YOLOX 与 YOLOv5
选择合适的目标检测模型是任何计算机视觉项目中的关键决策。本指南从技术角度比较两款有影响力的模型:Megvii 的 YOLOX 和 Ultralytics YOLOv5。通过分析它们的架构、性能指标和训练生态系统,帮助开发者和研究人员为各自的部署环境做出明智选择。
模型简介#
这两款模型都诞生于实时目标检测快速发展的时期,但它们采用了不同的架构方法来实现各自的性能。
YOLOX:无锚框方案#
YOLOX 于 2021 年 7 月 18 日由 Megvii 的研究人员 Zheng Ge、Songtao Liu、Feng Wang、Zeming Li 和 Jian Sun 发布。它不再沿用传统锚框,带来了重大转变。YOLOX 在其 arXiv 技术报告中详细介绍,融合了无锚框设计、解耦头和 SimOTA 标签分配策略。这一设计旨在弥合学术研究与工业应用之间的差距,并在标准数据集上实现出色性能。
YOLOv5:生产级视觉 AI 的标准#
YOLOv5 由 Glenn Jocher 开发,并于 2020 年 6 月 26 日由 Ultralytics 发布,迅速成为应用最广泛的计算机视觉模型之一。它原生基于 PyTorch 框架构建,通过易用性、快速训练和完善的代码库,让更多人能够使用最先进的 AI。YOLOv5 在速度、精度和部署简便性之间取得平衡,因此从边缘设备到大型云端部署都广受欢迎。
架构差异#
了解这些网络的核心机制差异,就能明白它们为何在不同任务中的表现各不相同。
无锚框与基于锚框#
最显著的区别在于 YOLOX 的无锚框机制。YOLOv5 等传统的基于锚框的模型依赖预定义锚框来预测边界框,因此需要对训练数据集进行聚类分析,以确定最佳锚框尺寸。YOLOX 则无需这一步,直接在每个空间位置预测边界框坐标。无锚框方法减少了设计参数和启发式调参,而 YOLOv5 经过改进的基于锚框的方法则借助自动锚框功能,开箱即可实现稳定、可预测的训练收敛。
解耦头与耦合头#
YOLOX 采用解耦头,也就是说,分类和回归任务分别由独立的神经网络分支处理。作者认为,这样可以解决空间特征学习与语义特征学习之间的冲突。相比之下,YOLOv5(早期版本)使用高度优化的耦合头,以最大化计算效率并降低推理延迟,这对实时边缘计算至关重要。
标签分配策略#
YOLOX 使用 SimOTA 进行标签分配,将真实目标与预测结果的匹配建模为最优传输问题。这种动态分配方式能更好地处理拥挤场景。YOLOv5 采用稳健的基于形状规则的分配方法,确保持续向损失函数提供高质量的正样本,从而提升训练稳定性。
性能与基准测试#
速度与精度之间的权衡是检验这些架构的关键。下表展示了不同模型尺寸在标准基准测试中的性能。
| 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 |
| YOLOv5n | 640 | 28.0 | - | 1.12 | 1.9 | 4.5 |
| YOLOv5s | 640 | 37.4 | - | 1.92 | 7.2 | 16.5 |
| YOLOv5m | 640 | 45.4 | - | 4.03 | 21.2 | 49.0 |
| YOLOv5l | 640 | 49.0 | - | 6.61 | 46.5 | 109.1 |
| YOLOv5x | 640 | 50.7 | - | 11.89 | 86.7 | 205.7 |
在 s 到 x 尺寸范围内,YOLOX 的精度更高;而在 T4 TensorRT 上,YOLOv5 全面领先,速度更快。例如,YOLOv5s 的运行时间为 1.92 ms,而 YOLOXs 为 2.56 ms。对于每一毫秒都至关重要的实时应用来说,这一点很重要。
Ultralytics 的优势:训练与易用性#
从研究转向生产时,模型周边的生态往往和模型本身同样重要。在这方面,Ultralytics 生态的优势显而易见。
简化的用户体验#
