YOLOX vs YOLOv10
A evolução dos modelos de visão computacional em tempo real tem sido marcada por avanços arquitetónicos significativos. Dois marcos importantes desta evolução são o YOLOX e o YOLOv10. Lançado em 2021, o YOLOX ajudou a aproximar a investigação académica da aplicação industrial ao introduzir um design eficaz sem âncoras. Três anos depois, o YOLOv10 eliminou a necessidade de supressão não máxima (NMS) durante o pós-processamento, melhorando a eficiência e a velocidade.
Esta comparação técnica explora as arquiteturas, as métricas de desempenho e os casos de utilização ideais de ambos os modelos para te ajudar a escolher a ferramenta certa para o teu próximo projeto de deteção de objetos.
Origens e metadados dos modelos#
Entender as origens desses modelos ajuda a contextualizar suas escolhas arquitetônicas e os ambientes de implantação pretendidos.
Detalhes do YOLOX
- Autores: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li e Jian Sun
- Organização: Megvii
- Data: 2021-07-18
- arXiv: https://arxiv.org/abs/2107.08430
- GitHub: https://github.com/Megvii-BaseDetection/YOLOX
- Documentação: https://github.com/Megvii-BaseDetection/YOLOX/tree/main/docs
Detalhes do YOLOv10
- Autores: Ao Wang, Hui Chen, Lihao Liu, Kai Chen, Zijia Lin, Jungong Han e Guiguang Ding
- Organização: Universidade Tsinghua
- Data: 2024-05-23
- arXiv: https://arxiv.org/abs/2405.14458
- GitHub: https://github.com/THU-MIG/yolov10
- Documentação: https://docs.ultralytics.com/models/yolov10
Inovações arquiteturais#
As principais diferenças entre YOLOX e YOLOv10 estão na forma como lidam com as previsões de caixas delimitadoras e o pós-processamento.
YOLOX: pioneiro no design sem âncoras#
O YOLOX passou a família YOLO para uma arquitetura sem âncoras. Ao prever o centro de um objeto em vez de depender de caixas-âncora predefinidas, o YOLOX reduziu significativamente o número de parâmetros de design e o ajuste heurístico necessários para conjuntos de dados personalizados. Também introduziu uma cabeça desacoplada, separando as tarefas de classificação e regressão em vias distintas. Esta abordagem reduziu o conflito entre identificar o que é um objeto e determinar onde está, proporcionando ganhos notáveis na velocidade de convergência e na precisão.
YOLOv10: detecção em tempo real sem NMS#
Embora YOLOX tenha simplificado a cabeça de detecção, ainda dependia de NMS para filtrar previsões redundantes de caixas delimitadoras. YOLOv10 enfrentou esse gargalo fundamental. Ao utilizar atribuições duplas consistentes durante o treinamento, YOLOv10 realiza detecção ponta a ponta nativamente. O modelo usa uma cabeça one-to-many durante o treinamento para garantir sinais de supervisão ricos e uma cabeça one-to-one durante a inferência para gerar diretamente as previsões finais. Esse design abrangente, que equilibra eficiência e precisão, elimina completamente a NMS e reduz significativamente a latência de inferência em chips embarcados.
A supressão não máxima costuma ser uma operação complexa de acelerar em unidades de processamento neural (NPUs). Ao removê-la, YOLOv10 permite que todo o grafo do modelo seja executado em hardware especializado, melhorando a compatibilidade com frameworks de otimização como OpenVINO e TensorRT.
Métricas de desempenho e comparação#
Ao avaliar modelos para produção, é fundamental equilibrar a precisão com a sobrecarga computacional. A tabela abaixo ilustra as compensações entre várias escalas de YOLOX e YOLOv10.
| Modelo | tamanho (pixels) | mAPval50-95 | 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 | 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 |
Análise dos Dados#
As métricas mostram a evolução geracional do YOLOv10. Por exemplo, YOLOv10-S alcança uma precisão média de 46,3%, em comparação com os 46,9% do YOLOX-m, mas faz isso usando menos de um terço dos parâmetros (7,2M contra 25,3M) e significativamente menos FLOPs. Além disso, o modelo topo de linha YOLOv10-X eleva o mAP para 54,4%, tornando-o altamente competitivo em tarefas que exigem alta precisão, sem deixar de ser mais rápido que a arquitetura YOLOX-x, mais antiga.
A vantagem do ecossistema Ultralytics#
Embora YOLOX continue sendo uma implementação de pesquisa robusta e de código aberto, adotar YOLOv10 oferece acesso imediato ao ecossistema bem mantido fornecido pela Ultralytics. Escolher um modelo compatível com a Ultralytics garante uma experiência simplificada, caracterizada por uma API simples e documentação abrangente.
