YOLOX 与 YOLOv10
实时计算机视觉模型的发展经历了显著的架构进步。其中两个重要里程碑是 YOLOX 和 YOLOv10。YOLOX 于 2021 年发布,通过引入有效的无锚框设计,帮助弥合了学术研究与工业应用之间的差距。三年后,YOLOv10 在后处理中免去了非极大值抑制 (NMS),提升了效率和速度。
本文从技术角度对比这两种模型的架构、性能指标和理想应用场景,帮助你为下一个目标检测项目选择合适的工具。
模型起源与元数据#
了解这些模型的起源,有助于理解其架构选择和目标部署环境。
YOLOX 详情
- 作者:郑革、刘松涛、王峰、李泽明和孙剑
- 机构:旷视科技
- 日期:2021-07-18
- arXiv: https://arxiv.org/abs/2107.08430
- GitHub: https://github.com/Megvii-BaseDetection/YOLOX
- 文档: https://github.com/Megvii-BaseDetection/YOLOX/tree/main/docs
YOLOv10 详情
- 作者: Ao Wang、Hui Chen、Lihao Liu、Kai Chen、Zijia Lin、Jungong Han 和 Guiguang Ding
- 组织: 清华大学
- 日期: 2024-05-23
- arXiv: https://arxiv.org/abs/2405.14458
- GitHub: https://github.com/THU-MIG/yolov10
- 文档: https://docs.ultralytics.com/models/yolov10
架构创新#
YOLOX 和 YOLOv10 的核心区别在于它们处理边界框预测和后处理的方式。
YOLOX:开创无锚框设计#
YOLOX 将 YOLO 系列转向无锚框架构。它通过预测物体中心而非依赖预定义锚框,大幅减少了设计参数数量以及针对自定义数据集所需的启发式调优。它还引入了解耦检测头,将分类和回归任务分配到不同路径。这种方法减少了判断物体是什么与确定物体在哪里之间的冲突,从而显著提升了收敛速度和精度。
YOLOv10:无需 NMS 的实时检测#
虽然 YOLOX 简化了检测头,但仍依赖 NMS 来过滤冗余的边界框预测。YOLOv10 解决了这一根本瓶颈。通过在训练期间采用一致的双重分配,YOLOv10 实现了原生端到端检测。它在训练时使用一对多检测头,确保丰富的监督信号;推理时则使用一对一检测头,直接输出最终预测结果。这种全面兼顾效率与准确率的设计彻底移除了 NMS,显著降低了嵌入式芯片上的推理延迟。
非极大值抑制通常很难在神经处理单元 (NPU) 上加速。通过移除这一步,YOLOv10 可以让整个模型计算图在专用硬件上运行,从而提升与 OpenVINO 和 TensorRT 等优化框架的兼容性。
性能指标与对比#
评估用于生产环境的模型时,平衡准确率与计算开销至关重要。下表展示了 YOLOX 和 YOLOv10 不同规模模型之间的权衡。
| 模型 | 尺寸 (像素) | mAPval50-95 | 速度 CPU ONNX (毫秒) | 速度 T4 TensorRT10 (ms) | 参数 (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 |
| YOLOv10n | 640 | 38.5 | - | 1.84 | 2.3 | 6.7 |
| YOLOv10s | 640 | 46.3 | - | 2.49 | 7.2 | 21.6 |
| YOLOv10m | 640 | 51.1 | - | 4.74 | 15.4 | 59.1 |
| YOLOv10b | 640 | 52.5 | - | 5.74 | 19.1 | 92.0 |
| YOLOv10l | 640 | 53.2 | - | 7.28 | 24.4 | 120.3 |
| YOLOv10x | 640 | 54.4 | - | 10.70 | 29.5 | 160.4 |
数据分析#
这些指标展现了 YOLOv10 的代际提升。例如,YOLOv10-S 的平均精度均值为 46.3%,略低于 YOLOX-m 的 46.9%,但参数量不到后者的三分之一(7.2M 对比 25.3M),FLOPs 也显著更少。此外,顶级型号 YOLOv10-X 将 mAP 提升至 54.4%,在满足高精度任务需求的同时,速度仍快于较早的 YOLOX-x 架构,竞争力十足。
