YOLOX vs. YOLOv10: A evolução da detecção sem âncora para a detecção de ponta a ponta

O panorama da deteção de objetos mudou drasticamente entre 2021 e 2024. O YOLOX, lançado pela Megvii, representou uma grande mudança em relação aos métodos baseados em âncoras, introduzindo um design simplificado sem âncoras que se tornou o favorito para linhas de base de pesquisa. Três anos depois, pesquisadores da Universidade de Tsinghua revelaram o YOLOv10, levando o paradigma ainda mais longe ao eliminar completamente a necessidade de supressão não máxima (NMS) por meio de uma arquitetura ponta a ponta.

Esta comparação explora os avanços técnicos desde as cabeças desacopladas do YOLOX até a estratégia de atribuição dupla YOLOv10, ajudando os desenvolvedores a escolher a ferramenta certa para o seu pipeline de visão computacional.

Comparativo em Destaque

Embora ambos os modelos tenham como objetivo o desempenho em tempo real, eles resolvem o problema de detecção de maneiras diferentes. O YOLOX concentra-se em simplificar o processo de treino com atribuição dinâmica de rótulos, enquanto YOLOv10 a latência de inferência, removendo os gargalos do pós-processamento.

YOLOX: O Pioneiro Sem Anchor

O YOLOX foi apresentado em julho de 2021 por Zheng Ge e a equipa da Megvii. Ele mudou a YOLO para um mecanismo sem âncora, o que reduziu o número de parâmetros de design (como tamanhos de caixas de âncora) que os engenheiros precisavam ajustar.

Inovação principal: Cabeça desacoplada e SimOTA (Atribuição simplificada de transporte ideal).
Arquitetura: Backbone CSPDarknet modificado com foco no equilíbrio entre velocidade e precisão.
Status do legado: Amplamente utilizado como referência confiável em artigos académicos, como o relatório YOLOX Arxiv.

Saiba mais sobre o YOLOX.

YOLOv10: Detecção End-to-End em Tempo Real

YOLOv10, lançado em maio de 2024 por investigadores da Universidade de Tsinghua, aborda o custo de latência do NMS. Ao empregar uma estratégia de atribuição dupla consistente durante o treino, ele aprende a prever uma caixa por objeto, permitindo uma verdadeira implementação de ponta a ponta.

Inovação principal: Treinamento NMS através de atribuições de rótulos duplos (um para muitos para supervisão, um para um para inferência).
Eficiência: Introduz o design holístico de modelos orientados para a eficiência e precisão, incluindo o design de blocos orientado por classificação.
Integração: Compatível com o Ultralytics para facilitar a formação e a implementação.

Saiba mais sobre o YOLOv10

Análise de Desempenho

A diferença de desempenho entre essas gerações é significativa, especialmente em termos de eficiência (FLOPs) e velocidade de inferência em hardware moderno. YOLOv10 blocos arquitetónicos mais recentes para alcançar uma precisão média (mAP) mais elevada com menos parâmetros.

Modelo	tamanho ^(pixels)	mAP^val 50-95	Velocidade ^{CPU ONNX (ms)}	Velocidade ^{T4 TensorRT10 (ms)}	parâmetros ^(M)	FLOPs ^(B)
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

YOLOv10n	640	39.5	-	1.56	2.3	6.7
YOLOv10s	640	46.7	-	2.66	7.2	21.6
YOLOv10m	640	51.3	-	5.48	15.4	59.1
YOLOv10b	640	52.7	-	6.54	24.4	92.0
YOLOv10l	640	53.3	-	8.33	29.5	120.3
YOLOv10x	640	54.4	-	12.2	56.9	160.4

Diferenças críticas

Latência: YOLOv10 a NMS . Em dispositivos de ponta, NMS representar uma parte significativa do tempo total de inferência, tornando YOLOv10 mais rápido em pipelines do mundo real.
Precisão: O YOLOv10x atinge 54,4% mAP, significativamente superior ao YOLOX-x, com 51,1%, apesar de o YOLOX-x ter quase o dobro dos parâmetros (99,1 milhões contra 56,9 milhões).
Eficiência computacional: A contagem de FLOPs para YOLOv10 é geralmente menor para precisão equivalente, reduzindo a pressão sobre GPU e o consumo de energia.

Análise Arquitetural Detalhada

YOLOX: Cabeça desacoplada e SimOTA

O YOLOX divergiu das YOLO anteriores YOLO ao usar uma cabeça desacoplada. Nos detetores tradicionais, as tarefas de classificação e localização partilhavam características convolucionais. O YOLOX separou-as em dois ramos, o que melhorou a velocidade de convergência e a precisão.

Além disso, o YOLOX introduziu o SimOTA, uma estratégia dinâmica de atribuição de rótulos. Em vez de regras fixas para corresponder caixas de verdade fundamental a âncoras, o SimOTA trata o processo de correspondência como um problema de transporte ótimo, atribuindo rótulos com base num cálculo de custo global. Essa abordagem torna o YOLOX robusto em diferentes conjuntos de dados sem um ajuste pesado de hiperparâmetros.

