DAMO-YOLO vs. YOLOv7#

Die rasante Entwicklung des Bereichs Computer Vision hat hocheffiziente Modelle zur Objekterkennung hervorgebracht, die Präzision und Rechenaufwand ausgewogen berücksichtigen. Zwei bemerkenswerte Modelle, die 2022 vorgestellt wurden, sind DAMO-YOLO und YOLOv7. Beide zielen darauf ab, die Grenzen echtzeitfähiger Bildverarbeitungsaufgaben zu erweitern, erreichen ihre Ergebnisse jedoch durch grundlegend unterschiedliche Architekturparadigmen und Trainingsmethoden.

Dieser umfassende technische Vergleich untersucht die unterschiedlichen Ansätze beider Modelle und betrachtet ihre Architekturen, ihr Einsatzpotenzial und ihre Leistungskennzahlen, damit du als Machine-Learning-Ingenieur das passende Werkzeug für deine spezifischen Computer-Vision-Anwendungen auswählen kannst.

Ursprung und Metadaten der Modelle#

Bevor wir in die tiefgehende technische Analyse einsteigen, ist es wichtig, die Ursprünge dieser beiden Computer-Vision-Modelle einzuordnen.

DAMO-YOLO#

DAMO-YOLO wurde von Forschern der Alibaba Group entwickelt und eingeführt, um Geschwindigkeit und Genauigkeit durch automatisierte Architektursuche und Destillation zu optimieren.

• Autoren: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang und Xiuyu Sun
• Organisation: Alibaba Group
• Datum: 23. November 2022
• Arxiv: 2211.15444v2
• GitHub: tinyvision/DAMO-YOLO

Erfahre mehr über DAMO-YOLO

YOLOv7#

YOLOv7 wurde Mitte 2022 als Stand der Technik veröffentlicht und trieb die Echtzeitinferenz durch die Einführung trainierbarer „Bag-of-Freebies“ weiter voran, ohne die Einsatzkosten zu erhöhen.

• Autoren: Chien-Yao Wang, Alexey Bochkovskiy und Hong-Yuan Mark Liao
• Organisation: Institute of Information Science, Academia Sinica, Taiwan
• Datum: 6. Juli 2022
• Arxiv: 2207.02696
• Dokumentation: YOLOv7-Dokumentation

Erfahre mehr über YOLOv7

Architektonische Innovationen#

DAMO-YOLO: NAS und Destillation#

DAMO-YOLO integriert mehrere hochmoderne Techniken, die auf maximale Effizienz ausgerichtet sind:

• NAS-Backbones: Nutzt Neuronale Architektursuche (NAS), um automatisch optimale Backbones (MAE-NAS) für Umgebungen mit kritischer Latenz zu entwerfen.
• Efficient RepGFPN: Ein modifiziertes Generalized Feature Pyramid Network, das die Effizienz der Merkmalsfusion über mehrere Maßstäbe hinweg deutlich steigert.
• ZeroHead & AlignedOTA: Integriert einen leichtgewichtigen Erkennungskopf und eine optimierte Strategie zur Labelzuweisung (AlignedOTA), um den Rechenaufwand zu reduzieren.
• Verbesserung durch Destillation: Nutzt während des Trainings intensiv Wissensdestillation, um die Leistung kleinerer Modellvarianten zu steigern, ohne ihre Parameteranzahl zu erhöhen.

YOLOv7: E-ELAN und Bag-of-Freebies#

YOLOv7 verfolgt einen stärker strukturell orientierten Engineering-Ansatz mit Schwerpunkt auf der Optimierung von Gradientenpfaden und robusten Trainingsstrategien.

• E-ELAN-Architektur: Das Extended Efficient Layer Aggregation Network ermöglicht dem Modell, vielfältigere Merkmale zu lernen, indem es die kürzesten und längsten Gradientenpfade steuert und so eine effektive Konvergenz des Lernens sicherstellt.
• Modellskalierung: Führt eine zusammengesetzte Skalierungsmethode für Modelle auf Grundlage von Konkatenation ein, bei der Tiefe und Breite gleichzeitig skaliert werden, um die strukturelle Ausrichtung zu gewährleisten.
• Trainierbare Bag-of-Freebies: Setzt Techniken wie reparametrisierte Faltungen (RepConv) ohne Identitätsverbindungen und dynamische Strategien zur Labelzuweisung ein. Diese steigern die Genauigkeit während des Trainings, ohne die Inferenzgeschwindigkeit zu beeinträchtigen.

