YOLOX и YOLOv7
Развитие обнаружения объектов в реальном времени обусловлено постоянным совершенствованием архитектур. Важные этапы этого развития — YOLOX и YOLOv7. Выпущенные с разницей менее чем в год, обе модели представили новые подходы к стандартной парадигме обнаружения объектов и существенно улучшили компромисс между скоростью и точностью.
На этой странице технически анализируются YOLOX и YOLOv7, сравниваются их архитектуры, метрики производительности и оптимальные сценарии применения, чтобы помочь разработчикам выбрать подходящий инструмент для проектов компьютерного зрения.
YOLOX: новаторский безанкерный детектор#
YOLOX, представленная исследователями Megvii в июле 2021 года, стала важным шагом в сторону отказа от традиционных конструкций с анкерами. Сблизив академические исследования и промышленное применение, YOLOX упростила голову детектора и повысила общую производительность.
Основные сведения о модели:
- Авторы: Чжэн Гэ, Сунтао Лю, Фэн Ван, Цзэмин Ли и Цзянь Сунь
- Организация: Megvii
- Дата: 2021-07-18
- Научная статья: arXiv:2107.08430
- Исходный код: YOLOX от Megvii на GitHub
- Документация: Документация YOLOX на GitHub
Архитектурные инновации#
YOLOX представила подход без анкеров, значительно сокративший число проектных параметров и объём эвристической настройки для пользовательских наборов данных. В ней реализована разделённая голова, которая разделяет задачи классификации и регрессии и повышает скорость сходимости и точность. Кроме того, YOLOX использует продвинутые стратегии аугментации данных, такие как MixUp и Mosaic, для повышения надёжности модели.
YOLOX предсказывает одну рамку для каждой позиции вместо нескольких анкерных рамок. Поэтому во время обучения нужно сопоставлять с эталонными объектами меньше предсказаний, используя пересечение над объединением (IoU). Это упрощает назначение меток и может снизить потребление памяти CUDA.
YOLOv7: обучаемый набор бесплатных улучшений#
Выпущенная в июле 2022 года исследователями из Института информатики Academia Sinica (Тайвань), YOLOv7 стала дальнейшим шагом в развитии обнаружения объектов в реальном времени. В ней введена концепция «обучаемого набора бесплатных улучшений»; на момент выпуска модель показала лучшие в мире результаты на наборе данных MS COCO.
Основные сведения о модели:
- Авторы: Chien-Yao Wang, Alexey Bochkovskiy и Hong-Yuan Mark Liao
- Организация: Институт информатики, Academia Sinica, Тайвань
- Дата: 2022-07-06
- Научная статья: arXiv:2207.02696
- Исходный код: YOLOv7 от WongKinYiu на GitHub
- Документация: документация Ultralytics по YOLOv7
Архитектурные инновации#
Архитектура YOLOv7 построена на расширенной сети агрегации эффективных слоёв (E-ELAN), которая позволяет модели непрерывно изучать более разнообразные признаки, не ухудшая путь градиента. Кроме того, в YOLOv7 применяются методы репараметризации модели: сложные многоветвевые сети, используемые при обучении, преобразуются в более быстрые однонаправленные сети для инференса.
Сравнение производительности#
При оценке этих моделей для практического применения важно понимать, как они работают на разных масштабах. В таблице ниже сравниваются стандартные метрики различных вариантов YOLOX и YOLOv7.
| 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 |
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
Анализ#
- Точность: YOLOv7 обычно обеспечивает более высокий mAP, чем сопоставимые модели YOLOX. Например, YOLOv7x достигает 53.1 mAP против 51.1 у YOLOXx.
- Скорость: Обе модели оптимизированы для выполнения на GPU с помощью TensorRT. В крупных вариантах YOLOv7 одновременно быстрее и точнее (например, YOLOv7l выполняет инференс за 6,84 мс против 9,04 мс у YOLOXl), хотя у YOLOX есть более компактные варианты для периферийных устройств.
- Универсальность: YOLOv7 расширила возможности за пределы ограничивающих рамок и изначально предоставляет веса для сегментации экземпляров и оценки позы, что делает её универсальнее базового репозитория YOLOX.
Применение в реальных условиях#
Выбор между этими моделями часто зависит от конкретной среды развёртывания.
Периферийные вычисления и IoT#
Для периферийных устройств с ограниченными ресурсами, таких как Raspberry Pi или старые мобильные процессоры, хорошо подходят YOLOX-Nano и YOLOX-Tiny. Небольшое число параметров и безанкерная архитектура упрощают их развёртывание в системах с низким энергопотреблением для таких задач, как базовое отслеживание движения или работа умного дверного звонка.
Высокоточная видеоаналитика#
Для обработки видеопотоков высокого разрешения при обнаружении промышленных дефектов или мониторинге плотного дорожного движения лучше подойдёт YOLOv7. Надёжная агрегация признаков позволяет ей сохранять высокую точность, даже когда объекты частично заслонены или сильно различаются по размеру.
