YOLO11 и PP-YOLOE+#

Выбор правильной архитектуры нейронной сети критически важен при развертывании приложений компьютерного зрения в производственной среде. В этом сравнении рассматриваются две известные модели обнаружения объектов в реальном времени — Ultralytics YOLO11 и PP-YOLOE+ от Baidu. Обе модели показывают хорошие результаты, но существенно различаются подходами к точности, скорости инференса и экосистеме для разработчиков.

На интерактивном графике ниже показан компромисс между скоростью и точностью обеих моделей, чтобы ты мог определить, какая из них лучше подходит под ограничения твоего оборудования.

Происхождение моделей и история их развития#

Понимание происхождения этих моделей и принципов их разработки даёт ценное представление об их сильных сторонах и оптимальных сценариях применения.

Подробнее о YOLO11#

Разработанная Ultralytics, YOLO11 совершенствует серию YOLO, сочетая быстрый инференс, эффективное использование параметров и простоту применения. Модель известна поддержкой нескольких задач в единой системе и удобным для разработчиков Python API.

• Авторы: Glenn Jocher и Jing Qiu
• Организация: Ultralytics
• Дата: 2024-09-27
• GitHub: https://github.com/ultralytics/ultralytics
• Документация: Документация YOLO11

Подробнее о PP-YOLOE+#

PP-YOLOE+ — улучшенная версия PP-YOLOE, созданная на основе PP-YOLOv2 и построенная на фреймворке PaddlePaddle. В ней используются такие архитектурные изменения, как backbone CSPRepResNet и Task Alignment Learning (TAL), которые повышают точность, особенно на мощных GPU.

• Авторы: авторы PaddlePaddle
• Организация: Baidu
• Дата: 2022-04-02
• arXiv: https://arxiv.org/abs/2203.16250
• GitHub: https://github.com/PaddlePaddle/PaddleDetection/
• Документация: Документация по настройке PP-YOLOE+

Узнай больше о PP-YOLOE+

Архитектурные различия#

Архитектуры YOLO11 и PP-YOLOE+ отражают разные приоритеты проектирования.

YOLO11 сочетает эффективный backbone с безъякорной головой обнаружения. В модели используются блоки C3k2 и Spatial Pyramid Pooling - Fast (SPPF), позволяющие извлекать признаки разных масштабов с минимальными вычислительными затратами. Это помогает уменьшить задержку инференса на устройствах с ограниченными ресурсами, например периферийных NPU и мобильных CPU. YOLO11 также из коробки поддерживает сегментацию экземпляров, классификацию изображений, оценку позы и обнаружение ориентированных ограничивающих рамок (OBB).

PP-YOLOE+ использует backbone CSPRepResNet, neck CSPPAN и голову Efficient Task-aligned (ET-head). Во время обучения модель применяет перепараметризацию для увеличения выразительной способности, а затем объединяет эти параметры в стандартные свёртки для инференса. Это обеспечивает высокое среднее значение точности (mAP), но у крупных вариантов больше параметров, чем у соответствующих вариантов YOLO11 (52.2M против 25.3M для размера L), поэтому они лучше подходят для серверных GPU, чем для лёгких периферийных устройств.

Производительность и тесты#

В таблице ниже сравниваются точность (mAP), скорость инференса на разных аппаратных платформах и эффективность моделей (количество параметров и FLOPs); лучшее значение в каждом столбце выделено полужирным.

Анализ#

YOLO11 обеспечивает лучший баланс производительности в большинстве размеров. YOLO11m показывает более высокий mAP, чем PP-YOLOE+m (51.5 против 49.8), при меньшем количестве параметров (20.1M против 23.43M) и более быстром инференсе TensorRT (4.7 мс против 5.56 мс). В самом крупном масштабе обе модели достигают 54.7 mAP, но YOLO11x работает быстрее (11.3 мс против 14.3 мс) и имеет значительно меньше параметров (56.9M против 98.42M). PP-YOLOE+ конкурентоспособна среди небольших моделей: PP-YOLOE+t немного опережает YOLO11n по mAP (39.9 против 39.5), но имеет большую задержку, а PP-YOLOE+s требует меньше параметров и FLOPs, чем YOLO11s, но уступает ей по точности. Меньшим моделям YOLO11 также требуется меньше памяти при обучении модели и развертывании.

