YOLOv8 и YOLOX#

Ландшафт компьютерного зрения формировался благодаря непрерывному развитию архитектур обнаружения объектов в реальном времени. Два важных этапа этого развития — Ultralytics YOLOv8 и YOLOX. Обе модели используют безанкерную архитектуру для упрощения предсказания ограничивающих рамок, но представляют разные эпохи и подходы к исследованиям в области глубокого обучения и развитию экосистемы развёртывания.

В этом техническом сравнении рассматриваются архитектуры, методики обучения и показатели производительности в реальных условиях, чтобы помочь разработчикам и исследователям выбрать подходящую модель для своих приложений компьютерного зрения и ИИ.

История моделей#

Понимание происхождения и целей разработки каждой платформы дает важный контекст для сравнения их архитектур и зрелости экосистем.

Ultralytics YOLOv8#

YOLOv8 разработали Glenn Jocher, Ayush Chaurasia и Jing Qiu из Ultralytics; релиз состоялся 10 января 2023 года и стал важным шагом вперёд для экосистемы Ultralytics. Развивая успех YOLOv5, YOLOv8 представила усовершенствованную архитектуру, которая изначально поддерживает широкий спектр задач, включая обнаружение объектов, сегментацию экземпляров, классификацию изображений и оценку позы.

Главное преимущество модели — хорошо поддерживаемая экосистема Ultralytics, которая обеспечивает полный рабочий процесс с унифицированным Python API, подробной документацией и нативными интеграциями с инструментами MLOps, такими как Weights & Biases и Comet.

YOLOX#

YOLOX представили Zheng Ge, Songtao Liu, Feng Wang, Zeming Li и Jian Sun из Megvii 18 июля 2021 года. Целью проекта было сократить разрыв между академическими исследованиями и промышленными приложениями. Как подробно описано в статье на arXiv, YOLOX примечательна тем, что перевела семейство YOLO на безанкерную архитектуру и добавила разделённую голову, повысив стабильность обучения и скорость сходимости.

Несмотря на большое влияние в 2021 году, репозиторий YOLOX на GitHub по-прежнему ориентирован главным образом на исследования. В нем нет широкого набора задач и отлаженных конвейеров развертывания, характерных для современных платформ, поэтому для запуска в production требуется больше ручной настройки.

Посмотри документацию YOLOX

Архитектурные инновации#

Обе модели используют безанкорный подход, поэтому перед обучением не нужно выполнять сложную кластеризацию анкерных рамок, зависящую от набора данных. Это сокращает количество эвристических параметров настройки и упрощает голову обнаружения.

Раздельные головы обнаружения и извлечение признаков#

YOLOX первой внедрила раздельную голову обнаружения в серии YOLO. Раньше задачи классификации и регрессии выполнялись одной общей головой, что нередко приводило к конфликтующим градиентам во время обучения. Разделив ветви классификации и локализации, YOLOX ускорила сходимость.

YOLOv8 переняла и усовершенствовала эту концепцию. В магистральной сети используется модуль C2f (бутылочное горлышко Cross-Stage Partial с двумя свёртками), заменивший более старый модуль C3. Это улучшает распространение градиента и представление признаков без существенного увеличения вычислительных затрат. В YOLOv8 безанкерная голова обнаружения также работает в паре с Task-Aligned Assigner, который динамически выбирает положительные примеры на основе сочетания оценок классификации и пересечения над объединением (IoU), что повышает точность.

Сравнение производительности#

При выборе моделей для развёртывания в реальных условиях важно найти баланс между точностью (mAP), задержкой инференса и сложностью модели. В таблице ниже представлены показатели на датасете COCO.

Как видно, модели YOLOv8 стабильно превосходят соответствующие модели YOLOX при одинаковом количестве параметров. Например, YOLOv8m достигает mAP 50,2% против 46,9% у YOLOXm — прирост составляет 3,3 пункта mAP, при этом скорость инференса на GPU остаётся конкурентоспособной при использовании TensorRT.

Преимущества обучения и экосистемы#

Одно из главных различий между этими решениями — опыт разработчика. Для обучения YOLOX часто требуется сложная настройка окружения, ручное изменение скриптов и глубокое знание внутреннего устройства PyTorch, чтобы отлаживать проблемы обучения и экспорта.

Экосистема Ultralytics упрощает эту работу благодаря интуитивно понятному Python API и интерфейсу командной строки (CLI).

Удобный Python API#

Для обучения модели YOLOv8 на собственном датасете достаточно нескольких строк кода:

from ultralytics import YOLO

# Загрузи предварительно обученную модель YOLOv8 для обнаружения объектов
model = YOLO("yolov8n.pt")

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

# Легко проверь модель
metrics = model.val()

# Экспортируй в ONNX для использования в production
model.export(format="onnx")

Этот API стандартизирует рабочие процессы для обнаружения объектов, сегментации и задач с ориентированными ограничивающими рамками (OBB), сокращая время выхода производственных приложений на рынок. Встроенная функция экспорта также преобразует модели в форматы ONNX, OpenVINO и CoreML без написания пользовательских операторов C++.

Оптимальные сценарии применения#

Выбор между этими архитектурами зависит от ограничений проекта, хотя YOLOv8 предлагает более гибкую основу.

• Высокоскоростная аналитика на периферии: для обработки в реальном времени на устройствах вроде NVIDIA Jetson YOLOv8 обеспечивает удачный баланс скорости и точности и легко развёртывается благодаря нативной интеграции с TensorRT.
• Академические исследования: YOLOX остается полезным учебным инструментом для исследователей, изучающих переход от анкорных к безанкорным методам в PyTorch.
• Сложные многозадачные приложения: для приложений, которым одновременно нужны отслеживание объектов и сегментация экземпляров, подойдёт YOLOv8, поскольку эти возможности встроены непосредственно в библиотеку Ultralytics.

Что дальше: альтернативные модели#

YOLOv8 значительно превосходит YOLOX, но область развивается быстро. Для новых проектов Ultralytics рекомендует Ultralytics YOLO26, выпущенную в январе 2026 года.

YOLO26 использует сквозную архитектуру без NMS: её дополнительная голова один-к-одному (nms=False) устраняет постобработку Non-Maximum Suppression (NMS) и упрощает конвейеры развёртывания. Благодаря инференсу без NMS и удалению Distribution Focal Loss (DFL) YOLO26n обеспечивает до 43% более высокую скорость инференса на CPU, чем YOLO11n, а оптимизатор MuSGD повышает стабильность обучения. В модели также появилась технология ProgLoss + STAL (прогрессивная функция потерь и назначение меток с учётом малых объектов), улучшающая обнаружение мелких объектов на аэрофотоснимках и в робототехнике.

Также можно рассмотреть YOLO11 — еще одну мощную и хорошо поддерживаемую модель предыдущего поколения в экосистеме Ultralytics, обеспечивающую надежную работу в самых разных задачах.

Заключение#

YOLOX показала ценность разделённых голов и безанкерной архитектуры для семейства YOLO. Ultralytics YOLOv8 использовала эти концепции, усовершенствовала архитектуру и объединила её с готовой к производству экосистемой, известной простотой использования и поддержкой разных задач. Модель Ultralytics обеспечивает высокую производительность, эффективное обучение с точки зрения расхода памяти и инструменты развёртывания, упрощающие переход от экспериментов к производству.