YOLOX vs. YOLOv7
A evolução da deteção de objetos em tempo real tem sido impulsionada por avanços arquitetónicos contínuos. Dois marcos importantes deste percurso são YOLOX e YOLOv7. Lançados com menos de um ano de diferença, ambos os modelos introduziram novas abordagens ao paradigma padrão de deteção de objetos, melhorando significativamente o compromisso entre velocidade e precisão.
Esta página apresenta uma análise técnica do YOLOX e do YOLOv7, comparando as suas arquiteturas, métricas de desempenho e casos de uso ideais para ajudar os desenvolvedores a escolher a ferramenta certa para as suas implementações de visão computacional.
YOLOX: pioneiro na detecção sem âncoras#
Apresentado por pesquisadores da Megvii em julho de 2021, o YOLOX representou uma grande mudança ao abandonar os designs tradicionais baseados em âncoras. Ao aproximar a pesquisa acadêmica da aplicação industrial, o YOLOX simplificou a cabeça de detecção e melhorou o desempenho geral.
Principais detalhes do modelo:
- Autores: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li e Jian Sun
- Organização: Megvii
- Data: 2021-07-18
- Artigo de pesquisa: arXiv:2107.08430
- Código-fonte: YOLOX da Megvii no GitHub
- Documentação: Documentação do YOLOX no GitHub
Inovações arquiteturais#
YOLOX introduziu uma abordagem sem âncoras, que reduziu significativamente o número de parâmetros de conceção e o ajuste heurístico necessários para conjuntos de dados personalizados. Implementou uma cabeça desacoplada, separando as tarefas de classificação e regressão, o que melhorou a velocidade de convergência e a precisão. Além disso, YOLOX utilizou estratégias avançadas de aumento de dados, como MixUp e Mosaic, para aumentar a robustez do modelo.
Ao prever uma caixa por localização em vez de várias caixas-âncora, YOLOX reduz o número de previsões que têm de ser comparadas com as referências reais usando a interseção sobre união (IoU) durante o treino, o que simplifica a atribuição de rótulos e pode reduzir o uso de memória CUDA.
YOLOv7: conjunto de recursos gratuitos treináveis#
Lançado em julho de 2022 por investigadores do Instituto de Ciência da Informação da Academia Sinica, em Taiwan, YOLOv7 levou ainda mais longe a deteção de objetos em tempo real. Introduziu o conceito de um "conjunto de vantagens gratuitas treinável", alcançando resultados inéditos no conjunto de dados MS COCO aquando do seu lançamento.
Principais detalhes do modelo:
- Autores: Chien-Yao Wang, Alexey Bochkovskiy e Hong-Yuan Mark Liao
- Organização: Instituto de Ciências da Informação, Academia Sinica, Taiwan
- Data: 2022-07-06
- Artigo de pesquisa: arXiv:2207.02696
- Código-fonte: YOLOv7 de WongKinYiu no GitHub
- Documentação: Documentação do YOLOv7 da Ultralytics
Inovações arquiteturais#
A arquitetura do YOLOv7 é baseada na Extended Efficient Layer Aggregation Network (E-ELAN), que permite ao modelo aprender continuamente características mais diversificadas sem degradar o caminho do gradiente. Além disso, o YOLOv7 utilizou técnicas de reparametrização do modelo, permitindo simplificar redes complexas de treinamento com múltiplas ramificações em redes mais rápidas de caminho único durante a inferência.
Comparação de desempenho#
Ao avaliar esses modelos para aplicações reais, é fundamental entender o desempenho deles em diferentes escalas. A tabela abaixo compara as métricas padrão de vários tamanhos de YOLOX e YOLOv7.
| 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 |
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
Análise#
- Precisão: O YOLOv7 geralmente alcança um mAP superior ao dos modelos YOLOX equivalentes. Por exemplo, o YOLOv7x alcança 53.1 mAP, em comparação com 51.1 do YOLOXx.
- Velocidade: Ambos os modelos estão otimizados para execução na GPU com TensorRT. Nos tamanhos maiores, YOLOv7 é mais rápido e mais preciso (por exemplo, YOLOv7l é executado em 6,84 ms, contra 9,04 ms do YOLOXl), embora YOLOX ofereça variantes menores para dispositivos de borda.
- Versatilidade: O YOLOv7 ampliou seu repertório para além das caixas delimitadoras, oferecendo nativamente pesos para segmentação de instâncias e estimativa de pose, tornando-se mais versátil do que o repositório base do YOLOX.
Aplicações no mundo real#
A escolha entre esses modelos muitas vezes depende do teu ambiente específico de implantação.
Computação de borda e IoT#
Para dispositivos de borda com recursos limitados, como o Raspberry Pi ou processadores móveis mais antigos, YOLOX-Nano e YOLOX-Tiny são opções atraentes. O número reduzido de parâmetros e a arquitetura sem âncoras facilitam a implementação em ambientes de baixo consumo para tarefas como o rastreamento básico de movimento ou aplicações de campainhas inteligentes.
Análise de vídeo de alta fidelidade#
Para processar transmissões de alta resolução na deteção de defeitos industriais ou na monitorização de trânsito denso, YOLOv7 é a opção mais robusta. A sua agregação de características robusta permite manter alta precisão mesmo quando os objetos estão parcialmente oclusos ou variam muito de escala.
Casos de uso e recomendações#
A escolha entre YOLOX e YOLOv7 depende dos requisitos específicos do teu projeto, das restrições de implantação e das preferências de ecossistema.
Quando escolher o YOLOX#
O YOLOX é uma ótima opção para:
- Investigação em deteção sem âncoras: Investigação académica que utiliza a arquitetura simples e sem âncoras do YOLOX como referência para experimentar novas cabeças de deteção ou funções de perda.
