YOLOv10 и PP-YOLOE+#
В стремительно развивающейся области компьютерного зрения выбор оптимальной архитектуры для обнаружения объектов в реальном времени имеет решающее значение для баланса между точностью, скоростью инференса и эффективностью развертывания. Двумя заметными претендентами в этой области являются YOLOv10 и PP-YOLOE+. Хотя обе модели обладают широкими возможностями, они созданы на основе разных принципов проектирования и интегрированы в разные экосистемы.
В этом техническом руководстве подробно анализируются эти две архитектуры, рассматриваются их метрики производительности, структурные различия и оптимальные варианты применения в реальных условиях. Понимая особенности каждой модели, инженеры по машинному обучению и исследователи могут принимать обоснованные решения для своих конвейеров развертывания.
YOLOv10: первопроходец в обнаружении без NMS#
Разработанная исследователями из Университета Цинхуа, YOLOv10 внесла значительные изменения в архитектуру, устранив необходимость в подавлении немаксимумов (NMS) на этапе постобработки. Этот сквозной подход устраняет давнее узкое место инференса в реальном времени, делая развертывание более быстрым и предсказуемым, особенно на устройствах с ограниченными вычислительными ресурсами.
Технические метаданные#
- Авторы: Ao Wang, Hui Chen, Lihao Liu и др.
- Организация: Университет Цинхуа
- Дата: 2024-05-23
- Arxiv: 2405.14458
- GitHub: THU-MIG/yolov10
- Документация: Документация YOLOv10
Преимущества и недостатки архитектуры#
Отличительной особенностью YOLOv10 являются согласованные двойные назначения для обучения без NMS, благодаря которым модель может напрямую предсказывать ограничивающие рамки без эвристической пороговой обработки. Это обеспечивает отличный баланс между скоростью и точностью, особенно для небольших вариантов модели. Архитектура также использует целостный дизайн, ориентированный на эффективность и точность, минимизируя вычислительную избыточность.
Однако как модель, ориентированная исключительно на обнаружение объектов, она не обладает встроенной универсальностью моделей, которые из коробки поддерживают сегментацию экземпляров или оценку позы.
PP-YOLOE+: мощь PaddlePaddle#
PP-YOLOE+ — это улучшенная версия оригинальной PP-YOLOE, разработанная командой PaddlePaddle компании Baidu. Она основана на высокооптимизированной безъякорной парадигме и использует передовые стратегии обучения, чтобы повысить показатели средней точности (mAP) на стандартных бенчмарках.
Технические метаданные#
- Авторы: авторы PaddlePaddle
- Организация: Baidu
- Дата: 2022-04-02
- Arxiv: 2203.16250
- GitHub: PaddlePaddle/PaddleDetection
- Документация: PP-YOLOE+ GitHub README
Преимущества и недостатки архитектуры#
PP-YOLOE+ использует масштабируемый backbone и мощную neck-архитектуру (CSPRepResNet), которые значительно улучшают извлечение признаков. Методология обучения в значительной степени опирается на крупномасштабные наборы данных, такие как Objects365, для предварительного обучения, что способствует впечатляющей точности, особенно на крупных вариантах x и l.
Главный недостаток PP-YOLOE+ — тесная зависимость от фреймворка PaddlePaddle. Для команд, привыкших к PyTorch или унифицированной экосистеме Ultralytics, внедрение PP-YOLOE+ может создать дополнительные сложности. Кроме того, большее количество параметров приводит к повышенным требованиям к памяти во время обучения по сравнению с эквивалентными моделями Ultralytics YOLO.
Сравнительные тесты производительности#
В следующей таблице приведено прямое сравнение YOLOv10 и PP-YOLOE+ в различных масштабах с выделением компромиссов между эффективностью использования параметров, вычислительной стоимостью (FLOPs) и фактической точностью.
| Модель | размер (пиксели) | mAPval 50-95 | Скорость CPU ONNX (мс) | Скорость T4 TensorRT10 (мс) | параметры (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| 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 |
| PP-YOLOE+t | 640 | 39.9 | - | 2.84 | 4.85 | 19.15 |
| PP-YOLOE+s | 640 | 43.7 | - | 2.62 | 7.93 | 17.36 |
| PP-YOLOE+m | 640 | 49.8 | - | 5.56 | 23.43 | 49.91 |
| PP-YOLOE+l | 640 | 52.9 | - | 8.36 | 52.2 | 110.07 |
| PP-YOLOE+x | 640 | 54.7 | - | 14.3 | 98.42 | 206.59 |
Как видно, YOLOv10 значительно превосходит PP-YOLOE+ по эффективности использования параметров и скорости инференса в TensorRT, что делает её более сильным кандидатом для сред вычислений на периферии. PP-YOLOE+ немного превосходит её по максимальной теоретической точности на своем крупнейшем варианте, но при этом имеет почти вдвое больше параметров.
Варианты применения и рекомендации#
Выбор между YOLOv10 и PP-YOLOE+ зависит от конкретных требований проекта, ограничений развертывания и предпочтительной экосистемы.
Когда выбирать YOLOv10#
YOLOv10 — подходящий выбор для:
- Обнаружения объектов в реальном времени без NMS: приложений, которым полезно сквозное обнаружение без подавления немаксимумов, что снижает сложность развертывания.
