开始使用

YOLOX 与 DAMO-YOLO

实时目标检测的发展经历了多次转变,从基于锚框到无锚框架构,再到从手工设计主干网络转向自动化神经架构搜索(NAS)。这篇技术比较将分析这一历程中的两个重要里程碑——YOLOX 和 DAMO-YOLO,涵盖它们的架构创新、训练方法和性能权衡,并说明为什么新项目推荐使用 Ultralytics YOLO26 作为替代方案。

YOLOX:开创无锚框范式#

YOLOX 由 Zheng Ge、Songtao Liu、Feng Wang、Zeming Li 和 Jian Sun 于 2021 年 7 月 18 日在 Megvii 发布,通过将无锚框设计融入 YOLO 系列,成为一个转折点。YOLOX 在详细的 arXiv 技术报告中进行了介绍,旨在弥合学术研究与工业部署之间的差距。

关键架构创新#

YOLOX 引入了多项核心结构改动,改进了前代模型:

  • 无锚框机制:YOLOX 直接预测目标中心和边界框尺寸,减少了设计启发式规则的数量,并简化了复杂的锚框聚类过程。这让它能够适应各种计算机视觉场景。
  • 解耦头:传统 YOLO 模型使用同一个耦合头执行分类和回归。YOLOX 则采用解耦头,分别处理分类和定位,因此收敛更快、精度更高。
  • SimOTA 标签分配: YOLOX 使用最优传输分配 (OTA) 的简化版本,动态分配正样本,缩短训练时间并解决中心点分配中的歧义。
YOLOX 的传承

YOLOX 的解耦头设计对后续几代目标检测器产生了深远影响,并成为许多现代模型的标准特性。

了解更多 YOLOX 信息

DAMO-YOLO:大规模自动化架构搜索#

DAMO-YOLO 由 Xianzhe Xu 与 Alibaba Group 的研究团队开发,于 2022 年 11 月 23 日推出。正如其 arXiv 论文所述,该模型高度依赖神经架构搜索(NAS),以改善速度与精度之间的权衡。

关键架构创新#

DAMO-YOLO 的策略建立在自动化高效结构设计的基础上:

  • MAE-NAS 主干网络:DAMO-YOLO 采用最大熵引导搜索,找到针对特定延迟预算定制的高效主干网络,尤其适用于导出到 TensorRT 等框架的场景。
  • 高效 RepGFPN:采用重型颈部网络设计,改善不同空间分辨率之间的特征融合,有助于航拍图像分析和不同尺度的目标检测。
  • ZeroHead: 这种简化的预测头在不牺牲模型整体平均精度均值 (mAP) 的前提下,减少了计算冗余。
  • AlignedOTA 和蒸馏:结合先进的标签分配和师生知识蒸馏,提升较小学生模型的性能。

进一步了解 DAMO-YOLO

性能与指标对比#

比较这两个模型时,参数数量、所需 FLOPs 和延迟特征都很重要。下方的基准数据展示了 YOLOX 和 DAMO-YOLO 在多个尺度上的对比结果。

模型尺寸
(像素)
mAPval50-95速度
CPU ONNX
(毫秒)
速度
T4 TensorRT10
(ms)
参数
(M)
FLOPs
(B)
YOLOXnano41625.8--0.911.08
YOLOXtiny41632.8--5.066.45
YOLOXs64040.5-2.569.026.8
YOLOXm64046.9-5.4325.373.8
YOLOXl64049.7-9.0454.2155.6
YOLOXx64051.1-16.199.1281.9
DAMO-YOLOt64042.0-2.328.518.1
DAMO-YOLOs64046.0-3.4516.337.8
DAMO-YOLOm64049.2-5.0928.261.8
DAMO-YOLOl64050.8-7.1842.197.3

在延迟相近的情况下,DAMO-YOLO 的精度高于 YOLOX;例如,DAMO-YOLOt 的 mAP 为 42.0、耗时 2.32 ms,而 YOLOXs 的 mAP 为 40.5、耗时 2.56 ms。不过,两种模型都有不足:YOLOX 的设计早于许多较新的训练技术,而 DAMO-YOLO 依赖蒸馏,因此在自定义数据集上重新训练需要更多资源,也会增加 GPU 内存需求。

用例与建议#

选择 YOLOX 还是 DAMO-YOLO,取决于你的具体项目需求、部署限制和生态系统偏好。

何时选择 YOLOX#

YOLOX 适合以下场景:

  • 无锚框检测研究:学术研究使用 YOLOX 简洁的无锚框架构作为基线,以试验新的检测头或损失函数。
  • 超轻量级边缘设备:部署到微控制器或旧款移动硬件时,YOLOX-Nano 变体极小的体积(0.91M 个参数)至关重要。
  • SimOTA 标签分配研究:研究项目用于探索基于最优传输的标签分配策略及其对训练收敛的影响。

