YOLOX и YOLOv10
Развитие моделей компьютерного зрения реального времени сопровождалось значительными архитектурными прорывами. Среди важных этапов этого развития — YOLOX и YOLOv10. Выпущенная в 2021 году YOLOX помогла сблизить академические исследования и промышленное применение благодаря эффективной архитектуре без якорей. Три года спустя YOLOv10 устранила необходимость в подавлении немаксимумов (NMS) при постобработке, повысив эффективность и скорость.
В этом техническом сравнении рассматриваются архитектуры, метрики производительности и оптимальные сценарии применения обеих моделей, чтобы помочь тебе выбрать подходящий инструмент для следующего проекта по обнаружению объектов.
Происхождение моделей и метаданные#
Понимание происхождения этих моделей помогает разобраться в причинах выбора их архитектуры и предполагаемых сценариях развёртывания.
Сведения о YOLOX
- Авторы: Чжэн Гэ, Сунтао Лю, Фэн Ван, Цзэмин Ли и Цзянь Сунь
- Организация: Megvii
- Дата: 2021-07-18
- arXiv: https://arxiv.org/abs/2107.08430
- GitHub: https://github.com/Megvii-BaseDetection/YOLOX
- Документация: https://github.com/Megvii-BaseDetection/YOLOX/tree/main/docs
Сведения о YOLOv10
- Авторы: Ao Wang, Hui Chen, Lihao Liu, Kai Chen, Zijia Lin, Jungong Han и Guiguang Ding
- Организация: Университет Цинхуа
- Дата: 2024-05-23
- arXiv: https://arxiv.org/abs/2405.14458
- GitHub: https://github.com/THU-MIG/yolov10
- Документация: https://docs.ultralytics.com/models/yolov10
Архитектурные инновации#
Основные различия между YOLOX и YOLOv10 заключаются в обработке прогнозов ограничивающих рамок и постобработке.
YOLOX: новаторская архитектура без anchor-боксов#
YOLOX перевела семейство YOLO на архитектуру без якорей. Предсказывая центр объекта вместо использования предопределенных якорных рамок, YOLOX значительно сократила количество параметров проектирования и объем эвристической настройки, необходимой для пользовательских наборов данных. Также была представлена декуплированная голова, разделяющая задачи классификации и регрессии на отдельные ветви. Это уменьшило противоречие между определением того, что представляет собой объект, и выяснением того, где он находится, что заметно ускорило сходимость и повысило точность.
YOLOv10: обнаружение в реальном времени без NMS#
Хотя YOLOX упростила голову обнаружения, для отсеивания избыточных прогнозов ограничивающих рамок в ней по-прежнему использовалась NMS. YOLOv10 устранила это фундаментальное узкое место. Благодаря согласованным двойным назначениям во время обучения YOLOv10 обеспечивает нативное сквозное обнаружение. Во время обучения используется голова one-to-many, чтобы обеспечить насыщенные обучающие сигналы, а во время инференса — голова one-to-one, которая сразу выдаёт итоговые прогнозы. Такой комплексный подход, сочетающий эффективность и точность, полностью устраняет NMS и значительно снижает задержку инференса на встраиваемых чипах.
Подавление немаксимумов часто сложно ускорить на нейропроцессорах (NPUs). Отказ от него позволяет YOLOv10 запускать весь граф модели на специализированном оборудовании, повышая совместимость с фреймворками оптимизации, такими как OpenVINO и TensorRT.
Показатели и сравнение производительности#
При выборе моделей для промышленной эксплуатации важно найти баланс между точностью и вычислительными затратами. В таблице ниже показаны компромиссы между различными размерами моделей YOLOX и YOLOv10.
| 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 |
| YOLOv10n | 640 | 38.5 | - | 1.84 | 2.3 | 6.7 |
| YOLOv10s | 640 | 46.3 | - | 2.49 | 7.2 | 21.6 |
| YOLOv10m | 640 | 51.1 | - | 4.74 | 15.4 | 59.1 |
| YOLOv10b | 640 | 52.5 | - | 5.74 | 19.1 | 92.0 |
| YOLOv10l | 640 | 53.2 | - | 7.28 | 24.4 | 120.3 |
| YOLOv10x | 640 | 54.4 | - | 10.70 | 29.5 | 160.4 |
Анализ данных#
Метрики демонстрируют качественный скачок YOLOv10. Например, YOLOv10-S достигает средней точности 46,3% против 46,9% у YOLOX-m, используя при этом менее трети параметров (7,2 млн против 25,3 млн) и значительно меньше FLOPs. Кроме того, топовая модель YOLOv10-X повышает mAP до 54,4%, что делает её высококонкурентной в задачах, требующих высокой точности, при этом она быстрее старой архитектуры YOLOX-x.
