YOLOX и EfficientDet
Развитие обнаружения объектов обусловлено постоянным стремлением найти баланс между скоростью, точностью и вычислительной эффективностью. На этот путь существенно повлияли две знаковые модели — YOLOX и EfficientDet. YOLOX добавила безанкерную архитектуру в семейство YOLO, а EfficientDet предложила масштабируемую архитектуру с компаундным масштабированием и BiFPN. В этом руководстве подробно сравниваются архитектура, метрики производительности и методы обучения моделей, а также рассматриваются более новые альтернативы, например модель Ultralytics YOLO26.
Происхождение моделей и технические сведения#
Прежде чем сравнивать структурные различия моделей, важно понять их происхождение и лежащие в их основе исследования.
Подробнее о YOLOX:
- Авторы: Чжэн Гэ, Сунтао Лю, Фэн Ван, Цзэмин Ли и Цзянь Сунь
- Организация: Megvii
- Дата: 18 июля 2021 года
- arXiv: YOLOX: превосходя серию YOLO в 2021 году
- GitHub: Megvii-BaseDetection/YOLOX
- Документация: официальная документация YOLOX
Подробнее об EfficientDet:
- Авторы: Mingxing Tan, Ruoming Pang и Quoc V. Le
- Организация: Google Brain
- Дата: 20 ноября 2019 года
- arXiv: EfficientDet: масштабируемое и эффективное обнаружение объектов
- GitHub и документация: Google AutoML EfficientDet
Сравнение архитектур#
Главное различие между YOLOX и EfficientDet заключается в способе извлечения признаков и предсказания ограничивающих прямоугольников. Понимание этих архитектур обнаружения объектов крайне важно для выбора подходящей модели для среды развертывания.
YOLOX: новаторская модель без якорей#
YOLOX перевела серию YOLO от детектора с анкерами к безанкерной архитектуре. Этот переход значительно сократил число проектных параметров и упростил конвейер обучения.
Ключевые особенности архитектуры включают раздельную головку, которая разделяет задачи классификации и регрессии. Это позволяет устранить конфликт между определением того, что представляет собой объект, и точным предсказанием того, где он находится. Кроме того, YOLOX использует передовые стратегии назначения меток, например SimOTA, которая динамически назначает положительные примеры объектам ground truth во время обучения, ускоряя сходимость и улучшая баланс между скоростью и точностью.
EfficientDet: составное масштабирование и BiFPN#
EfficientDet подходит к обнаружению объектов с точки зрения эффективности и масштабируемости. Разработанная Google модель использует базовую сеть EfficientNet для извлечения признаков.
Отличительная особенность модели — двунаправленная сеть пирамиды признаков (BiFPN). В отличие от традиционных FPN, BiFPN обеспечивает простое и быстрое объединение признаков разных масштабов, вводя обучаемые веса для оценки важности различных входных признаков. В сочетании с методом компаундного масштабирования, который равномерно меняет разрешение, глубину и ширину базовой сети, сети признаков и сетей предсказания рамок и классов, EfficientDet масштабируется от моделей мобильного размера (d0) до крупных серверных моделей (d7).
Хотя составное масштабирование EfficientDet обеспечивает предсказуемый путь к более высокой точности, оно часто приводит к сложным вычислительным графам, которые трудно оптимизировать для периферийных вычислений в реальном времени на устройствах по сравнению с упрощенной безъякорной архитектурой YOLOX.
Анализ производительности и показателей#
При оценке моделей для реальных приложений компьютерного зрения важно учитывать такие метрики, как средняя точность, скорость инференса и количество параметров.
| Модель | размер (пиксели) | mAPval50-95 | Скорость CPU ONNX (мс) | Скорость T4 TensorRT10 (мс) | параметры (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 |
| EfficientDet-d0 | 512 | 34.6 | - | 3.92 | 3.9 | 2.54 |
| EfficientDet-d1 | 640 | 40.5 | - | 7.31 | 6.6 | 6.1 |
| EfficientDet-d2 | 768 | 43.0 | - | 10.92 | 8.1 | 11.0 |
| EfficientDet-d3 | 896 | 47.5 | - | 19.59 | 12.0 | 24.9 |
| EfficientDet-d4 | 1024 | 49.7 | - | 33.55 | 20.7 | 55.2 |
| EfficientDet-d5 | 1280 | 51.5 | - | 67.86 | 33.7 | 130.0 |
| EfficientDet-d6 | 1280 | 52.6 | - | 89.29 | 51.9 | 226.0 |
| EfficientDet-d7 | 1536 | 53.7 | - | 128.07 | 51.9 | 325.0 |
Анализ компромиссов#
Данные показывают явное различие в подходах к проектированию. EfficientDet-d7 обеспечивает наибольшую точность в целом — mAP составляет 53.7%, — но за это приходится платить низкой скоростью инференса (128.07 мс на GPU T4). Для сравнения, YOLOXx достигает конкурентного показателя mAP 51.1% за 16.1 мс и гораздо лучше подходит для анализа видео в реальном времени и робототехники.
Сценарии использования и рекомендации#
Выбор между YOLOX и EfficientDet зависит от конкретных требований проекта, ограничений развертывания и предпочтительной экосистемы.
Когда стоит выбрать YOLOX#
YOLOX подойдёт для:
- Исследования обнаружения без якорей: Академические исследования, в которых чистая архитектура YOLOX без якорей используется как базовая модель для экспериментов с новыми головами обнаружения или функциями потерь.
- Сверхкомпактные периферийные устройства: Развертывание на микроконтроллерах или устаревшем мобильном оборудовании, где критически важен крайне малый размер варианта YOLOX-Nano (0,91 млн параметров).