Os desenvolvedores beneficiam dos baixos requisitos de memória do framework; treinar modelos Ultralytics costuma consumir muito menos memória CUDA do que alternativas pesadas baseadas em Transformer, como RT-DETR. Essa eficiência no uso de recursos durante o treino permite usar lotes maiores em hardware de consumo, acelerando o percurso da recolha de dados à implementação do modelo. O framework também oferece suporte a várias tarefas, por isso os utilizadores podem alternar entre deteção de objetos, segmentação de instâncias e estimativa de pose com alterações mínimas no código.
Exemplo de treinamento e inferência#
A API unificada permite validar ideias rapidamente. O trecho de código a seguir treina e implementa um modelo YOLOv10 usando o backend PyTorch:
from ultralytics import YOLO
# Carrega um modelo nano YOLOv10 pré-treinado
model = YOLO("yolov10n.pt")
# Treina o modelo com o conjunto de dados COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Executa inferência em uma imagem de exemplo
predictions = model.predict("https://ultralytics.com/images/bus.jpg")
# Exportar o modelo para implementação edge
model.export(format="engine", quantize=16)Graças às rotinas de exportação integradas, converter modelos para formatos como TensorRT ou ONNX exige apenas uma linha de código, evitando etapas complexas de compilação.
Casos de uso e cenários de implantação ideais#
A escolha entre essas arquiteturas depende, em grande medida, das limitações do seu hardware e dos requisitos específicos do domínio.
Análise de vídeo em tempo real#
Para aplicações que exigem latência muito baixa, como condução autónoma ou monitorização do trânsito em tempo real, YOLOv10 é a opção mais forte. O seu design de ponta a ponta sem NMS proporciona tempos de execução previsíveis, algo essencial para sistemas de segurança que não podem tolerar latência variável no pós-processamento. Os modelos alcançam altas taxas de frames em dispositivos como os da série NVIDIA Jetson.
Referências acadêmicas e microcontroladores de borda#
YOLOX continua a ser útil em contextos académicos nos quais os investigadores procuram uma referência limpa com cabeça desacoplada para experimentar estratégias de atribuição de rótulos. Além disso, o YOLOX-Nano, muito pequeno (menos de 1 milhão de parâmetros), pode ser executado em dispositivos de borda com recursos extremamente limitados e pouca memória, desde que o hardware ofereça suporte a operações de convolução padrão.
O modelo recomendado: Ultralytics YOLO26#
YOLOv10 representou um grande avanço na remoção do NMS, mas a área da visão computacional evolui rapidamente. Para novos projetos, a Ultralytics recomenda YOLO26, lançado em janeiro de 2026.
YOLO26 desenvolve as ideias dos seus antecessores e oferece um bom equilíbrio de desempenho, com suporte nativo para deteção, segmentação de instâncias e semântica, estimativa de profundidade, classificação, estimativa de pose e caixas delimitadoras orientadas.
Veja por que YOLO26 é a opção recomendada para pipelines modernos de visão computacional:
- Design de ponta a ponta sem NMS: Com base no YOLOv10, YOLO26 oferece suporte nativo à inferência de ponta a ponta (
nms=False), proporcionando inferências mais rápidas e previsíveis, sem os gargalos do pós-processamento com NMS. - Inferência na CPU até 43% mais rápida: YOLO26n é até 43% mais rápido que YOLO11n na CPU, sendo adequado para processadores móveis e dispositivos sem GPUs dedicadas.
- Otimizador MuSGD: Inspirado no treino de modelos de linguagem de grande dimensão (mais especificamente, no Kimi K2 da Moonshot AI), YOLO26 usa uma combinação de SGD e Muon para obter um treino estável e uma convergência rápida.
- ProgLoss + STAL: A Progressive Loss e a atribuição de rótulos sensível a objetos pequenos (STAL) melhoram a deteção de objetos pequenos, essencial em domínios exigentes como imagens aéreas e navegação de drones.
- Remoção de DFL: Ao remover a Distribution Focal Loss, YOLO26 simplifica o grafo do modelo, facilitando a exportação para dispositivos de borda e de baixo consumo.
- Melhorias específicas para cada tarefa: Quer uses a estimativa de log-verosimilhança residual (RLE) para estimativa de pose ou uma função de perda angular especializada para OBB, YOLO26 inclui melhorias para cada uma das principais tarefas de visão.
Para os desenvolvedores que atualizam os seus pipelines, a Ultralytics Platform com YOLO26 oferece ferramentas eficientes de treino e implementação. Os utilizadores interessados em arquiteturas já estabelecidas também podem consultar YOLO11 ou YOLOv8, que contam com amplo apoio da comunidade e robustez comprovada.
Comentários
Faz uma pergunta, partilha os teus resultados ou ajuda alguém.