Экосистема обучения и удобство использования#

Практическая ценность модели во многом зависит от того, насколько легко разработчики могут обучать её на собственных наборах данных для компьютерного зрения и развертывать в производственной среде.

Преимущества Ultralytics#

Ultralytics уделяет особое внимание удобству для разработчиков. YOLO11 обучается через простой Python API или CLI без сложного шаблонного кода, а Ultralytics Platform добавляет обучение без кода, управление наборами данных и экспорт в один клик в такие форматы, как ONNX, CoreML и TensorRT.

Модели YOLO также эффективно используют память во время обучения, не требуя большого объёма VRAM, как архитектуры на основе Transformer и более тяжёлые модели с перепараметризацией. Поэтому их можно обучать на потребительском оборудовании.

from ultralytics import YOLO

# Загрузи предварительно обученную модель YOLO11
model = YOLO("yolo11n.pt")

# Обучи модель на датасете COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Запустить инференс на изображении
results = model("https://ultralytics.com/images/bus.jpg")
results[0].show()

Экосистема PP-YOLOE+#

PP-YOLOE+ работает в экосистеме PaddleDetection. Этот фреймворк мощный и тесно интегрирован с промышленными решениями Baidu, но разработчикам необходимо использовать специализированный фреймворк глубокого обучения PaddlePaddle. Для команд, уже стандартизировавших PyTorch, это может усложнить освоение. Экспорт моделей PP-YOLOE+ в распространённые периферийные форматы также может потребовать дополнительных шагов преобразования по сравнению со встроенным конвейером экспорта Ultralytics, который одной командой преобразует YOLO11 в ONNX, TensorRT и даже PaddlePaddle.

Оптимальные сценарии применения#

Выбор модели зависит от конкретной среды развёртывания.

• Выбирай YOLO11 для быстрой разработки, периферийных вычислений и мобильных приложений. Благодаря высокой скорости инференса, небольшому объёму занимаемой памяти и широким возможностям экспорта модель отлично подходит для таких задач, как управление запасами в рознице в режиме реального времени (retail inventory management) на обычных CPU, анализ аэрофотоснимков с дронов и сложные многозадачные конвейеры.
• Выбирай PP-YOLOE+, если твой производственный конвейер уже построен на экосистеме PaddlePaddle или если ты развертываешь модель на мощных выделенных серверах инференса, где ограничения по памяти и совместимость оборудования (за пределами оптимизированного для Paddle оборудования) не являются первоочередными факторами.

Следующее поколение: знакомься с YOLO26#

YOLO11 остаётся отличным вариантом, но для новых проектов Ultralytics рекомендует YOLO26. Выпущенная в январе 2026 года, YOLO26 превосходит предшественников и по эффективности, и по точности.

Ключевые новшества YOLO26:

• Сквозная архитектура без NMS: опциональная голова one-to-one в YOLO26 (nms=False) пропускает постобработку методом подавления немаксимумов (NMS). Это снижает задержку и упрощает логику развертывания, развивая подход, впервые представленный в YOLOv10.
• До 43% быстрее на CPU: YOLO26n работает на CPU до 43% быстрее, чем YOLO11n, что повышает производительность в реальном времени на периферийных устройствах без GPU.
• Оптимизатор MuSGD: этот гибрид SGD и Muon, вдохновлённый обучением больших языковых моделей (LLM), ускоряет сходимость и делает обучение стабильнее.
• ProgLoss + STAL: Progressive Loss и Small-Target-Aware Label Assignment (STAL) улучшают распознавание мелких объектов, что критически важно для приложений с дронами и охранного видеонаблюдения.
• Удаление DFL: удаление Distribution Focal Loss упрощает экспорт модели и повышает совместимость с широким спектром периферийных устройств.

Для новых проектов, в которых важны скорость, простой экспорт и точность, рекомендуется YOLO26. Обучать и развертывать её можно на Ultralytics Platform.

Если ты оцениваешь другие архитектуры, ознакомься со сравнением RT-DETR и YOLO11 или прочитай, как YOLO11 соотносится с YOLOv8, YOLOv9 и YOLOv10.