- Исследования назначения меток SimOTA: Исследовательские проекты по изучению стратегий назначения меток на основе оптимального транспорта и их влияния на сходимость обучения.
Когда стоит выбрать EfficientDet#
EfficientDet подойдёт для следующих задач:
- Конвейеры Google Cloud и TPU: системы на базе TensorFlow в инфраструктуре Google Cloud TPU, где эталонная реализация EfficientDet поддерживает обучение на TPU.
- Исследования составного масштабирования: Академические исследования и сравнительное тестирование, посвящённые влиянию сбалансированного масштабирования глубины, ширины и разрешения сети.
- Развертывание на мобильных устройствах через LiteRT: Проекты, для которых требуется экспорт в LiteRT (ранее TensorFlow Lite) для Android или встраиваемых устройств с Linux.
Когда выбирать Ultralytics (YOLO26)#
Для большинства новых проектов Ultralytics YOLO26 предлагает лучшее сочетание производительности и удобства для разработчиков:
- Развертывание на периферийных устройствах без NMS: приложения, которым нужен стабильный инференс с низкой задержкой без сложной постобработки методом подавления немаксимумов (NMS).
- Среды, работающие только на CPU: устройства без выделенного ускорения на GPU, на которых преимущество YOLO26n особенно заметно: инференс на CPU выполняется до 43% быстрее, чем у YOLO11n.
- Обнаружение мелких объектов: сложные сценарии, например съемка с дронов или анализ данных датчиков IoT, где ProgLoss и STAL повышают точность распознавания крошечных объектов.
Современная альтернатива: Ultralytics YOLO26#
YOLOX и EfficientDet стали важными вехами, однако область машинного обучения стремительно развивается. Разработчикам, которые сегодня развертывают системы компьютерного зрения, рекомендуется YOLO26 — последняя модель Ultralytics, выпущенная в январе 2026 года.
YOLO26 предлагает хорошо поддерживаемую экосистему и заметно повышает скорость и удобство использования по сравнению со старыми архитектурами:
Ключевые инновации YOLO26#
- Сквозная архитектура без NMS: Дополнительная голова one-to-one в YOLO26 (
nms=False) устраняет необходимость в постобработке с NMS. Этот нативный сквозной подход, впервые внедрённый в модели YOLO с выходом YOLOv10, упрощает экспорт и снижает задержку при развёртывании. - До 43% более быстрый инференс на CPU: После удаления NMS и Distribution Focal Loss (DFL) YOLO26n работает на CPU до 43% быстрее YOLO11n, поэтому подходит для периферийных устройств без дискретных GPU.
- Оптимизатор MuSGD: YOLO26 переносит достижения больших языковых моделей (LLM) в компьютерное зрение. Оптимизатор MuSGD — гибрид SGD и Muon — обеспечивает стабильное обучение и быструю сходимость, повышая эффективность обучения.
- ProgLoss + STAL: Прогрессивная функция потерь и назначение меток с учетом малых объектов (STAL) улучшают обнаружение небольших объектов, что особенно важно для таких сценариев, как работа с дронами и анализ аэрофотоснимков.
- Универсальность: В отличие от YOLOX, предназначенной исключительно для обнаружения объектов, YOLO26 изначально поддерживает широкий спектр задач, включая сегментацию экземпляров, классификацию изображений, оценку позы и обнаружение ориентированных ограничивающих рамок (OBB).
Удобство использования API Ultralytics#
Одно из важнейших преимуществ моделей Ultralytics — простой и удобный интерфейс. Для обучения и развертывания YOLO26 требуется меньше памяти, чем для сложных моделей Transformer, а достаточно всего нескольких строк кода Python:
from ultralytics import YOLO
# Инициализация сквозной модели YOLO26
model = YOLO("yolo26n.pt")
# Обучи модель на собственном датасете
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Экспортируй обученную модель в TensorRT для инференса на GPU
model.export(format="engine", dynamic=True)Для тех, кто предпочитает графические интерфейсы, платформа Ultralytics предоставляет инструменты для аннотирования наборов данных, облачного обучения и развертывания.
Примеры применения в реальных условиях#
Выбор подходящей архитектуры во многом зависит от конкретных ограничений развертывания.
Когда стоит выбрать EfficientDet#
EfficientDet по-прежнему представляет академический интерес для сред, в которых точность на изображениях высокого разрешения важнее скорости инференса. Реализация модели в экосистеме TensorFlow также может заинтересовать команды, поддерживающие устаревшую инфраструктуру Google.
Когда стоит выбрать YOLOX#
YOLOX подходит для приложений, которым нужен баланс скорости и точности без сложностей, связанных с якорными прямоугольниками. Модель исторически хорошо показывала себя в промышленном производстве, где требуется быстро обнаруживать дефекты на конвейерных лентах.
Почему стоит выбрать YOLO26#
Для большинства современных приложений лучше всего подходит YOLO26. Архитектура без NMS обеспечивает предсказуемую задержку, поэтому модель хорошо подходит для автономного вождения, быстро реагирующих систем охранной сигнализации и решений для умных городов. Активная поддержка сообщества и частые обновления Ultralytics также помогают разработчикам избегать устаревших зависимостей.
Разработчикам, изучающим передовые решения в области компьютерного зрения, также стоит обратить внимание на другие архитектуры из экосистемы Ultralytics: например, YOLO11 для проверенных развертываний или специализированную модель FastSAM для сегментации по текстовым запросам.
Комментарии
Задай вопрос, поделись результатами или помоги кому-нибудь.