Начать

YOLOX и YOLO11

Развитие компьютерного зрения определялось стремлением создавать фреймворки для обнаружения объектов в реальном времени, сочетающие высокую точность со скоростью инференса. Среди самых значимых этапов этого развития — YOLOX и Ultralytics YOLO11. Обе модели внесли значительный вклад в эту область, однако их архитектуры, принципы проектирования и экосистемы для разработчиков существенно различаются.

В этом техническом сравнении рассматриваются архитектуры, метрики производительности, методы обучения и оптимальные сценарии развертывания этих моделей, чтобы помочь тебе принять взвешенное решение для следующего проекта в области искусственного интеллекта.

Обзор YOLOX#

YOLOX, представленная исследователями Чжэн Гэ, Сунтао Лю, Фэн Ваном, Цзэмин Ли и Цзянь Сунем из Megvii 18 июля 2021 года, стала важным поворотным моментом для серии YOLO. Благодаря архитектуре без якорей она помогла сблизить академические исследования и промышленное применение.

Чтобы узнать больше о технических деталях, изучи оригинальную статью YOLOX на arXiv.

Ключевые особенности архитектуры#

YOLOX отошла от традиционного обнаружения на основе якорей, используя декуплированную голову и механизм без якорей. Это решение сократило количество параметров проектирования и повысило производительность модели на различных тестах. Кроме того, для ускорения обучения и повышения скорости сходимости были введены стратегии назначения меток, такие как SimOTA.

YOLOX обеспечивает отличную для своего времени точность, но в основном предназначена для детекции объектов по ограничивающим рамкам и не поддерживает из коробки другие сложные задачи компьютерного зрения.

Узнай больше о YOLOX

Архитектура без якорей

Отказ от предопределенных якорных рамок значительно сократил объем эвристической настройки, необходимой для разных наборов данных, и сделал YOLOX надежной базовой моделью для исследований методик без якорей.

Обзор Ultralytics YOLO11#

YOLO11, выпущенная 27 сентября 2024 года Гленном Джочером и Цзин Цю из Ultralytics, — готовая к промышленной эксплуатации модель, ориентированная на универсальность и простоту использования. Созданная на основе многолетних исследований YOLO, она хорошо справляется со множеством задач.

Преимущества Ultralytics#

YOLO11 — это не просто детектор объектов, а унифицированный фреймворк с поддержкой сегментации экземпляров, классификации изображений, оценки позы и обнаружения объектов с повернутыми ограничивающими рамками (OBB). Ее эффективная архитектура обеспечивает баланс скорости, количества параметров и точности.

Кроме того, YOLO11 полностью интегрирована в платформу Ultralytics, которая предлагает упрощённую экосистему для аннотирования данных, обучения моделей и развертывания.

Сравнение производительности и метрик#

Сравнение моделей наглядно показывает разницу в производительности. В большинстве размерных категорий YOLO11 обеспечивает более высокое среднее значение точности (mAP) при значительно меньшем количестве параметров и FLOPs, чем соответствующие модели YOLOX.

Модельразмер
(пиксели)
mAPval50-95Скорость
CPU ONNX
(мс)
Скорость
T4 TensorRT10
(мс)
параметры
(M)
FLOPs
(B)
YOLOXnano41625.8--0.911.08
YOLOXtiny41632.8--5.066.45
YOLOXs64040.5-2.569.026.8
YOLOXm64046.9-5.4325.373.8
YOLOXl64049.7-9.0454.2155.6
YOLOXx64051.1-16.199.1281.9
YOLO11n64039.556.11.52.66.5
YOLO11s64047.090.02.59.421.6
YOLO11m64051.5183.24.720.168.1
YOLO11l64053.4238.66.225.387.2
YOLO11x64054.7462.811.356.9195.3

Как видно из результатов, модели YOLO11 стабильно превосходят YOLOX по точности и при этом содержат меньше параметров. Например, YOLO11m достигает 51.5 mAP всего с 20.1M параметров, тогда как YOLOXx показывает близкий результат — 51.1 mAP, — но требует 99.1M параметров. Такое сокращение количества параметров уменьшает расход памяти при обучении и инференсе, поэтому YOLO11 отлично подходит для развертывания на периферийных устройствах AI и не требует большого объема памяти CUDA, характерного для старых моделей или моделей на основе Transformer, таких как RT-DETR.

