Começar

YOLOX vs. YOLOv5

A seleção do modelo de deteção de objetos certo é uma decisão essencial em qualquer projeto de visão computacional. Este guia apresenta uma comparação técnica de dois modelos influentes: YOLOX, da Megvii, e Ultralytics YOLOv5. Ao analisar as respetivas arquiteturas, métricas de desempenho e ecossistemas de treino, ajuda os desenvolvedores e investigadores a tomar uma decisão informada para os seus ambientes de implementação específicos.

Introdução aos modelos#

Ambos os modelos surgiram num período de rápidos avanços na deteção de objetos em tempo real, mas adotaram abordagens arquitetónicas diferentes para alcançar o seu desempenho.

YOLOX: uma abordagem sem âncoras#

Lançado pelos investigadores Zheng Ge, Songtao Liu, Feng Wang, Zeming Li e Jian Sun, da Megvii, em 18 de julho de 2021, YOLOX introduziu uma mudança importante ao afastar-se das caixas-âncora tradicionais. Documentado no seu relatório técnico do arXiv, YOLOX integrou um design sem âncoras, uma cabeça desacoplada e a estratégia de atribuição de rótulos SimOTA. Este design procurava aproximar a investigação académica das aplicações industriais, oferecendo um desempenho sólido em conjuntos de dados padrão.

Saiba mais sobre o YOLOX

YOLOv5: o padrão para IA de visão em produção#

Criado por Glenn Jocher e lançado pela Ultralytics em 26 de junho de 2020, YOLOv5 tornou-se rapidamente um dos modelos de visão computacional mais utilizados. Desenvolvido nativamente com o framework PyTorch, tornou a IA de última geração mais acessível graças à facilidade de utilização, ao treino rápido e a um repositório bem estruturado. A arquitetura do YOLOv5 equilibra velocidade, precisão e facilidade de implementação, tornando-o popular em tudo, desde dispositivos de borda até grandes implementações na nuvem.

Diferenças arquitetónicas#

Compreender as principais diferenças mecânicas entre estas redes esclarece por que motivo têm desempenhos diferentes em várias tarefas.

Sem âncoras vs. com âncoras#

A diferença mais marcante é o mecanismo sem âncoras do YOLOX. Os modelos tradicionais baseados em âncoras, como YOLOv5, dependem de caixas-âncora predefinidas para prever caixas delimitadoras, o que exige uma análise de agrupamento do conjunto de dados de treino para determinar os tamanhos ideais das âncoras. YOLOX elimina essa necessidade e prevê diretamente as coordenadas das caixas delimitadoras em cada localização espacial. Embora a abordagem sem âncoras reduza o número de parâmetros de conceção e o ajuste heurístico, a abordagem refinada de YOLOv5 baseada em âncoras, apoiada pela funcionalidade de âncoras automáticas, proporciona uma convergência de treino estável e previsível desde o início.

Cabeça desacoplada vs. cabeça acoplada#

O YOLOX utiliza uma cabeça desacoplada, o que significa que as tarefas de classificação e regressão são separadas em ramos distintos da rede neuronal. Os autores argumentaram que isto resolve os conflitos entre a aprendizagem de características espaciais e semânticas. Por outro lado, o YOLOv5 utilizava uma cabeça acoplada altamente otimizada (nas versões anteriores), que maximizava a eficiência computacional e reduzia a latência de inferência, algo crucial para a computação de edge em tempo real.

Evolução da arquitetura

Embora YOLOX tenha defendido a cabeça desacoplada em 2021, a Ultralytics adotou e aperfeiçoou posteriormente arquiteturas desacopladas em modelos como YOLOv8 e YOLO26.

Estratégia de atribuição de etiquetas#

O YOLOX utiliza o SimOTA para a atribuição de rótulos, formulando o pareamento entre objetos de referência e previsões como um problema de Transporte Ótimo. Essa atribuição dinâmica melhora o tratamento de cenas lotadas. O YOLOv5 emprega uma atribuição robusta baseada em regras de forma, garantindo que amostras positivas de alta qualidade sejam fornecidas consistentemente à função de perda, o que contribui para a estabilidade do treinamento.

Desempenho e benchmarks#

O equilíbrio entre velocidade e precisão é o principal teste para essas arquiteturas. A tabela abaixo ilustra o desempenho de vários tamanhos de modelo em benchmarks padrão.

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
YOLOv5n64028.0-1.121.94.5
YOLOv5s64037.4-1.927.216.5
YOLOv5m64045.4-4.0321.249.0
YOLOv5l64049.0-6.6146.5109.1
YOLOv5x64050.7-11.8986.7205.7

O YOLOX é mais preciso nos tamanhos de s a x, enquanto o YOLOv5 é mais rápido no T4 com TensorRT em todas as categorias. O YOLOv5s, por exemplo, executa em 1,92 ms, contra 2,56 ms do YOLOXs, uma diferença importante para aplicações em tempo real, nas quais cada milissegundo conta.

A vantagem da Ultralytics: treino e facilidade de utilização#

Na transição da pesquisa para a produção, o ecossistema em torno de um modelo costuma ser tão importante quanto o próprio modelo. Aqui, as vantagens do ecossistema Ultralytics são claras.

