YOLO vs. YOLOv10: Ein tiefer Einblick in die Entwicklung der Objektdetektion

Die Auswahl des richtigen Objekterkennungsmodells ist eine wichtige Entscheidung, die sich auf alle Bereiche auswirkt, von den Bereitstellungskosten bis zur Benutzerfreundlichkeit. Dieser technische Vergleich untersucht die Unterschiede zwischen YOLO, einem forschungsbasierten Modell der Alibaba Group, und YOLOv10dem neuesten Echtzeit-End-to-End-Detektor, der von Forschern der Tsinghua-Universität entwickelt und in das Ultralytics integriert wurde.

Obwohl beide Modelle darauf abzielen, den Kompromiss zwischen Geschwindigkeit und Genauigkeit zu optimieren, verwenden sie sehr unterschiedliche Architekturstrategien. Diese Analyse befasst sich mit ihren technischen Spezifikationen, Leistungskennzahlen und idealen Anwendungsfällen, um Sie bei der Navigation in der komplexen Landschaft der Computer Vision zu unterstützen.

Leistungsmetriken

Die nachstehende Tabelle enthält einen direkten Vergleich von Effizienz und Genauigkeit auf dem COCO . Zu den wichtigsten Erkenntnissen gehören die Parametereffizienz und die Inferenzgeschwindigkeit, wobei YOLOv10 aufgrund seines NMS Designs erhebliche Vorteile aufweist.

Modell	Größe ^(Pixel)	mAP^val 50-95	Geschwindigkeit ^{CPU ONNX (ms)}	Geschwindigkeit ^{T4 TensorRT10 (ms)}	Parameter ^(M)	FLOPs ^(B)
DAMO-YOLOt	640	42.0	-	2.32	8.5	18.1
DAMO-YOLOs	640	46.0	-	3.45	16.3	37.8
DAMO-YOLOm	640	49.2	-	5.09	28.2	61.8
DAMO-YOLOl	640	50.8	-	7.18	42.1	97.3

YOLOv10n	640	39.5	-	1.56	2.3	6.7
YOLOv10s	640	46.7	-	2.66	7.2	21.6
YOLOv10m	640	51.3	-	5.48	15.4	59.1
YOLOv10b	640	52.7	-	6.54	24.4	92.0
YOLOv10l	640	53.3	-	8.33	29.5	120.3
YOLOv10x	640	54.4	-	12.2	56.9	160.4

YOLO: Forschungsgetriebene Innovation

YOLO , das Ende 2022 auf den Markt kommt, stellt eine bedeutende Anstrengung der Alibaba Group dar, um die Grenzen der YOLO Detektoren durch eine fortschrittliche neuronale Architektur und neuartige Techniken zur Merkmalsfusion zu erweitern.

Technische Details:
Autoren: Xianzhe Xu, Yiqi Jiang, Weihua Chen, et al.
Organisation:Alibaba Group
Datum: 2022-11-23
Arxiv:https://arxiv.org/abs/2211.15444v2
GitHubYOLO

Erfahren Sie mehr über DAMO-YOLO

Architektur und Hauptmerkmale

YOLO integriert mehrere hochmoderne Konzepte, um seine Leistung zu erreichen:

Neuronale Architektur-Suche (NAS): Im Gegensatz zu Modellen mit manuell entworfenen Backbones nutzt YOLO MAE-NAS, um automatisch effiziente Netzwerkstrukturen zu finden und die Tiefe und Breite des Netzwerks für bestimmte Hardware-Einschränkungen zu optimieren.
RepGFPN-Netz: Dieses Merkmalspyramidennetz nutzt die Neuparametrisierung, um die Merkmalsfusion effizient zu verwalten. Es ermöglicht komplexe Strukturen für die Trainingszeit, die in einfachere Blöcke für die Inferenzzeit zerfallen, wodurch die Genauigkeit erhalten bleibt und gleichzeitig die Geschwindigkeit erhöht wird.
ZeroHead & AlignedOTA: Das Modell verwendet ein "ZeroHead"-Design, um die Komplexität des Erkennungskopfes zu reduzieren, und setzt AlignedOTA (Optimal Transport Assignment) ein, um die Label-Zuweisung während des Trainings zu handhaben, wodurch Probleme mit einer falschen Zuordnung zwischen Klassifizierungs- und Regressionsaufgaben gelöst werden.

