跳至内容

模型比较:用于物体检测的YOLO11 与 PP-YOLOE+ 比较

选择正确的物体检测模型对于计算机视觉项目至关重要。Ultralytics YOLO11 和 PP-YOLOE+ 都是最先进的型号,各自具有独特的优势,可以满足不同的应用需求。本页提供了详细的技术比较,以帮助您在这两种功能强大的型号之间做出明智的决定。

Ultralytics YOLO11

Ultralytics YOLO11 是Ultralytics 开发的YOLO 系列的最新版本。YOLO11 以其实时对象检测能力而著称,它在以前版本的基础上进一步提高了速度和准确性。它保持了单阶段检测模式,在不影响精度的前提下优先考虑高效推理。

结构和主要功能

YOLO11 采用精简的架构,针对快速推理进行了优化。它采用了先进的网络拓扑结构和训练技术,实现了参数数量和性能之间的平衡。主要架构特点包括

  • 高效主干网:利用高效主干网络快速提取特征。
  • 无锚检测:无需锚点框,简化了检测过程,提高了对各种物体尺度的适应性,类似于YOLOv8。
  • 可扩展的模型尺寸:提供一系列模型尺寸(n、s、m、l、x),以适应从边缘设备到高性能服务器等各种计算资源,确保部署的通用性。

性能指标

YOLO11 在平衡速度和精度方面表现出色,适合实时应用。它在 COCO 等数据集上展示了最先进的平均精度(mAP),同时保持了令人印象深刻的推理速度。不同大小的模型在速度和精度之间的权衡各不相同,详见下表。

了解有关YOLO11的更多信息

使用案例和优势

YOLO11 非常适合需要兼顾速度和高精度的应用:

作者和日期

PP-YOLOE+

PP-YOLOE+(PracticalPaddlePaddle You Only Look One-level Efficient Plus)由百度开发,是 PaddleDetection 模型动物园的一部分。它的重点是在保持合理效率的同时实现高精度的目标检测。PP-YOLOE+ 是 PP-YOLOE 的增强版,在结构上进行了改进,以提高性能。

结构和主要功能

PP-YOLOE+ 是一种无锚、单阶段物体检测模型。它通过直接预测物体中心和边界框参数来简化检测过程。主要功能包括

  • 无锚设计:简化模型架构和训练,避免锚点盒的复杂性。
  • 高效架构:采用 ResNet 骨干网,并侧重于优化技术,以减少计算开销,同时保持具有竞争力的精确度。
  • PaddlePaddle 生态系统集成:经过优化,可在PaddlePaddle 框架内实现无缝集成和部署,充分利用其生态系统优势。

性能指标

PP-YOLOE+ 模型提供了一系列配置(t、s、m、l、x),以平衡精度和速度。虽然所提供的数据中没有详细的CPU ONNX 速度指标,但 PP-YOLOE+ 模型展示了具有竞争力的 mAP 和高效的TensorRT 推理速度,适用于精度和高效部署至关重要的应用。

了解更多 关于

使用案例和优势

PP-YOLOE+ 非常适合高精度和高效率的应用,尤其是在PaddlePaddle 生态系统中:

  • 工业检测:是制造业高速质量检测的理想之选,其精确性和高效性使其受益匪浅。
  • 边缘计算:由于其优化的架构,可在移动和嵌入式设备上高效部署。
  • 机器人:利用其速度和精度,为在动态环境中运行的机器人提供实时感知。
  • 高通量处理:适用于需要对大量图像或视频流进行快速物体检测的场景。

作者和日期

型号对照表

模型 尺寸
(像素)
mAPval
50-95
速度
CPU ONNX
(毫秒)
速度
T4TensorRT10
(ms)
params
(M)
FLOPs
(B)
YOLO11n 640 39.5 56.1 1.5 2.6 6.5
YOLO11s 640 47.0 90.0 2.5 9.4 21.5
YOLO11m 640 51.5 183.2 4.7 20.1 68.0
YOLO11l 640 53.4 238.6 6.2 25.3 86.9
YOLO11x 640 54.7 462.8 11.3 56.9 194.9
PP-YOLOE+t 640 39.9 - 2.84 4.85 19.15
PP-YOLOE+s 640 43.7 - 2.62 7.93 17.36
PP-YOLOE+m 640 49.8 - 5.56 23.43 49.91
PP-YOLOE+l 640 52.9 - 8.36 52.2 110.07
PP-YOLOE+x 640 54.7 - 14.3 98.42 206.59

结论

YOLO11 和 PP-YOLOE+ 都是强大的物体检测模型。YOLO11 在Ultralytics 生态系统中提供了多功能和用户友好的体验,在各种任务中有效地平衡了速度和精度。PP-YOLOE+ 在准确性和效率方面表现出色,尤其适合集成到PaddlePaddle 框架中的用户或优先考虑无锚设计的工业应用。

对于对其他模型感兴趣的用户,Ultralytics 还提供一系列尖端模型,包括

📅创建于 1 年前 ✏️已更新 1 个月前

评论