- Dispositivos de borda ultraleves: Implementações em microcontroladores ou hardware móvel legado, onde o tamanho extremamente reduzido da variante YOLOX-Nano (0,91 milhões de parâmetros) é essencial.
- Estudos sobre atribuição de rótulos SimOTA: Projetos de investigação que analisam estratégias de atribuição de rótulos baseadas em transporte ótimo e o seu impacto na convergência do treino.
Quando escolher o YOLOv7#
O YOLOv7 é recomendado para:
- Benchmarking acadêmico: reproduzir resultados de ponta de 2022 ou estudar os efeitos do E-ELAN e das técnicas de conjunto treinável de vantagens gratuitas.
- Pesquisa sobre reparametrização: investigar convoluções reparametrizadas planejadas e estratégias de escalabilidade composta de modelos.
- Pipelines personalizados existentes: projetos com pipelines altamente personalizados, construídos em torno da arquitetura específica do YOLOv7, que não podem ser refatorados facilmente.
Quando escolher Ultralytics (YOLO26)#
Para a maioria dos projetos novos, Ultralytics YOLO26 oferece a melhor combinação de desempenho e experiência para desenvolvedores:
- Implantação de borda sem NMS: Aplicações que exigem inferência consistente e de baixa latência, sem a complexidade do pós-processamento de supressão não máxima (NMS).
- Ambientes somente com CPU: Dispositivos sem aceleração de GPU dedicada, nos quais a inferência na CPU até 43% mais rápida do YOLO26 (YOLO26n contra YOLO11n) oferece uma vantagem decisiva.
- Detecção de objetos pequenos: cenários desafiadores, como imagens aéreas capturadas por drones ou análise de sensores IoT, em que ProgLoss e STAL melhoram a precisão em objetos minúsculos.
A vantagem da Ultralytics#
Embora YOLOX e YOLOv7 sejam implementações de investigação poderosas, passar de um repositório de investigação para um ambiente de produção escalável pode ser um desafio. É aqui que a Ultralytics Platform ajuda.
Os modelos Ultralytics oferecem uma API unificada de Python, tratando o treino, a validação e a implementação de modelos como tarefas simplificadas e padronizadas. Isso evita a gestão de dependências complexas de terceiros ou de operadores C++ personalizados, comuns em arquiteturas mais antigas.
Além disso, os modelos Ultralytics YOLO exigem significativamente menos memória CUDA durante o treinamento do que detectores baseados em Transformer, como o RT-DETR. Isso permite que os profissionais usem tamanhos de lote maiores, estabilizando o treinamento e acelerando a convergência em conjuntos de dados personalizados.
A Ultralytics oferece suporte nativo à exportação de modelos para formatos padrão da indústria, como ONNX, OpenVINO e CoreML, usando um único argumento format, o que simplifica o processo de implementação do modelo.
Exemplo de código: treinamento com Ultralytics#
O pacote Python da Ultralytics não treina nem executa nativamente checkpoints .pt do YOLOv7 (a documentação do YOLOv7 mostra como executar modelos ONNX ou TensorRT exportados), mas arquiteturas mais recentes, como o YOLO26, podem ser carregadas, treinadas e executadas com apenas algumas linhas de código.
from ultralytics import YOLO
# Carrega um modelo YOLO26 pré-treinado
model = YOLO("yolo26n.pt")
# Treina o modelo em um conjunto de dados personalizado (por exemplo, COCO8)
# A API gerencia automaticamente o carregamento de dados, o aumento de dados e a memória
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Executa a inferência em uma imagem de teste
predictions = model("path/to/image.jpg")
predictions[0].show()O futuro: Ultralytics YOLO26#
Embora YOLOv7 e YOLOX representem etapas históricas importantes, a área evolui rapidamente. Lançado em janeiro de 2026, Ultralytics YOLO26 introduz várias mudanças que superam os modelos anteriores.
- Design de ponta a ponta sem NMS: A cabeça opcional um-para-um do YOLO26 (
nms=False) ignora o pós-processamento NMS. Isto reduz os gargalos de latência e proporciona tempos de execução previsíveis em diferentes configurações de hardware. - Inferência na CPU até 43% mais rápida: Com a remoção da Distribution Focal Loss (DFL) e a inferência sem NMS, YOLO26n é até 43% mais rápido que YOLO11n na CPU, sendo adequado para dispositivos de borda sem hardware de GPU dedicado.
- Otimizador MuSGD: Inspirado em técnicas de treino de LLM, o otimizador MuSGD (uma combinação de SGD e Muon) proporciona um treino estável e uma convergência mais rápida.
- Melhoria na deteção de objetos pequenos: ProgLoss + STAL (Progressive Loss e atribuição de rótulos sensível a objetos pequenos) melhoram o reconhecimento de objetos pequenos e distantes, essencial para a cartografia com drones e a vigilância de segurança.
- Suporte nativo a tarefas: YOLO26 oferece suporte nativo à segmentação de instâncias, segmentação semântica, estimativa de profundidade, classificação, estimativa de pose e Caixas delimitadoras orientadas (OBB) na mesma API.
Para os desenvolvedores que começam hoje um novo projeto de visão computacional, Ultralytics YOLO26 é o caminho recomendado para obter o melhor equilíbrio entre velocidade, precisão e simplicidade de implementação. Para quem atualiza a partir de gerações anteriores, como YOLO11 ou YOLOv8, a transição normalmente exige apenas a alteração da cadeia de caracteres do modelo.
Comentários
Faz uma pergunta, partilha os teus resultados ou ajuda alguém.