何时选择 DAMO-YOLO#

推荐在以下情况下使用 DAMO-YOLO:

  • 高吞吐量视频分析:在固定的 NVIDIA GPU 基础设施上处理高帧率视频流,且主要关注批量大小为 1 时的吞吐量。
  • 工业制造生产线:在专用硬件上对 GPU 延迟有严格要求的场景,例如装配线上的实时质量检测。
  • 神经架构搜索研究:研究自动架构搜索 (MAE-NAS) 和高效重参数化骨干网络对检测性能的影响。

何时选择 Ultralytics (YOLO26)#

对于大多数新项目,Ultralytics YOLO26 能提供性能与开发者体验的最佳组合:

  • 无 NMS 边缘部署:需要稳定、低延迟推理,同时不想处理非极大值抑制(NMS)后处理复杂性的应用。
  • 仅使用 CPU 的环境: 没有专用 GPU 加速的设备;YOLO26 的 CPU 推理速度最高可提升 43%(YOLO26n 对比 YOLO11n),具有决定性优势。
  • 小目标检测:具有挑战性的场景,例如无人机航拍图像或 IoT 传感器分析。在这些场景中,ProgLoss 和 STAL 可以提升微小目标的检测精度。

Ultralytics 的优势:认识 YOLO26#

YOLOX 和 DAMO-YOLO 是重要的历史里程碑,但现代开发者需要兼具高精度与易用性的解决方案。Ultralytics YOLO26 于 2026 年 1 月发布,基于 YOLOv10 等无 NMS 模型进一步发展,在速度、精度和开发者体验之间实现了良好平衡。

为什么选择 YOLO26?#

与分散的学术研究代码库相比,集成式 Ultralytics 生态提供:

  • 端到端无 NMS 设计:YOLO26 的可选一对一头(nms=False)在推理期间无需 NMS。这能提供快速、可预测的延迟,对边缘部署和自动驾驶汽车至关重要。
  • 移除 DFL:移除分布焦点损失后,YOLO26 简化了面向边缘设备的导出,并提高了与低功耗硬件的兼容性。
  • MuSGD 优化器:YOLO26 借鉴 LLM 训练创新,采用 SGD 与 Muon 的混合优化器,实现稳定训练和快速收敛。
  • CPU 推理速度最高提升 43%:移除 DFL 和 NMS 后,YOLO26n 在 CPU 上的运行速度比 YOLO11n 最多快 43%,无需昂贵的 GPU 硬件。
  • ProgLoss + STAL:渐进式损失与小目标感知标签分配(STAL)能改进小目标检测,让 YOLO26 非常适合无人机巡检和 IoT 监控等任务。
  • 多功能性:DAMO-YOLO 严格来说是检测器,而 YOLO26 原生支持在一个统一框架中完成实例分割、语义分割、深度估计、图像分类、姿态估计和有向边界框(OBB)任务。
立即开始构建

借助 Ultralytics Python API,你无需手动配置复杂的蒸馏流程,也不必编写数百行 C++ 代码来部署模型。

from ultralytics import YOLO

# 加载 YOLO26 nano 模型
model = YOLO("yolo26n.pt")

# 在自定义数据集上训练模型
train_results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# 运行超高速无 NMS 推理
results = model("https://ultralytics.com/images/bus.jpg", nms=False)

# 只需一条命令即可导出为 ONNX 或 OpenVINO
model.export(format="openvino")

其他值得考虑的模型#

计算机视觉生态系统十分庞大。根据你的具体限制,你也可以了解 Ultralytics 生态系统全面支持的其他架构:

  • YOLO11:YOLO26 的前代模型,以稳健性著称,适用于零售分析和制造质量控制。
  • YOLOv8:广泛采用的稳定无锚框模型,推动了边缘部署的普及。
  • RT-DETR:由 Baidu 开发的实时检测 Transformer,为能从全局注意力机制中显著受益的任务提供了强有力的替代方案,但训练时需要更多内存。

结论#

YOLOX 和 DAMO-YOLO 都为深度学习的发展贡献了重要理念——YOLOX 验证了解耦式无锚框方法,DAMO-YOLO 则展示了自动化架构搜索的威力。不过,在实际生产中,它们原始研究代码库的复杂性可能会拖慢敏捷团队的步伐。

借助 Ultralytics Platform,开发者可以避开这些障碍。YOLO26 的端到端设计、更快的 CPU 速度和详尽的文档,让精准的视觉 AI 更容易使用。无论你是在构建智慧城市基础设施、医疗诊断系统还是先进机器人,Ultralytics 都能帮助你直接从原始数据迈向实际部署。

评论

提出问题、分享结果,或帮助其他人。