YOLOv10: Atribuições duplas consistentes

A principal contribuição YOLOv10 é resolver a discrepância entre o treino e a inferência encontrada em modelos NMS.

Treinamento um-para-muitos: durante o treinamento, o modelo atribui várias amostras positivas a um único objeto para fornecer sinais de supervisão ricos.
Inferência um-para-um: Através de uma métrica de correspondência consistente, o modelo aprende a selecionar a melhor caixa durante a inferência, eliminando a necessidade do NMS.

Além disso, YOLOv10 módulos de convoluções de kernel grande e autoatenção parcial (PSA) para capturar o contexto global de forma eficaz, sem o alto custo computacional dos transformadores completos.

Por que NMS-Free é importante

A supressão não máxima (NMS) é um algoritmo de pós-processamento que filtra caixas delimitadoras sobrepostas. Embora eficaz, é sequencial e difícil de acelerar em hardware como FPGAs ou NPUs. Removê-lo torna o pipeline de implementação estritamente determinístico e mais rápido.

Casos de uso ideais

Quando escolher o YOLOX

Referências académicas: Se estiver a escrever um artigo científico e precisar de um detetor limpo, padrão e sem âncoras para comparar.
Sistemas legados: ambientes já validados na base de código Megvii ou nas estruturas OpenMMLab, onde não é viável atualizar todo o mecanismo de inferência.

Quando Escolher YOLOv10

Aplicações de baixa latência: cenários como sistemas de travagem autónoma ou classificação industrial de alta velocidade, onde cada milésimo de segundo de pós-processamento conta.
Dispositivos de borda com recursos limitados: dispositivos com CPU limitada CPU se beneficiam imensamente da remoção da etapa NMS .

A Vantagem Ultralytics

Embora o YOLOX e YOLOv10 arquiteturas poderosas, o Ultralytics fornece a ponte entre o código bruto do modelo e as aplicações prontas para produção.

Integração Contínua

Ultralytics YOLOv10 , permitindo alternar entre modelos com uma única linha de código. Isso elimina a necessidade de aprender diferentes APIs ou formatos de dados (como converter rótulos para COCO para YOLOX).

from ultralytics import YOLO

# Load YOLOv10n or the newer YOLO26n
model = YOLO("yolov10n.pt")

# Train on your data with one command
model.train(data="coco8.yaml", epochs=100, imgsz=640)

Versatilidade e Ecossistema

Ao contrário do repositório YOLOX independente, Ultralytics uma ampla gama de tarefas além da detecção, incluindo segmentação de instâncias, estimativa de pose e OBB. Tudo isso pode ser gerenciado através da Ultralytics , que oferece gerenciamento de conjuntos de dados baseado na web, treinamento com um clique e implementação em formatos como CoreML, ONNX e TensorRT.

Eficiência do Treinamento

Ultralytics são otimizados para eficiência de memória. Enquanto alguns modelos baseados em transformadores (como RT-DETR) exigem uma quantidade substancial CUDA ,YOLO Ultralytics são projetados para serem treinados em GPUs de nível consumidor, democratizando o acesso à IA de última geração.

O Futuro: YOLO26

Para os programadores que procuram o melhor em termos de desempenho e facilidade de utilização, recomendamos que vão além YOLOv10 o recém-lançado YOLO26.

Lançado em janeiro de 2026, o YOLO26 baseia-se na inovação NMS do YOLOv10 aperfeiçoa-o para garantir estabilidade e velocidade de produção.

Otimizador MuSGD: Inspirado nas inovações de treinamento LLM da Moonshot AI, este otimizador garante uma convergência mais rápida e execuções de treinamento estáveis.
Remoção de DFL: Ao remover a perda focal de distribuição, o YOLO26 simplifica o gráfico do modelo, tornando a exportação para dispositivos de ponta mais suave e menos propensa à incompatibilidade do operador.
Velocidade: Otimizado especificamente para CPU , oferecendo velocidades até 43% mais rápidas em comparação com as gerações anteriores, tornando-o ideal para hardware IoT padrão.

Saiba mais sobre YOLO26

Conclusão

O YOLOX continua a ser um marco importante na história da deteção de objetos, provando que métodos sem âncora podem atingir um nível de precisão de primeira linha. YOLOv10 representa o próximo passo lógico, removendo o gargalo final do NMS permitir um processamento verdadeiramente completo.

No entanto, para uma solução robusta e de longo prazo, o Ultralytics — liderado pelo YOLO26— oferece o pacote mais completo. Com documentação superior, suporte ativo da comunidade e uma plataforma que lida com tudo, desde a anotação de dados até a exportação de modelos, Ultralytics os seus projetos de visão computacional tenham sucesso, desde o protótipo até a produção.