YOLOX против YOLO11: подробный разбор высокопроизводительного детектирования объектов

Эволюция компьютерного зрения в значительной степени определяется стремлением к созданию фреймворков для обнаружения объектов в реальном времени, которые обеспечивают баланс между высокой точностью и скоростью логического вывода (inference). Среди наиболее значимых вех на этом пути — YOLOX и Ultralytics YOLO11. Хотя обе модели внесли существенный вклад в эту область, их базовые архитектуры, принципы проектирования и экосистемы для разработчиков существенно различаются.

В этом всестороннем техническом сравнении исследуются их архитектуры, показатели производительности, методологии обучения и оптимальные сценарии развертывания, чтобы помочь тебе принять обоснованное решение для твоего следующего проекта в области искусственного интеллекта.

Обзор YOLOX

Представленный исследователями Чжэн Гэ, Сунтао Лю, Фэн Ваном, Земином Ли и Цзянь Сунем в Megvii 18 июля 2021 года, YOLOX ознаменовал значительный сдвиг в серии YOLO. Он успешно преодолел разрыв между академическими исследованиями и промышленным применением, внедрив безъякорный (anchor-free) дизайн.

Более подробную техническую информацию можно найти в оригинальной статье YOLOX на Arxiv.

Ключевые архитектурные особенности

YOLOX отошел от традиционного детектирования на основе якорей (anchor-based), внедрив разделенную «голову» (decoupled head) и безъякорный механизм. Такой дизайн уменьшил количество параметров проектирования и улучшил производительность модели в различных бенчмарках. Кроме того, для ускорения процесса обучения и улучшения сходимости были внедрены передовые стратегии назначения меток, такие как SimOTA.

Хотя YOLOX обеспечивает отличную для своего времени точность, он в основном фокусируется на обнаружении объектов в ограничивающих рамках (bounding boxes) и не имеет встроенной поддержки других сложных задач компьютерного зрения «из коробки».

Узнай больше о YOLOX

Обзор Ultralytics YOLO11

Выпущенная 27 сентября 2024 года Гленном Джочером и Цзин Цю в Ultralytics, YOLO11 является передовой моделью, переосмысливающей универсальность и простоту использования в компьютерном зрении. Построенная на основе многолетних фундаментальных исследований, она представляет собой высококлассное решение, готовое к промышленному внедрению и отлично справляющееся с множеством задач.

Преимущество Ultralytics

YOLO11 — это не просто детектор объектов; это унифицированный фреймворк, поддерживающий сегментацию экземпляров, классификацию изображений, оценку позы и обнаружение с помощью ориентированных ограничивающих рамок (OBB). Модель обладает высокоэффективной архитектурой, в которой приоритет отдается плавному балансу между скоростью, количеством параметров и точностью.

Более того, YOLO11 полностью интегрирована в платформу Ultralytics, которая предоставляет оптимизированную экосистему для разметки данных, обучения моделей и развертывания.

Узнай больше о YOLO11

Сравнение производительности и метрик

При сравнении этих моделей баланс производительности становится очевидным. В большинстве категорий размеров YOLO11 достигает более высокой средней точности (mAP) при значительно меньшем количестве параметров и FLOPs по сравнению со своими аналогами из серии YOLOX.

Как показано, модели YOLO11 стабильно превосходят YOLOX по точности, сохраняя при этом меньший объем параметров. Например, YOLO11m достигает 51.5 mAP при всего лишь 20.1 млн параметров, в то время как YOLOXx достигает аналогичных 51.1 mAP, но требует огромных 99.1 млн параметров. Такая эффективность использования памяти во время обучения и вывода делает YOLO11 идеальным решением для развертывания на периферийных устройствах (edge AI), позволяя избежать высоких требований к памяти CUDA, типичных для устаревших или основанных на Transformer моделей, таких как RT-DETR.

Экосистема и простота использования

Одно из наиболее заметных различий между двумя фреймворками — это опыт разработчика.

YOLOX часто требует клонирования репозиториев, настройки сложных сред и выполнения громоздких командных аргументов для обучения и экспорта моделей в такие форматы, как ONNX или TensorRT.

В резком контрасте с этим, Ultralytics YOLO11 предлагает невероятно простой Python API и CLI. Библиотека Ultralytics автоматически обрабатывает аугментацию данных, настройку гиперпараметров и экспорт.

from ultralytics import YOLO

# Load a pretrained YOLO11 model
model = YOLO("yolo11n.pt")

# Train the model effortlessly on custom data
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Export the trained model to TensorRT for optimized deployment
model.export(format="engine")

Эта поддерживаемая экосистема подкреплена обширной документацией и бесшовной интеграцией с такими инструментами, как Weights & Biases для отслеживания экспериментов.

Идеальные сценарии использования

Выбор между этими моделями часто зависит от особенностей среды развертывания.

Когда использовать YOLOX

• Устаревшие системы: Если у тебя есть отлаженный конвейер, явно построенный на фреймворке MegEngine или парадигмах обнаружения объектов начала 2021 года.
• Академические базы: Когда ты проводишь исследования, требующие прямого сравнения производительности с фундаментальными безъякорными архитектурами эпохи 2021 года.

Когда использовать YOLO11

• Производственное развертывание: Для коммерческих приложений в умной розничной торговле или системах охранной сигнализации, где надежный, поддерживаемый код и высокая точность являются обязательными требованиями.
• Многозадачные конвейеры: Когда проекту требуется отслеживание объектов, оценка позы человека и сегментация экземпляров с использованием одного унифицированного фреймворка.
• Периферийные устройства с ограниченными ресурсами: Благодаря низкому количеству параметров и высокой пропускной способности, YOLO11 идеально подходит для развертывания на Raspberry Pi или мобильных узлах через CoreML и NCNN.

Взгляд в будущее: преимущество YOLO26

Хотя YOLO11 представляет собой огромный скачок по сравнению с YOLOX, область компьютерного зрения быстро развивается. Разработчикам, начинающим новые проекты сегодня, мы однозначно рекомендуем Ultralytics YOLO26.

Выпущенная в январе 2026 года, YOLO26 берет архитектурные достижения YOLO11 и внедряет несколько революционных функций:

• Сквозной (End-to-End) дизайн без NMS: YOLO26 исключает постпроцессинг NMS, обеспечивая потоковую передачу вывода для более быстрого и простого конвейера развертывания (концепция, впервые исследованная в YOLOv10).
• До 43% быстрее вывод на CPU: За счет удаления функции Distribution Focal Loss (DFL), YOLO26 значительно эффективнее работает на CPU и маломощных периферийных устройствах.
• Оптимизатор MuSGD: Вдохновленный инновациями в обучении LLM от Moonshot AI, оптимизатор MuSGD обеспечивает стабильность обучения и быструю сходимость.
• Продвинутые функции потерь: Используя ProgLoss + STAL, YOLO26 достигает заметных улучшений в распознавании мелких объектов, что критически важно для съемки с дронов и автономной робототехники.

Для подавляющего большинства современных задач компьютерного зрения обновление твоего конвейера с использованием YOLO26 обеспечит наилучший баланс скорости, точности и простоты развертывания.