YOLOv5 以开发者体验简单直接而广为人知。借助 Ultralytics Python API 和 CLI,你只需几行代码就能加载、训练和部署模型。相比之下,通过 Megvii GitHub 仓库运行 YOLOX,需要手动配置更多环境变量、设置复杂的 Python 路径,而且还要适应学术研究代码库常见的陡峭学习曲线。
训练效率与内存需求#
Ultralytics 模型的设计目标是在训练期间尽量减少内存用量。与参数量庞大的 Transformer 模型(如 RT-DETR)或未经优化的研究模型相比,YOLOv5 所需的 CUDA 内存显著更少。这样一来,开发者就能在消费级硬件上使用更大的批次大小进行训练,加快迭代开发周期。
跨任务的通用性#
YOLOX 严格来说是一个目标检测框架,而 Ultralytics 生态系统已将 YOLOv5 拓展为支持多种视觉任务。开箱即用,你就可以使用相同的 API 语法进行目标检测、实例分割和图像分类。
如果你需要姿态估计或有向边界框 (OBB)检测等更高级的任务,可以升级到 Ultralytics YOLO26;它原生支持这些任务,并且精度很高。
代码对比#
通过代码最能体现易用性上的差异。
使用 YOLOv5 训练:
from ultralytics import YOLO
# 加载预训练的 YOLOv5s 模型
model = YOLO("yolov5su.pt") # YOLOv5u:适用于 ultralytics 软件包的无锚框 YOLOv5 权重
# 使用 COCO8 示例数据集训练模型
model.train(data="coco8.yaml", epochs=100, imgsz=640)
# 对图像进行推理
results = model("https://ultralytics.com/images/zidane.jpg")
# 显示结果
results[0].show()使用 YOLOX 训练: (需要手动克隆代码库、安装 setup.py,并使用复杂的 CLI 参数)
# Example YOLOX training command
python tools/train.py -f exps/default/yolox_s.py -d 1 -b 64 --fp16 -oUltralytics 的方法能减少繁琐工作,让你专注于数据集和应用逻辑,而不是调试配置文件。你还可以通过集成的 Weights & Biases 和 Comet ML 功能跟踪实验。
理想用例和实际应用#
如何选择这些模型,取决于项目的运行环境。
YOLOX 的优势领域#
在研究人员明确探索无锚框范式或标签分配策略的学术场景中,YOLOX 仍是很有竞争力的选择。如果拥挤场景检测是首要指标,而边缘部署速度并非重点,YOLOX 也很适用。
YOLOv5 的优势所在#
YOLOv5 是经过实践验证的部署选择。
- 高速制造:对于装配线上的缺陷检测,YOLOv5 在边缘 GPU 上的低推理延迟有助于检测产品,同时不会拖慢传送带。
- 无人机与航拍影像:得益于高效的内存占用,它可以运行在无人机的轻量级伴随计算机上,用于农业监测和野生动物追踪等任务。
- 智慧零售:从自动结账到库存管理,YOLOv5 都能轻松导出为 TensorRT 和 ONNX,从而部署到数千个门店摄像头上。
展望未来:YOLO26 的优势#
YOLOv5 仍在广泛使用,但 AI 领域发展迅速。如果你今天开始一个新项目,Ultralytics 建议使用最新一代的 Ultralytics 模型。
Ultralytics YOLO26 于 2026 年 1 月发布,提供可选的端到端无 NMS 设计(nms=False),无需进行非极大值抑制(NMS)后处理,从而简化部署逻辑。移除分布焦点损失(DFL)后,YOLO26n 的 CPU 推理速度比 YOLO11n 最多快 43%;而 MuSGD 优化器提升了训练稳定性,ProgLoss + STAL(渐进式损失与小目标感知标签分配)则提高了小目标精度。
无论你选择 YOLOv5 还是 YOLO26,Ultralytics Platform 都能提供工具,帮助你将计算机视觉解决方案从构想到生产环境;Ultralytics 文档则涵盖了整个流程的每个步骤。
评论
提出问题、分享结果,或帮助其他人。