Começar

YOLOX vs YOLO11

A evolução da visão computacional tem sido impulsionada pela procura de frameworks de deteção de objetos em tempo real que equilibrem elevada precisão e velocidade de inferência. Entre os marcos mais notáveis desta evolução estão o YOLOX e o Ultralytics YOLO11. Embora ambos os modelos tenham contribuído significativamente para a área, as suas arquiteturas subjacentes, filosofias de design e ecossistemas para programadores diferem substancialmente.

Esta comparação técnica explora as suas arquiteturas, métricas de desempenho, metodologias de treino e cenários de implementação ideais para te ajudar a tomar uma decisão informada para o teu próximo projeto de inteligência artificial.

Visão geral do YOLOX#

Apresentado pelos investigadores Zheng Ge, Songtao Liu, Feng Wang, Zeming Li e Jian Sun na Megvii a 18 de julho de 2021, o YOLOX representou uma mudança significativa na série YOLO. Ajudou a aproximar a investigação académica da aplicação industrial ao introduzir um design sem âncoras.

Para mais contexto técnico, podes consultar o artigo original do YOLOX no arXiv.

Principais recursos arquiteturais#

O YOLOX afastou-se da deteção tradicional baseada em âncoras ao adotar uma cabeça desacoplada e um mecanismo sem âncoras. Este design reduziu o número de parâmetros de design e melhorou o desempenho do modelo em vários benchmarks. Além disso, introduziu estratégias de atribuição de rótulos como SimOTA para acelerar o processo de treino e melhorar a convergência.

Embora o YOLOX ofereça excelente precisão para sua época, ele se concentra principalmente na detecção de objetos com caixas delimitadoras e não oferece suporte nativo a outras tarefas complexas de visão computacional.

Saiba mais sobre o YOLOX

Design sem âncoras

Ao eliminar as caixas-âncora predefinidas, o YOLOX reduziu significativamente o ajuste heurístico necessário para diferentes conjuntos de dados, tornando-se uma referência sólida para a investigação de metodologias sem âncoras.

Visão geral do Ultralytics YOLO11#

Lançado a 27 de setembro de 2024 por Glenn Jocher e Jing Qiu na Ultralytics, o YOLO11 é um modelo pronto para produção, centrado na versatilidade e na facilidade de utilização. Desenvolvido com base em anos de investigação sobre YOLO, tem um bom desempenho em muitas tarefas.

A vantagem da Ultralytics#

O YOLO11 não é apenas um detetor de objetos; é uma framework unificada que suporta segmentação de instâncias, classificação de imagens, estimativa de pose e deteção com caixas delimitadoras orientadas (OBB). A sua arquitetura eficiente equilibra velocidade, quantidade de parâmetros e precisão.

Além disso, o YOLO11 está totalmente integrado à Ultralytics Platform, que oferece um ecossistema simplificado para anotação de dados, treinamento de modelos e implantação.

Comparação de desempenho e métricas#

Ao comparar esses modelos, fica evidente o equilíbrio de desempenho. O YOLO11 alcança uma precisão média (mAP) mais alta com significativamente menos parâmetros e FLOPs na maioria das categorias de tamanho, em comparação com os modelos YOLOX correspondentes.

Modelotamanho
(pixels)
mAPval50-95Velocidade
CPU ONNX
(ms)
Velocidade
T4 TensorRT10
(ms)
parâmetros
(M)
FLOPs
(B)
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
YOLO11n64039.556.11.52.66.5
YOLO11s64047.090.02.59.421.6
YOLO11m64051.5183.24.720.168.1
YOLO11l64053.4238.66.225.387.2
YOLO11x64054.7462.811.356.9195.3

Como demonstrado, os modelos YOLO11 superam consistentemente o YOLOX em precisão, mantendo uma quantidade menor de parâmetros. Por exemplo, o YOLO11m alcança um 51.5 mAP com apenas 20.1M parâmetros, enquanto o YOLOXx alcança um valor semelhante, de 51.1 mAP, mas requer 99.1M parâmetros. Esta eficiência em termos de parâmetros reduz a utilização de memória durante o treino e a inferência, tornando o YOLO11 adequado para implementação em dispositivos de IA de borda e evitando os elevados requisitos de memória CUDA típicos de modelos mais antigos ou baseados em Transformer, como o RT-DETR.

Treinamento eficiente

Os modelos Ultralytics costumam exigir menos memória GPU durante o treino do que as arquiteturas YOLOX e baseadas em Transformer, permitindo aos investigadores treinar modelos poderosos em hardware de consumo padrão.

