跳至内容

技术比较:用于物体检测的 YOLOX 与 PP-YOLOE+ 比较

选择正确的物体检测模型对于计算机视觉任务至关重要。本页对YOLOXPP-YOLOE+ 这两种最先进的无锚点模型进行了详细的技术比较,重点介绍了它们的架构、性能和使用案例,以帮助您做出明智的决定。

YOLOX:高性能无锚探测器

YOLOX 于 2021 年 7 月由Megvii 推出,是一种无锚物体检测模型,以其简单性和高性能而著称。它旨在通过提供精简而有效的架构,缩小研究与工业应用之间的差距。

结构和主要功能

YOLOX 通过采用无锚方法简化了YOLO 系列,无需进行复杂的锚固箱计算。主要的建筑创新包括

  • 无锚检测:这种方法去除了锚点框,简化了设计并减少了超参数的数量。
  • 解耦磁头:YOLOX 将分类磁头和定位磁头分离,提高了性能,尤其是准确性。
  • SimOTA 标签分配:一种先进的标签分配策略,可根据预测的边界框动态分配目标,从而优化训练效果。
  • 强大的数据增强功能:利用 MixUp 和 Mosaic 扩增技术来增强稳健性和通用性。

性能指标

YOLOX 模型在准确性和速度之间取得了很好的平衡。如比较表所示,YOLOX 在高效推理时间内获得了具有竞争力的 mAP 分数。例如,YOLOX-x 在 COCO val 数据集上取得了51.1% 的 mAP

使用案例

  • 自动驾驶:实时目标检测对于自动导航和安全系统至关重要。
  • 机器人使机器人能够有效地感知环境并与之互动。
  • 工业检测:高精度和高速度对生产过程的质量控制至关重要。

优势和劣势

优势:

  • 高精确度与速度权衡:在精确度和推理速度方面都有出色表现。
  • 简化架构:无锚设计简化了实施过程,降低了计算复杂度。
  • 各种型号的强大性能:提供纳米级到 X 级模型,以适应各种资源限制。

弱点

  • 与实时模型相比的推理速度:YOLOv10 等模型虽然速度很快,但推理速度可能更快,优先考虑的是速度而不是最终准确性。

了解有关 YOLOX 的更多信息

详细信息:

PP-YOLOE+:来自PaddlePaddle的无锚卓越产品

PP-YOLOE+是PP-YOLOE的增强版。 PaddlePaddle的增强版,旨在实现高精度、高效率的物体检测。PP-YOLOE+ 于 2022 年 4 月由百度发布,它以无锚点模式为基础,专注于需要稳健、精确检测的工业应用。

结构和主要功能

PP-YOLOE+ 在不牺牲推理速度的前提下强调准确性,因此适用于要求苛刻的物体检测任务。其结构包括

  • 无锚设计:通过移除锚点盒,简化模型并减少超参数调整。
  • 解耦头:与 YOLOX 类似,它使用解耦头进行分类和定位,以提高准确性。
  • VariFocal Loss:利用 VariFocal Loss 进行精细分类和边界框回归,提高检测精度。
  • CSPRepResNet 主干网和 ELAN 颈网:利用高效的骨干和颈部架构进行特征提取和聚合。

性能指标

PP-YOLOE+ 模型在准确性和速度之间取得了很好的平衡。对比表显示了具有竞争力的 mAP 分数和高效的TensorRT 推断时间。PP-YOLOE+x 在 COCO val 数据集上取得了54.7% 的 mAP分数,显示了出色的准确性。

使用案例

  • 工业质量检测:高精度对于识别制造过程中的缺陷至关重要。
  • 回收效率:准确的物体检测可提高回收厂的自动分拣能力。
  • 监控:要实现安全系统的可靠监控,就必须进行稳健而准确的检测。

优势和劣势

优势:

  • 高精度:优先实现最先进的物体检测精度。
  • 高效设计:兼顾高精度和合理的推理速度。
  • 工业重点:非常适合需要可靠、精确物体检测的工业应用。

弱点

  • 复杂性:虽然不需要锚点,但与简单的模型相比,"+"增强功能增加了复杂性。
  • 生态系统锁定:主要在PaddlePaddle 生态系统内,这可能是偏好其他框架的用户需要考虑的问题。

PP-YOLOE+ 文档(桨叶检测)

详细信息:

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)
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
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

其他型号

对 YOLOX 和 PP-YOLOE+ 感兴趣的用户可能也会发现Ultralytics YOLO 型号的独到之处,例如:

📅创建于 1 年前 ✏️已更新 1 个月前

评论