Ultralytics 生态系统的优势#
YOLOX 仍然是可靠的开源研究实现,但采用 YOLOv10 可以立即使用 Ultralytics 提供的维护完善的生态系统。选择由 Ultralytics 支持的模型,可获得更顺畅的使用体验,包括简单易用的 API 和详尽的文档。
开发者可以受益于该框架较低的内存需求;训练 Ultralytics 模型通常比训练 RT-DETR 等大型 Transformer 架构消耗少得多的 CUDA 内存。这种高效的训练内存占用让你能在消费级硬件上使用更大的批次,从而缩短从数据采集到模型部署的时间。该框架还支持多种任务,因此用户只需进行少量代码修改,就能在目标检测、实例分割和姿态估计之间切换。
训练与推理示例#
统一 API 让你可以快速验证想法。以下代码片段使用 PyTorch 后端训练并部署 YOLOv10 模型:
from ultralytics import YOLO
# 加载预训练的 YOLOv10 nano 模型
model = YOLO("yolov10n.pt")
# 使用 COCO8 数据集训练模型
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# 对示例图像运行推理
predictions = model.predict("https://ultralytics.com/images/bus.jpg")
# 导出模型以便部署到边缘设备
model.export(format="engine", quantize=16)借助内置的导出流程,将模型转换为 TensorRT 或 ONNX 等格式只需一行代码,无需执行复杂的编译步骤。
理想应用与部署场景#
如何在这些架构之间做出选择,很大程度上取决于你的硬件限制和具体领域需求。
实时视频分析#
对于自动驾驶或实时交通监控等对延迟要求极低的应用,YOLOv10 是更好的选择。其端到端、无 NMS 的设计可提供可预测的执行时间,这对无法容忍后处理延迟波动的安全系统至关重要。该模型系列在 NVIDIA Jetson 等设备上可实现高帧率。
学术基准测试与边缘微控制器#
在学术研究中,YOLOX 仍有价值:研究人员可以将其作为结构清晰的解耦头基线,用于实验不同的标签分配策略。此外,体积非常小的 YOLOX-Nano(参数量不到 100 万)可以部署在内存极为有限的边缘设备上,前提是硬件支持标准卷积运算。
推荐模型:Ultralytics YOLO26#
YOLOv10 在移除 NMS 方面迈出了重要一步,但计算机视觉领域发展迅速。对于新项目,Ultralytics 推荐于 2026 年 1 月发布的 YOLO26。
YOLO26 在前代模型的理念基础上进一步发展,兼顾性能,并原生支持目标检测、实例分割和语义分割、深度估计、分类、姿态估计以及有向边界框。
以下是 YOLO26 成为现代计算机视觉流程推荐之选的原因:
- 端到端无 NMS 设计:在 YOLOv10 的基础上,YOLO26 支持原生端到端推理(
nms=False),无需 NMS 后处理瓶颈,即可实现更快且更可预测的推理时间。 - CPU 推理速度最高提升 43%:YOLO26n 在 CPU 上的运行速度最高比 YOLO11n 快 43%,适用于移动处理器和没有独立 GPU 的设备。
- MuSGD 优化器:YOLO26 的设计受到大型语言模型训练(特别是 Moonshot AI 的 Kimi K2)的启发,采用 SGD 与 Muon 的混合方案,实现稳定训练和快速收敛。
- ProgLoss + STAL:渐进式损失和小目标感知标签分配 (STAL) 可提升小目标检测能力,这对航拍图像和无人机导航等要求严苛的领域至关重要。
- 移除 DFL:通过移除分布焦点损失,YOLO26 简化了模型计算图,便于导出到边缘设备和低功耗设备。
- 针对任务的改进:无论是使用残差对数似然估计 (RLE) 进行姿态估计,还是为 OBB 使用专用角度损失,YOLO26 都针对每种主要视觉任务进行了改进。
对于要升级流水线的开发者,Ultralytics Platform 搭配 YOLO26 可提供高效的训练和部署工具。对成熟架构感兴趣的用户也可以了解 YOLO11 或 YOLOv8,它们拥有广泛的社区支持和经过验证的可靠性。
评论
提出问题、分享结果,或帮助其他人。