Преимущества экосистемы Ultralytics#
YOLOX остаётся надёжной реализацией с открытым исходным кодом для исследований, однако переход на YOLOv10 сразу даёт доступ к хорошо поддерживаемой экосистеме Ultralytics. Выбирая модель, поддерживаемую Ultralytics, ты получаешь удобный интерфейс с простым API и подробной документацией.
Разработчики получают преимущество благодаря низким требованиям фреймворка к памяти: обучение моделей Ultralytics обычно потребляет гораздо меньше памяти CUDA, чем ресурсоёмкие альтернативы на основе Transformer, например RT-DETR. Благодаря небольшому объёму памяти, необходимому для обучения, на потребительском оборудовании можно использовать большие размеры батчей и быстрее переходить от сбора данных к развёртыванию модели. Фреймворк также поддерживает несколько задач, поэтому пользователи могут переключаться между обнаружением объектов, сегментацией экземпляров и оценкой позы, практически не меняя код.
Пример обучения и инференса#
Единый API позволяет быстро проверять идеи. Следующий фрагмент обучает и развёртывает модель YOLOv10 с использованием бэкенда PyTorch:
from ultralytics import YOLO
# Загрузи предварительно обученную компактную модель YOLOv10
model = YOLO("yolov10n.pt")
# Обучи модель на датасете COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Выполни инференс на тестовом изображении
predictions = model.predict("https://ultralytics.com/images/bus.jpg")
# Экспортируй модель для развёртывания на периферийном устройстве
model.export(format="engine", quantize=16)Благодаря встроенным процедурам экспорта для преобразования моделей в такие форматы, как TensorRT или ONNX, достаточно одной строки кода — сложные этапы компиляции не нужны.
Оптимальные сценарии применения и развертывания#
Выбор между этими архитектурами во многом зависит от ограничений оборудования и конкретных требований предметной области.
Видеоаналитика реального времени#
Для приложений, которым требуется очень низкая задержка, например для автономного вождения или мониторинга дорожного движения в реальном времени, YOLOv10 — более удачный выбор. Архитектура модели без NMS со сквозным инференсом обеспечивает предсказуемое время выполнения. Это критически важно для систем безопасности, которые не могут допустить переменную задержку постобработки. Модели обеспечивают высокую частоту кадров на устройствах, таких как NVIDIA Jetson.
Академические базовые модели и периферийные микроконтроллеры#
YOLOX по-прежнему полезна в академической среде, где исследователям нужна чистая базовая модель с разделённой головой для экспериментов со стратегиями назначения меток. Кроме того, очень маленькая YOLOX-Nano (менее 1 млн параметров) помещается на периферийных устройствах с жёсткими ограничениями памяти, если оборудование поддерживает стандартные свёрточные операции.
Рекомендуемая модель: Ultralytics YOLO26#
YOLOv10 стала важным шагом вперёд в отказе от NMS, но компьютерное зрение развивается стремительно. Для новых проектов Ultralytics рекомендует YOLO26, выпущенную в январе 2026 года.
YOLO26 развивает идеи предыдущих моделей и предлагает сбалансированную производительность, изначально поддерживая обнаружение, сегментацию экземпляров и семантическую сегментацию, оценку глубины, классификацию, оценку позы и ориентированные ограничивающие рамки.
Вот почему YOLO26 — рекомендуемый выбор для современных конвейеров компьютерного зрения:
- Сквозная архитектура без NMS: Развивая идеи YOLOv10, YOLO26 поддерживает нативный сквозной инференс (
nms=False), обеспечивая более быстрый и предсказуемый инференс без узких мест, связанных с постобработкой NMS. - До 43% более быстрый инференс на CPU: YOLO26n работает на CPU до 43% быстрее YOLO11n, поэтому подходит для мобильных процессоров и устройств без дискретных GPU.
- Оптимизатор MuSGD: Вдохновлённый обучением больших языковых моделей (в частности, Kimi K2 от Moonshot AI), YOLO26 использует гибрид SGD и Muon, обеспечивающий стабильное обучение и быструю сходимость.
- ProgLoss + STAL: Прогрессивная функция потерь и назначение меток с учётом малых объектов (STAL) улучшают обнаружение небольших объектов. Это критически важно для сложных областей, например аэрофотосъёмки и навигации дронов.
- Удаление DFL: Удаление Distribution Focal Loss упрощает граф модели, облегчая экспорт на периферийные устройства и устройства с низким энергопотреблением.
- Улучшения для отдельных задач: Используешь ли ты оценку позы с помощью оценки остаточного логарифмического правдоподобия (RLE) или специализированную функцию потерь для угла OBB — YOLO26 включает улучшения для каждой из основных задач компьютерного зрения.
Для разработчиков, обновляющих свои конвейеры, платформа Ultralytics с YOLO26 предлагает эффективные инструменты обучения и развёртывания. Тем, кто интересуется проверенными архитектурами, также стоит рассмотреть YOLO11 или YOLOv8: у них большое сообщество и подтверждённая надёжность.
Комментарии
Задай вопрос, поделись результатами или помоги кому-нибудь.