Эффективное обучение

Для обучения моделей Ultralytics обычно требуется меньше памяти GPU, чем для YOLOX и архитектур на основе Transformer, поэтому исследователи могут обучать мощные модели на стандартном потребительском оборудовании.

Экосистема и простота использования#

Одно из главных различий между этими двумя фреймворками — удобство работы для разработчика.

Для обучения моделей YOLOX часто нужно клонировать репозитории, настраивать сложные среды и запускать подробные команды командной строки, чтобы экспортировать модели в форматы вроде ONNX или TensorRT.

В отличие от нее, Ultralytics YOLO11 предлагает простой Python API и CLI. Библиотека Ultralytics автоматически обрабатывает аугментацию данных, настройку гиперпараметров и экспорт.

from ultralytics import YOLO

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

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

# Экспортируем обученную модель в TensorRT для оптимизированного развертывания
model.export(format="engine")

Эту хорошо поддерживаемую экосистему дополняют подробная документация и интеграции с такими инструментами, как Weights & Biases, для отслеживания экспериментов.

Оптимальные сценарии применения#

Выбор между этими моделями часто зависит от особенностей среды развертывания.

Когда использовать YOLOX#

  • Устаревшие системы: если у тебя уже есть готовый конвейер, построенный специально на исходной кодовой базе YOLOX или на подходах к детекции объектов начала 2021 года.
  • Академические базовые модели: для исследований, требующих прямого сравнения с фундаментальными архитектурами без якорей эпохи 2021 года.

Когда использовать YOLO11#

  • Промышленные развертывания: Для коммерческих приложений в сфере умной розничной торговли или систем охранной сигнализации, где необходимы надежный поддерживаемый код и высокая точность.
  • Многозадачные конвейеры: когда проекту нужно отслеживать объекты, оценивать позы людей и сегментировать экземпляры в рамках одной унифицированной платформы.
  • Периферийные устройства с ограниченными ресурсами: Благодаря небольшому количеству параметров и высокой пропускной способности YOLO11 отлично подходит для развертывания на Raspberry Pi или мобильных периферийных узлах через CoreML и NCNN.

Что дальше: преимущества YOLO26#

YOLO11 значительно превосходит YOLOX, но компьютерное зрение быстро развивается. Разработчикам, которые начинают новые проекты сегодня, рекомендуется Ultralytics YOLO26.

Выпущенная в январе 2026 года YOLO26 развивает YOLO11 и предлагает несколько новых возможностей:

  • Сквозная архитектура без NMS: Опциональная голова один-к-одному YOLO26 (nms=False) устраняет этап постобработки с подавлением немаксимумов (NMS), упрощая и ускоряя конвейеры развертывания (этот подход впервые исследовали в YOLOv10).
  • Инференс на CPU до 43% быстрее: После удаления Distribution Focal Loss (DFL) и благодаря инференсу без NMS YOLO26n работает на CPU до 43% быстрее, чем YOLO11n, что особенно полезно для маломощных периферийных устройств.
  • Оптимизатор MuSGD: Вдохновленный инновациями в обучении LLM, такими как Kimi K2 от Moonshot AI, оптимизатор MuSGD (гибрид SGD и Muon) обеспечивает стабильное обучение и быструю сходимость.
  • ProgLoss + STAL: Прогрессивная функция потерь и назначение меток с учетом мелких объектов (STAL) улучшают их обнаружение, что крайне важно для съемки с дронов и автономной робототехники.

Для большинства современных задач компьютерного зрения YOLO26 обеспечивает оптимальный баланс скорости, точности и простоты развертывания.

Участники

Комментарии2

Задай вопрос, поделись результатами или помоги кому-нибудь.

  1. shah0nawazGitHub

    Is the latency comparison on the same machine? If yes, please if you can give me the reference , I am working on the latency accuracy trade-off research.

    1. Glenn JocherUltralytics

      @shah0nawaz I can’t confirm that the listed latencies were measured on the same machine, so I wouldn’t treat them as a controlled comparison for your research. The YOLO11 performance table specifies T4/TensorRT10, while the official YOLOX benchmarks report V100 timings and do not establish the provenance of the YOLOX latencies shown here. For a defensible latency–accuracy trade-off, benchmark both on the same GPU with matched input size, batch size, precision, runtime version, and timing boundaries, explicitly stating whether preprocessing and NMS are included.