Сценарии использования и рекомендации#
Выбор между YOLOX и YOLOv7 зависит от конкретных требований проекта, ограничений развёртывания и предпочтений в отношении 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 выбирать YOLOv7#
YOLOv7 рекомендуем для таких задач:
- Академические бенчмарки: воспроизведение результатов передового уровня 2022 года или изучение влияния E-ELAN и методов обучаемого набора бесплатных преимуществ.
- Исследования перепараметризации: изучение запланированных перепараметризованных сверток и стратегий комплексного масштабирования моделей.
- Существующие пользовательские конвейеры: проекты с глубоко адаптированными конвейерами на основе конкретной архитектуры YOLOv7, которые сложно переработать.
Когда выбирать Ultralytics (YOLO26)#
Для большинства новых проектов Ultralytics YOLO26 предлагает оптимальное сочетание производительности и удобства разработки:
- Развертывание на периферийных устройствах без NMS: приложения, которым нужен стабильный инференс с низкой задержкой без сложной постобработки методом подавления немаксимумов (NMS).
- Среды только с CPU: Устройства без выделенного ускорения GPU, где инференс YOLO26 на CPU — до 43% быстрее (YOLO26n против YOLO11n), что даёт решающее преимущество.
- Обнаружение мелких объектов: сложные сценарии, например съемка с дронов или анализ данных датчиков IoT, где ProgLoss и STAL повышают точность распознавания крошечных объектов.
Преимущества Ultralytics#
Хотя YOLOX и YOLOv7 — мощные исследовательские реализации, переход от исследовательского репозитория к масштабируемой производственной среде может быть сложным. Здесь поможет платформа Ultralytics.
Модели Ultralytics предлагают единый Python API, в котором обучение, валидация и развёртывание моделей представлены в виде упрощённых стандартизированных задач. Это избавляет от необходимости управлять сложными сторонними зависимостями и пользовательскими операторами C++, характерными для старых архитектур.
Кроме того, для обучения моделей Ultralytics YOLO требуется значительно меньше памяти CUDA, чем для детекторов на основе Transformer, таких как RT-DETR. Благодаря этому специалисты могут использовать большие размеры пакетов, что стабилизирует обучение и ускоряет сходимость на пользовательских наборах данных.
Ultralytics изначально поддерживает экспорт моделей в стандартные для отрасли форматы, такие как ONNX, OpenVINO и CoreML, с помощью одного аргумента format, что упрощает процесс развёртывания модели.
Пример кода: обучение с Ultralytics#
Пакет Ultralytics для Python изначально не обучает модели и не запускает контрольные точки YOLOv7 .pt (в документации YOLOv7 показано, как запускать экспортированные модели ONNX или TensorRT), но более новые архитектуры, например YOLO26, можно загрузить, обучить и запустить всего несколькими строками кода.
from ultralytics import YOLO
# Загрузи предобученную модель YOLO26
model = YOLO("yolo26n.pt")
# Обучение модели на пользовательском наборе данных (например, COCO8)
# API автоматически обрабатывает загрузку данных, аугментацию и управление памятью
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Запусти инференс на тестовом изображении
predictions = model("path/to/image.jpg")
predictions[0].show()Будущее: Ultralytics YOLO26#
YOLOv7 и YOLOX стали важными этапами развития, но область быстро меняется. Выпущенная в январе 2026 года Ultralytics YOLO26 включает несколько изменений, которые превосходят возможности предыдущих моделей.
- Сквозная архитектура без NMS: Опциональная голова YOLO26 один-к-одному (
nms=False) пропускает постобработку NMS. Это устраняет узкие места, связанные с задержками, и обеспечивает предсказуемое время выполнения на разном оборудовании. - До 43% более быстрый инференс на CPU: После удаления Distribution Focal Loss (DFL) и благодаря инференсу без NMS YOLO26n работает на CPU до 43% быстрее YOLO11n, поэтому подходит для периферийных устройств без выделенного GPU.
- Оптимизатор MuSGD: Вдохновлённый методами обучения больших языковых моделей, оптимизатор MuSGD (гибрид SGD и Muon) обеспечивает стабильное обучение и более быструю сходимость.
- Улучшенное обнаружение небольших объектов: ProgLoss + STAL (прогрессивная функция потерь и назначение меток с учётом малых объектов) повышают точность распознавания небольших удалённых объектов, что критически важно для картографирования с дронов и наблюдения за безопасностью.
- Нативная поддержка задач: YOLO26 изначально поддерживает сегментацию экземпляров и семантическую сегментацию, оценку глубины, классификацию, оценку позы и ориентированные ограничивающие рамки (OBB) в рамках одного API.
Разработчикам, которые сегодня начинают новый проект в области компьютерного зрения, Ultralytics YOLO26 рекомендует как оптимальный путь к балансу скорости, точности и простоты развёртывания. При переходе с моделей предыдущих поколений, таких как YOLO11 или YOLOv8, обычно достаточно изменить только строку с названием модели.
Комментарии
Задай вопрос, поделись результатами или помоги кому-нибудь.