YOLOX и YOLOv8
За последние годы компьютерное зрение стремительно продвинулось в области обнаружения объектов в реальном времени. Исследователям и инженерам становится всё сложнее ориентироваться в доступных моделях по мере того, как они продолжают повышать точность и скорость. В этом руководстве сравниваются две влиятельные архитектуры: YOLOX и Ultralytics YOLOv8.
Анализируя архитектуру, методы обучения и возможности развёртывания, разработчики могут сделать обоснованный выбор фреймворка для своих проектов в области искусственного интеллекта.
YOLOX: от исследований к промышленности#
YOLOX стала важной моделью, которая помогла сблизить академические исследования и промышленное применение. Она вернула в центр внимания безанкерную архитектуру, значительно сократив число проектных параметров и объём эвристической настройки, необходимых детекторам с анкерами.
Сведения о модели:
- Авторы: Чжэн Гэ, Сунтао Лю, Фэн Ван, Цзэмин Ли и Цзянь Сунь
- Организация: Megvii
- Дата: 2021-07-18
- arXiv: YOLOX: превосходя серию YOLO в 2021 году
- GitHub: Megvii-BaseDetection/YOLOX
- Документация: Документация YOLOX
Основные особенности архитектуры#
YOLOX объединяет несколько ключевых модификаций, отличающих её от предшественников. Самая заметная из них — разделённая голова, которая распределяет задачи классификации и регрессии ограничивающих рамок по отдельным ветвям. Такое архитектурное решение уменьшает конфликт между пространственным выравниванием, необходимым для регрессии, и инвариантностью к переносу, необходимой для классификации, что ускоряет сходимость во время обучения.
Кроме того, YOLOX использует стратегию назначения меток SimOTA. Этот динамический метод сводит сопоставление объектов с истинной разметкой и прогнозов к задаче оптимального транспорта, что позволяет сократить время обучения и повысить среднюю точность (mAP). Модель также применяет эффективные методы аугментации данных, включая MixUp и Mosaic, однако в последние эпохи обучения их отключают, чтобы стабилизировать выученные признаки.
YOLOv8: универсальный стандарт экосистемы#
Созданная на основе многолетних непрерывных исследований, Ultralytics YOLOv8 стала важным шагом вперёд для моделей Ultralytics. Она изначально разрабатывалась не просто как детектор объектов, а как комплексный мультитасковый фреймворк для решения широкого круга задач визуального распознавания с доступным API.
Сведения о модели:
- Авторы: Glenn Jocher, Ayush Chaurasia и Jing Qiu
- Организация: Ultralytics
- Дата: 2023-01-10
- GitHub: ultralytics/ultralytics
- Документация: Документация YOLOv8
Архитектурные усовершенствования#
В YOLOv8 используется упрощённая архитектура: модуль C3 заменён более эффективным модулем C2f, который улучшает распространение градиента и извлечение признаков без значительного увеличения числа параметров. Как и YOLOX, YOLOv8 использует безанкерную архитектуру и разделённую голову, но улучшает расчёт функции потерь, добавляя Distribution Focal Loss (DFL) и CIoU loss. Это позволяет точнее предсказывать ограничивающие рамки, особенно для небольших или перекрывающихся объектов.
Одно из главных преимуществ YOLOv8 — глубокая интеграция в экосистему Ultralytics. Будь то единый Python API или визуальный интерфейс платформы Ultralytics, переход от обучения к развёртыванию прост; из коробки поддерживается множество форматов — от ONNX до TensorRT.
Помимо стандартного обнаружения объектов, YOLOv8 изначально поддерживает сегментацию экземпляров, классификацию изображений, оценку позы и ориентированные ограничивающие рамки (OBB). Благодаря поддержке множества задач эта модель подходит для сложных производственных сред, где нужно обслуживать несколько типов моделей.
Сравнение производительности и метрик#
При сравнении этих моделей разработчикам нужно учитывать компромиссы между точностью, задержкой инференса и вычислительными затратами. В таблице ниже приведены результаты тестирования обеих линеек моделей.
| 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 |
| YOLOv8n | 640 | 37.3 | 80.4 | 1.47 | 3.2 | 8.7 |
| YOLOv8s | 640 | 44.9 | 128.4 | 2.66 | 11.2 | 28.6 |
| YOLOv8m | 640 | 50.2 | 234.7 | 5.86 | 25.9 | 78.9 |
| YOLOv8l | 640 | 52.9 | 375.2 | 9.06 | 43.7 | 165.1 |
| YOLOv8x | 640 | 53.9 | 479.1 | 14.37 | 68.2 | 257.8 |
YOLOv8 стабильно обеспечивает более высокий mAP, чем YOLOX при сопоставимом количестве параметров, и при этом демонстрирует высокую скорость на GPU. Кроме того, модели Ultralytics известны низкими требованиями к памяти во время обучения. Это важное преимущество при увеличении размера батчей на потребительском оборудовании, особенно в сравнении с ресурсоёмкими архитектурами на основе Transformer, такими как RT-DETR, которые потребляют значительно больше памяти CUDA.