Ecossistema e facilidade de uso#

Uma das maiores diferenças entre as duas frameworks está na experiência de desenvolvimento.

O YOLOX muitas vezes exige clonar repositórios, configurar ambientes complexos e executar argumentos de linha de comando extensos para treinar e exportar modelos para formatos como ONNX ou TensorRT.

Em contrapartida, o Ultralytics YOLO11 oferece uma API Python e uma CLI simples. A biblioteca Ultralytics trata automaticamente do aumento de dados, do ajuste de hiperparâmetros e da exportação.

from ultralytics import YOLO

# Carrega um modelo YOLO11 pré-treinado
model = YOLO("yolo11n.pt")

# Treina o modelo com dados personalizados
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Exporta o modelo treinado para TensorRT para otimizar a implantação
model.export(format="engine")

Este ecossistema bem mantido conta com documentação abrangente e integrações com ferramentas como Weights & Biases para acompanhamento de experiências.

Casos de utilização ideais#

A escolha entre esses modelos geralmente depende das particularidades do ambiente de implantação.

Quando usar o YOLOX#

  • Sistemas legados: Se você tem um pipeline estabelecido que foi desenvolvido especificamente com base na base de código original do YOLOX ou nos paradigmas de detecção de objetos do início de 2021.
  • Referências acadêmicas: Ao realizar pesquisas que exigem comparação direta com arquiteturas sem âncoras fundamentais da época de 2021.

Quando usar o YOLO11#

  • Implementações em produção: Para aplicações comerciais no comércio a retalho inteligente ou em sistemas de alarme de segurança, onde são essenciais código robusto e mantido, bem como elevada precisão.
  • Pipelines multitarefa: Quando um projeto exige rastrear objetos, estimar poses humanas e segmentar instâncias usando uma única estrutura unificada.
  • Dispositivos de borda com recursos limitados: Graças à baixa quantidade de parâmetros e ao elevado desempenho, o YOLO11 é adequado para implementação em placas Raspberry Pi ou nós móveis de borda através de CoreML e NCNN.

Olhando para o futuro: as vantagens do YOLO26#

O YOLO11 representa um grande avanço em relação ao YOLOX, mas a visão computacional está a progredir rapidamente. Para os programadores que iniciam novos projetos atualmente, o Ultralytics YOLO26 é a opção recomendada.

Lançado em janeiro de 2026, o YOLO26 baseia-se no YOLO11 e introduz várias funcionalidades novas:

  • Design de ponta a ponta sem NMS: A cabeça um-para-um opcional do YOLO26 (nms=False) elimina o pós-processamento de supressão não máxima (NMS), proporcionando pipelines de implementação mais rápidos e simples (uma abordagem explorada pela primeira vez no YOLOv10).
  • Inferência na CPU até 43% mais rápida: Com a remoção de Distribution Focal Loss (DFL) e a inferência sem NMS, o YOLO26n é até 43% mais rápido do que o YOLO11n na CPU, o que beneficia dispositivos de borda de baixo consumo.
  • Otimizador MuSGD: Inspirado em inovações no treino de LLM, como o Kimi K2 da Moonshot AI, o otimizador MuSGD (um híbrido de SGD e Muon) proporciona um treino estável e uma convergência rápida.
  • ProgLoss + STAL: A Loss progressiva e a Atribuição de Rótulos Atenta a Objetos Pequenos (STAL) melhoram a deteção de objetos pequenos, essencial para imagens captadas por drones e robótica autónoma.

Para a maioria das tarefas modernas de visão computacional, o YOLO26 oferece o melhor equilíbrio entre velocidade, precisão e simplicidade de implementação.

Comentários2

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

  1. shah0nawazGitHub

    Is the latency comparison on the same machine? If yes, please if you can give me the reference , I am working on the latency accuracy trade-off research.

    1. Glenn JocherUltralytics

      @shah0nawaz I can’t confirm that the listed latencies were measured on the same machine, so I wouldn’t treat them as a controlled comparison for your research. The YOLO11 performance table specifies T4/TensorRT10, while the official YOLOX benchmarks report V100 timings and do not establish the provenance of the YOLOX latencies shown here. For a defensible latency–accuracy trade-off, benchmark both on the same GPU with matched input size, batch size, precision, runtime version, and timing boundaries, explicitly stating whether preprocessing and NMS are included.