Experiência de utilizador simplificada#

O YOLOv5 é amplamente conhecido pela experiência simples para desenvolvedores. A API Python da Ultralytics e a CLI permitem carregar, treinar e implantar modelos com poucas linhas de código. Em contrapartida, executar o YOLOX a partir do repositório do Megvii no GitHub exige mais configuração manual de variáveis de ambiente, ajustes complexos do caminho do Python e uma curva de aprendizado mais acentuada, típica de bases de código de pesquisa acadêmica.

Eficiência de treinamento e requisitos de memória#

Os modelos Ultralytics são projetados para minimizar o uso de memória durante o treinamento. O YOLOv5 exige significativamente menos memória CUDA do que modelos Transformer com muitos parâmetros, como o RT-DETR, ou modelos de pesquisa não otimizados. Isso permite que os desenvolvedores treinem com tamanhos de lote maiores em hardware de consumo, acelerando o ciclo de desenvolvimento iterativo.

Versatilidade em várias tarefas#

Embora YOLOX seja exclusivamente uma estrutura de detecção de objetos, o ecossistema Ultralytics evoluiu o YOLOv5 para oferecer suporte a várias tarefas de visão computacional. Pronto para uso, podes realizar detecção de objetos, segmentação de instâncias e classificação de imagens usando a mesma sintaxe de API.

Inovação contínua

Se precisares de tarefas ainda mais avançadas, como estimativa de pose ou detecção de caixas delimitadoras orientadas (OBB), considera atualizar para Ultralytics YOLO26, que oferece suporte nativo a essas tarefas com alta precisão.

Comparação de código#

A diferença de facilidade de utilização é mais evidente no código.

Treino com YOLOv5:

from ultralytics import YOLO

# Carregue um modelo YOLOv5s pré-treinado
model = YOLO("yolov5su.pt")  # YOLOv5u: pesos YOLOv5 sem âncoras para o pacote ultralytics

# Treina o modelo no conjunto de dados de exemplo COCO8
model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Executa a inferência numa imagem
results = model("https://ultralytics.com/images/zidane.jpg")

# Apresentar resultados
results[0].show()

Treino com YOLOX: (Requer a clonagem manual do repositório, a instalação de setup.py e argumentos CLI complexos)

# Example YOLOX training command
python tools/train.py -f exps/default/yolox_s.py -d 1 -b 64 --fp16 -o

A abordagem da Ultralytics elimina obstáculos, permitindo que você se concentre no conjunto de dados e na lógica da aplicação, em vez de depurar arquivos de configuração. O acompanhamento de experimentos também está integrado por meio das integrações com Weights & Biases e Comet ML.

Casos de uso ideais e aplicações no mundo real#

A escolha entre estes modelos depende do ambiente operacional do teu projeto.

Onde o YOLOX se destaca#

O YOLOX continua sendo uma ótima opção em contextos acadêmicos, nos quais os pesquisadores estudam explicitamente paradigmas sem âncoras ou estratégias de atribuição de rótulos. Também é útil em cenários nos quais a detecção em cenas lotadas é a métrica principal e a velocidade de implantação em dispositivos de borda é secundária.

Onde o YOLOv5 se destaca#

O YOLOv5 é uma opção comprovada para implantação prática.

  • Fabricação em alta velocidade: para a detecção de defeitos em linhas de montagem, a baixa latência de inferência do YOLOv5 em GPUs de borda ajuda a inspecionar produtos sem desacelerar a esteira.
  • Drones e imagens aéreas: A utilização eficiente de memória permite-lhe funcionar em computadores auxiliares leves instalados em drones, para tarefas como a monitorização agrícola e o acompanhamento da vida selvagem.
  • Retalho inteligente: Desde o pagamento automatizado à gestão de inventário, o YOLOv5 exporta facilmente para TensorRT e ONNX, permitindo a implementação em massa em milhares de câmaras de lojas.

O futuro: as vantagens do YOLO26#

Embora o YOLOv5 continue sendo amplamente utilizado, o campo da IA avança rapidamente. Se você estiver começando um projeto novo hoje, a Ultralytics recomenda a geração mais recente de modelos Ultralytics.

Lançado em janeiro de 2026, o Ultralytics YOLO26 apresenta um design opcional de ponta a ponta sem NMS (nms=False), eliminando a necessidade do pós-processamento de supressão não máxima (NMS) e simplificando a lógica de implantação. Com a remoção da Distribution Focal Loss (DFL), o YOLO26n alcança inferência na CPU até 43% mais rápida que o YOLO11n, enquanto o otimizador MuSGD melhora a estabilidade do treinamento e o ProgLoss + STAL (perda progressiva e atribuição de rótulos ciente de alvos pequenos) aprimoram a precisão em objetos pequenos.

Quer você escolha o YOLOv5 ou o YOLO26, a Ultralytics Platform oferece ferramentas para levar soluções de visão computacional do conceito à produção, e a documentação da Ultralytics aborda cada etapa do pipeline.

Comentários

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