- Сбалансированного соотношения скорости и точности: проектов, требующих удачного баланса между скоростью инференса и точностью обнаружения для моделей разных размеров.
- Приложений со стабильной задержкой: сценариев развертывания, где критически важны предсказуемые времена инференса, например в робототехнике или автономных системах.
Когда выбирать PP-YOLOE+#
PP-YOLOE+ рекомендуется для следующих случаев:
- Интеграция с экосистемой PaddlePaddle: Организации с существующей инфраструктурой, построенной на фреймворке и инструментах PaddlePaddle от Baidu.
- Развертывание на периферийных устройствах с Paddle Lite: Развертывание на оборудовании с высокооптимизированными ядрами инференса, специально предназначенными для Paddle Lite или механизма инференса Paddle.
- Высокоточное обнаружение на сервере: Сценарии, в которых приоритетом является максимальная точность обнаружения на мощных GPU-серверах, а зависимость от фреймворка не имеет значения.
Когда выбирать Ultralytics (YOLO26)#
Для большинства новых проектов Ultralytics YOLO26 предлагает лучшее сочетание производительности и удобства для разработчиков:
- Развертывания на периферийных устройствах без NMS: приложений, требующих стабильного вывода с низкой задержкой без сложной постобработки с подавлением немаксимумов.
- Сред без GPU: устройств без выделенного ускорения GPU, где до 43% более быстрый вывод YOLO26 на CPU дает решающее преимущество.
- Обнаружения мелких объектов: сложных сценариев, таких как аэрофотосъемка с дронов или анализ данных IoT-сенсоров, где ProgLoss и STAL значительно повышают точность обнаружения крошечных объектов.
Преимущества Ultralytics и будущее: YOLO26#
Хотя YOLOv10 и PP-YOLOE+ предлагают специализированные преимущества, современный стандарт компьютерного зрения промышленного уровня определяется новейшей моделью Ultralytics YOLO26. Выпущенная в январе 2026 года, YOLO26 вобрала лучшие архитектурные инновации, включая разработанный YOLOv10 дизайн без NMS, и интегрировала их в единую среду для решения нескольких задач.
Модели Ultralytics ориентированы на простоту использования. Благодаря унифицированному Python API ты можешь обойтись без сложных конфигурационных файлов. Кроме того, модели YOLO обычно требуют меньше памяти CUDA по сравнению с детекторами на базе Transformer, что обеспечивает более быстрое и экономичное обучение.
Ключевые инновации YOLO26#
- Сквозной дизайн без NMS: устранение задержки постобработки обеспечивает YOLO26 стабильный высокоскоростной инференс, критически важный для автономных транспортных средств и быстродействующей робототехники.
- Оптимизация с приоритетом периферийных устройств: отказ от Distribution Focal Loss (DFL) упрощает форматы экспорта моделей и обеспечивает до 43% более быстрый инференс на CPU по сравнению с предыдущими поколениями.
- Продвинутая динамика обучения: используя новый оптимизатор MuSGD — гибрид SGD и Muon, — YOLO26 переносит стабильность обучения LLM на задачи компьютерного зрения, обеспечивая более быструю и надежную сходимость.
- Повышенная точность благодаря ProgLoss + STAL: эти продвинутые функции потерь специально ориентированы на сложные сценарии и обеспечивают значительный прирост качества при обнаружении небольших объектов, что особенно важно для аэрофотосъемки и сельского хозяйства.
Непревзойдённая универсальность#
В отличие от PP-YOLOE+, ориентированной на обнаружение объектов, YOLO26 поддерживает классификацию изображений, ориентированные ограничивающие рамки (OBB), оценку позы и сегментацию в рамках единой кодовой базы. Ты можешь легко управлять наборами данных, обучать и развертывать модели напрямую через платформу Ultralytics.
from ultralytics import YOLO
# Initialize the state-of-the-art YOLO26 nano model
model = YOLO("yolo26n.pt")
# Train smoothly with the powerful Ultralytics engine
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Export to TensorRT for blazing fast deployment
model.export(format="engine", quantize=16)Практические применения#
Выбор подходящей модели во многом зависит от ограничений развертывания:
- PP-YOLOE+ особенно хорошо подходит для отдельных промышленных развертываний в Азии, где аппаратно-программный стек Baidu уже внедрен. Модель хорошо справляется со статическим контролем качества на производстве при высоком разрешении.
- YOLOv10 оптимальна для работы с плотными скоплениями людей и сред, где устранение NMS снижает вариативность задержки, делая отслеживание в реальном времени более стабильным.
- Ultralytics YOLO26 остается однозначным выбором для масштабирования на уровне всего предприятия. Будь то анализ трафика в умных городах или развертывание на периферийных узлах со сверхнизким энергопотреблением, таких как Raspberry Pi, её минимальные требования к памяти, подробная документация и унифицированный конвейер обучения обеспечивают быструю окупаемость инвестиций.
Если ты хочешь изучить более старые поддерживаемые архитектуры или альтернативы на базе Transformer в этой экосистеме, смотри документацию по YOLO11 или RT-DETR.
В конечном счете, хорошо поддерживаемая экосистема в сочетании с простым API позволяет разработчикам тратить меньше времени на отладку конфигурационных файлов и больше — на решение реальных задач ИИ для компьютерного зрения.