Опыт разработки и развёртывания#
Работа с устаревшими исследовательскими кодовыми базами часто требует настройки сложных окружений и написания собственного шаблонного кода для инференса. В свою очередь, API Ultralytics сводит всё это к нескольким строкам Python.
from ultralytics import YOLO
# Инициализация малой модели YOLOv8
model = YOLO("yolov8s.pt")
# Обучи модель на пользовательском датасете
train_results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Проверь точность модели
metrics = model.val()
# Запуск инференса на тестовом изображении
predictions = model("https://ultralytics.com/images/bus.jpg")
predictions[0].show()Этот унифицированный интерфейс — отличительная черта хорошо поддерживаемой экосистемы Ultralytics. Он позволяет разработчикам тратить меньше времени на отладку проблем с окружением и больше — на доработку своих решений в области компьютерного зрения.
Сценарии использования и рекомендации#
Выбор между YOLOX и YOLOv8 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 выбрать YOLOv8#
YOLOv8 подойдет для:
- Универсальное развёртывание для нескольких задач: Проекты, которым нужна проверенная модель для обнаружения объектов, сегментации, классификации и оценки позы в экосистеме Ultralytics.
- Уже работающие системы: существующие промышленные среды, построенные на архитектуре YOLOv8 и использующие стабильные, тщательно проверенные конвейеры развертывания.
- Широкая поддержка сообщества и экосистемы: приложения, которым помогают многочисленные руководства по YOLOv8, сторонние интеграции и активное сообщество.
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, работающие только на CPU: устройства без выделенного ускорения на GPU, на которых преимущество YOLO26n особенно заметно: инференс на CPU выполняется до 43% быстрее, чем у YOLO11n.
- Обнаружение мелких объектов: сложные сценарии, например съемка с дронов или анализ данных датчиков IoT, где ProgLoss и STAL повышают точность распознавания крошечных объектов.
Взгляд в будущее: архитектура YOLO26#
YOLOv8 обеспечивает хороший баланс точности и удобства использования, но ИИ продолжает стремительно развиваться. Выпущенная в январе 2026 года YOLO26 — рекомендуемая модель для современных периферийных и облачных развёртываний, развивающая достижения предыдущих поколений.
В YOLO26 используется сквозная архитектура без NMS: опциональная голова один-к-одному (nms=False) пропускает эвристический этап постобработки NMS, обеспечивая стабильную и предсказуемую задержку на разных целевых платформах. После удаления модуля Distribution Focal Loss (DFL) YOLO26n выполняет инференс на CPU до 43% быстрее, чем YOLO11n, что делает YOLO26 хорошим выбором для встраиваемых систем и мобильных приложений.
YOLO26 также повышает стабильность обучения благодаря оптимизатору MuSGD — гибриду SGD и Muon, который ускоряет сходимость. С помощью ProgLoss + STAL (прогрессивной функции потерь и назначения меток с учётом малых объектов) YOLO26 улучшает обнаружение небольших объектов, что критически важно для картографирования с дронов и систем охранной сигнализации.
Заключение и рекомендации#
YOLOX стала важным шагом в переходе к безанкерным методам, но отсутствие интегрированной мультитасковой экосистемы ограничивает её применение в быстро меняющихся производственных средах.
Разработчикам, которым важны удобство работы, поддержка разнообразных задач и активное сообщество, подойдёт YOLOv8. Но если ты хочешь повысить производительность периферийных вычислений, устранить узкие места NMS и добиться максимальной точности благодаря новейшим методам обучения, YOLO26 — рекомендуемая модель для любого нового проекта в области компьютерного зрения.
Если ты хочешь изучить другие модели линейки Ultralytics, ознакомься с характеристиками YOLO11 или прочитай о подходе без NMS, впервые использованном в YOLOv10.
Комментарии1
Задай вопрос, поделись результатами или помоги кому-нибудь.
zaraquinnat(изменено)
Excellent technical comparison! YOLOX introduced some innovative ideas like decoupled heads and anchor-free design, which definitely influenced later models. However, this YOLOv8 comparison shows how v8 builds on such advancements with a cleaner architecture, better task flexibility, and improved performance across various benchmarks. Both have their strengths depending on the application.