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.
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.
| 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 |
| YOLO11n | 640 | 39.5 | 56.1 | 1.5 | 2.6 | 6.5 |
| YOLO11s | 640 | 47.0 | 90.0 | 2.5 | 9.4 | 21.6 |
| YOLO11m | 640 | 51.5 | 183.2 | 4.7 | 20.1 | 68.1 |
| YOLO11l | 640 | 53.4 | 238.6 | 6.2 | 25.3 | 87.2 |
| YOLO11x | 640 | 54.7 | 462.8 | 11.3 | 56.9 | 195.3 |
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.
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.
Комментарии2
Задай вопрос, поделись результатами или помоги кому-нибудь.
shah0nawaz
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.
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.