Berücksichtigung der Komplexität

Während YOLO beeindruckende Innovationen einführt, kann seine Abhängigkeit von NAS und spezialisierten Komponenten die Trainingspipeline komplexer und weniger zugänglich für Entwickler machen, die eine schnelle Anpassung oder einen Einsatz auf unterschiedlicher Hardware ohne umfangreiche Anpassungen benötigen.

Stärken und Schwächen

Stärken: YOLO bietet eine hohe Genauigkeit, insbesondere für den Zeitpunkt der Veröffentlichung, und führte neue Konzepte wie die Verbesserung der Destillation für kleinere Modelle ein.
Schwachstellen: Das Ökosystem rund um YOLO ist in erster Linie an das MMDetection-Framework gebunden, das im Vergleich zum benutzerfreundlichen Ultralytics eine steilere Lernkurve aufweisen kann. Außerdem ist eine herkömmliche NMS erforderlich, die zusätzliche Latenzzeiten verursacht.

YOLOv10: Die Ära der End-to-End-Echtzeitdetektion

YOLOv10, das im Mai 2024 von Forschern der Tsinghua-Universität veröffentlicht wurde, stellt einen Paradigmenwechsel in der YOLO dar. Durch den Wegfall der Non-Maximum SuppressionNMS) wird eine echte Ende-zu-Ende-Leistung erreicht, die die Latenzzeit bei der Inferenz erheblich reduziert.

Technische Details:
Autoren: Ao Wang, Hui Chen, Lihao Liu, et al.
Organisation:Tsinghua University
Datum: 2024-05-23
Arxiv:https://arxiv.org/abs/2405.14458
GitHub:https://github.com/THU-MIG/yolov10
Docsultralytics

Erfahren Sie mehr über YOLOv10

Architektur und Innovationen

YOLOv10 konzentriert sich auf eine ganzheitliche Effizienz, die sowohl auf die Architektur als auch auf die Nachbearbeitungspipeline abzielt:

NMS Design: Durch eine Strategie namens Consistent Dual Assignments trainiert YOLOv10 sowohl mit One-to-Many- als auch mit One-to-One-Label-Zuweisungen. Dadurch kann das Modell während der Inferenz eine einzige beste Box für jedes Objekt vorhersagen, wodurch NMS obsolet wird. Dies ist ein entscheidender Vorteil für die Inferenz in Echtzeit, bei der die Nachbearbeitung oft zu einem Engpass werden kann.
Ganzheitliches Effizienz-Genauigkeits-Design: Die Architektur zeichnet sich durch einen leichtgewichtigen Klassifizierungskopf und ein vom Raumkanal entkoppeltes Downsampling aus. Diese Optimierungen reduzieren die rechnerische Redundanz, was zu niedrigeren FLOPs und Parameterzahlen im Vergleich zu früheren Generationen führt.
Ranggesteuertes Blockdesign: Das Modell passt sein internes Blockdesign auf der Grundlage der Redundanz verschiedener Stufen an, wobei kompakte invertierte Blöcke (CIB) verwendet werden, wenn Effizienz erforderlich ist, und partielle Selbstaufmerksamkeit (PSA), wenn die Verbesserung der Funktionen entscheidend ist.

Benutzerfreundlichkeit mit Ultralytics

Einer der wichtigsten Vorteile von YOLOv10 ist seine nahtlose Integration in das Ultralytics . Entwickler können YOLOv10 über die gleiche einfache API trainieren, validieren und einsetzen, die auch für YOLOv8 und YOLO11.

from ultralytics import YOLO

# Load a pre-trained YOLOv10n model
model = YOLO("yolov10n.pt")

# Train the model on your custom dataset
model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Run inference on an image
results = model("path/to/image.jpg")

Vergleichende Analyse

Wenn man YOLO und YOLOv10 vergleicht, liegt der Unterschied in ihrem Ansatz zur Effizienz und ihrem betrieblichen Ökosystem.

