustas mesmo sem backbones pré-treinados.

Forças e Fraquezas

O YOLOX destaca-se pela sua precisão e flexibilidade de investigação. A sua natureza sem âncoras torna-o particularmente eficaz na deteção de objectos com rácios de aspeto invulgares, superando frequentemente os equivalentes baseados em âncoras nestes cenários. O modelo YOLOX-Nano é também notavelmente leve (menos de 1M de parâmetros), o que o torna ideal para microcontroladores de potência extremamente baixa.

Por outro lado, o YOLOX pode ser mais dispendioso em termos de FLOPs em comparação com modelos mais recentes como o YOLOv6 ou YOLO11 para o mesmo nível de precisão. O seu pipeline de treino, embora eficaz, pode ser mais lento devido aos complexos cálculos de atribuição de etiquetas dinâmicas, e geralmente requer mais memória GPU durante o treino em comparação com implementações Ultralytics altamente optimizadas.

Saiba mais sobre o YOLOX.

Comparação de desempenho: Métricas e análises

A tabela seguinte apresenta uma comparação direta das principais métricas de desempenho no conjunto de dadosCOCO .

Análise

Os dados evidenciam uma clara divergência na filosofia de conceção. YOLOv6.0 domina a eficiência em termos de hardware. Por exemplo, o YOLOv6-3.0n atinge um tempo de inferência impressionante de 1,17 ms em GPUs T4, significativamente mais rápido do que os benchmarks típicos para modelos da sua classe. O YOLOv6-3.0l também ultrapassa o maior modelo YOLOX (YOLOXx) em termos de exatidão (52,8 vs 51,1 mAP), utilizando quase metade da FLOPs.

YOLOXPor outro lado, ganha na categoria dos ultraleves. O YOLOXnano é inferior a 1 milhão de parâmetros, um feito que poucos detectores modernos replicam, tornando-o exclusivamente adequado para aplicações IoT específicas em que o armazenamento de memória é o principal gargalo e não a velocidade de computação. No entanto, para a deteção de uso geral, o YOLOX tende a exigir mais parâmetros para uma precisão comparável ao YOLOv6.

A Vantagem Ultralytics: Por que escolher YOLO11?

Enquanto YOLOv6 e o YOLOX oferecem soluções robustas para nichos específicos, Ultralytics YOLO11 representa o culminar da investigação mais avançada, oferecendo um equilíbrio superior de velocidade, precisão e facilidade de utilização para a grande maioria dos programadores.

Versatilidade e ecossistema inigualáveis

Ao contrário dos concorrentes que muitas vezes se concentram apenas na deteção de caixas delimitadoras, YOLO11 fornece suporte nativo para uma vasta gama de tarefas de visão computacional, incluindo segmentação de instâncias, estimativa de pose, deteção de objectos orientados (OBB) e classificação. Isso permite que os desenvolvedores resolvam problemas complexos e de vários estágios com uma única estrutura.

Além disso, o ecossistemaUltralytics é mantido ativamente, garantindo a compatibilidade com as versões mais recentes Python , as actualizações PyTorch e os alvos de implementação como o CoreML, OpenVINOe ONNX.

Eficiência e facilidade de utilização

YOLO11 foi concebido para ser eficiente na formação, exigindo normalmente menos memória GPU do que as alternativas baseadas em transformadores (como o RT-DETR) ou as versões mais antigas YOLO . Isto permite aos investigadores treinar modelos maiores em hardware de consumo. A API Python foi concebida para ser simples, permitindo aos utilizadores passar da instalação à inferência em apenas algumas linhas de código:

from ultralytics import YOLO

# Load the YOLO11 model (n, s, m, l, or x)
model = YOLO("yolo11n.pt")

# Perform inference on an image
results = model("path/to/image.jpg")

# Export to ONNX for deployment
model.export(format="onnx")

Equilíbrio de desempenho no mundo real

Os testes de referência mostram consistentemente que YOLO11 atinge valores mais elevados de mAP a velocidades de inferência comparáveis ou mais rápidas do que YOLOv6 e o YOLOX. Este desempenho "ótimo de Pareto" torna-o a escolha recomendada para aplicações que vão desde os veículos autónomos à análise de imagens médicas.

Conclusão

Ao comparar YOLOv6.0 e o YOLOX, a escolha depende muito das suas restrições específicas. YOLOv6.0 é a escolha ideal para implementações GPU estritamente industriais em que a latência ao nível dos milissegundos é crítica. O YOLOX continua a ser uma escolha sólida para a investigação de arquitecturas sem âncoras e para ambientes de armazenamento ultra-confinados através do seu modelo Nano.

No entanto, para os programadores que procuram uma solução preparada para o futuro que combine um desempenho de topo com uma plataforma fácil de utilizar e rica em funcionalidades, Ultralytics YOLO11 é o vencedor definitivo. A sua capacidade de lidar perfeitamente com várias tarefas, juntamente com uma extensa documentação e um amplo suporte de implementação, acelera o ciclo de vida do desenvolvimento, desde o conceito até à produção.

Explore outras comparações para ver como os modelos Ultralytics se comparam com RT-DETR ou YOLOv7.

Comentários