Geschwindigkeit und Latenzzeit

YOLOv10 hat einen deutlichen Vorteil bei der Latenzzeit in der realen Welt. YOLO (und YOLO) erfordern Non-Maximum Suppression (NMS), um überlappende Bounding Boxes zu filtern. Die Ausführungszeit von NMS variiert mit der Anzahl der erkannten Objekte, was zu unvorhersehbaren Latenzzeiten führt. Das Ende-zu-Ende-Design von YOLOv10 bietet eine deterministische Latenzzeit, was es für zeitkritische Anwendungen wie autonomes Fahren oder Hochgeschwindigkeits-Industrierobotik überlegen macht.

Ressourceneffizienz

Wie aus der Leistungstabelle hervorgeht, erreicht YOLOv10s eine höhere mAP (46,7 %) als YOLO (46,0 %) und benötigt dabei weniger als die Hälfte der Parameter (7,2 M gegenüber 16,3 M). Dieser geringere Speicherbedarf ist für den Einsatz in Randgebieten entscheidend. Ultralytics sind für ihren geringen Speicherbedarf sowohl beim Training als auch bei der Inferenz bekannt und ermöglichen das Training auf Consumer-GPUs, wo andere Architekturen mit Out-Of-Memory (OOM)-Fehlern zu kämpfen haben.

Ökosystem und Unterstützung

Während YOLO ein solider akademischer Beitrag ist, profitiert YOLOv10 von dem gut gewarteten Ultralytics . Dies umfasst:

Aktive Entwicklung: Häufige Updates und Fehlerbehebungen.
Unterstützung der Gemeinschaft: Eine große Gemeinschaft von Entwicklern auf GitHub und Discord.
Dokumentation: Umfassende Dokumentation, die alles von der Datenerweiterung bis zur Bereitstellung abdeckt.
Effizientes Training: Optimierte Routinen, die Funktionen wie automatische gemischte Präzision (AMP) und GPU unterstützen, sind sofort einsatzbereit.

Jenseits der Entdeckung

Wenn Ihr Projekt eine Vielseitigkeit erfordert, die über Bounding Boxes hinausgeht, wie z. B. Instanzsegmentierung, Posenschätzung oder orientierte Objekterkennung (OBB), sollten Sie sich mit YOLO11 oder YOLOv8. Während YOLOv10 sich durch reine Erkennung auszeichnet, bietet die breitere Ultralytics modernste Lösungen für diese komplexen Multitasking-Anforderungen.

Ideale Anwendungsfälle

Wann sollten Sie YOLOv10 wählen YOLOv10

Edge AI & IoT: Die geringe Anzahl an Parametern (z.B. YOLOv10n mit 2,3M Parametern) macht es perfekt für Geräte wie Raspberry Pi oder NVIDIA Jetson.
Videoanalyse in Echtzeit: Der Wegfall von NMS sorgt für konsistente Frameraten, die für die Verkehrsüberwachung oder Sicherheitsfeeds unerlässlich sind.
Schnelle Entwicklung: Teams, die schnell von Daten zur Bereitstellung übergehen müssen, profitieren von der intuitiven ultralytics Python und Ultralytics HUB.

Wann DAMO-YOLO in Betracht gezogen werden sollte

Akademische Forschung: Forschern, die sich mit der neuronalen Architektursuche (NAS) oder der Optimierung von Merkmalspyramiden beschäftigen, kann die Architektur von YOLO eine wertvolle Referenz sein.
Bestehende Pipelines: Projekte, die bereits tief in das MMDetection-Framework integriert sind, könnten es einfacher finden, YOLO zu übernehmen, als das Framework zu wechseln.

Fazit

Beide Modelle stellen wichtige Meilensteine in der Computer Vision dar. YOLO hat 2022 die Leistungsfähigkeit von NAS und fortgeschrittener Merkmalsfusion demonstriert. Für moderne Anwendungen im Jahr 2024 und darüber hinaus, YOLOv10 ein noch überzeugenderes Paket. Seine NMS End-to-End-Architektur löst einen seit langem bestehenden Engpass bei der Objekterkennung, während seine Integration in das Ultralytics sicherstellt, dass es zugänglich, wartbar und einfach zu implementieren ist.

Für Entwickler, die ein optimales Gleichgewicht zwischen Geschwindigkeit, Genauigkeit und Benutzerfreundlichkeit suchen, ist YOLOv10dem vielseitigen YOLO11die beste Wahl für die Entwicklung robuster KI-Lösungen.