Leistungsanalyse#

Bei der Bewertung von mittlerer durchschnittlicher Präzision (mAP), Geschwindigkeit und Effizienz zeigen beide Modelle beeindruckende Kennzahlen, zielen jedoch auf leicht unterschiedliche Einsatzbereiche ab. YOLOv7 konzentriert sich stark auf hochgenaue GPU-Einsätze, während die aus NAS abgeleiteten Strukturen von DAMO-YOLO auf aggressive Niedriglatenz-Einsätze auf CPU und Edge-Geräten ausgelegt sind.

Wie die Kennzahlen zeigen, bietet DAMO-YOLO zwar extrem leichtgewichtige Varianten, etwa das Tiny-Modell mit nur 8,5 Millionen Parametern, YOLOv7 erreicht jedoch insgesamt eine höhere Genauigkeitsspitze: YOLOv7x erzielt beeindruckende 53,1 mAP auf dem COCO-Datensatz.

Der Ökosystemvorteil von Ultralytics#

Auch wenn die theoretische Architektur wichtig ist, wird die Praxistauglichkeit eines Modells von seinem Ökosystem bestimmt. Von Ultralytics unterstützte Modelle wie YOLOv7 profitieren von einem gut gepflegten Ökosystem und einer unvergleichlichen Benutzerfreundlichkeit.

• Ausgewogene Leistung: Ultralytics-Modelle erzielen durchgehend einen optimalen Kompromiss zwischen Inferenzgeschwindigkeit und Erkennungsgenauigkeit und eignen sich dadurch sowohl für Edge-Geräte als auch für die cloudbasierte Modellbereitstellung.
• Speicheranforderungen: Im Gegensatz zu größeren Transformer-basierten Modellen benötigen Ultralytics-YOLO-Modelle während des Trainings nur wenig CUDA-Speicher. Dadurch sind größere Batchgrößen möglich, was den Trainingsprozess auch auf Hardware für Endverbraucher vereinfacht.
• Vielseitigkeit: Das Ultralytics-Framework geht über die Objekterkennung hinaus und unterstützt Aufgaben wie Instanzsegmentierung und Posenschätzung. Damit steht Entwicklern ein vollständiges Computer-Vision-Werkzeugset zur Verfügung.

Codebeispiel: YOLOv7 mit Ultralytics trainieren#

Die Integration von YOLOv7 in deine Computer-Vision-Pipeline ist mit der Ultralytics Python API äußerst unkompliziert.

from ultralytics import YOLO

# Load a pre-trained YOLOv7 model
model = YOLO("yolov7.pt")

# Train the model on your custom dataset
results = model.train(data="coco8.yaml", epochs=50, imgsz=640)

# Run inference and validate results
metrics = model.val()
predictions = model.predict("https://ultralytics.com/images/bus.jpg", save=True)

Der neue Standard: YOLO26 vorgestellt#

YOLOv7 und DAMO-YOLO stellten 2022 zwar bedeutende Durchbrüche dar, doch der Bereich der visuellen KI entwickelt sich rasant. Für Teams, die heute neue Projekte starten, ist das hochmoderne Ultralytics YOLO26 die empfohlene Wahl; es wurde im Januar 2026 veröffentlicht.

YOLO26 bringt einen Technologiesprung bei Leistung und Benutzerfreundlichkeit und integriert modernste Innovationen:

• End-to-End-Design ohne NMS: YOLO26 arbeitet nativ end-to-end. Durch den Verzicht auf die Nachverarbeitung mit Nicht-Maximum-Unterdrückung (NMS) ermöglicht es eine schnellere und einfachere Bereitstellungslogik – ein Paradigmenwechsel, der ursprünglich von YOLOv10 vorangetrieben wurde.
• MuSGD-Optimierer: Inspiriert von Innovationen bei großen Sprachmodellen wie Kimi K2 von Moonshot AI nutzt YOLO26 eine Kombination aus SGD und Muon. Dieser Optimierer sorgt für eine äußerst stabile Trainingsdynamik und deutlich schnellere Konvergenz.
• Bis zu 43 % schnellere CPU-Inferenz: Durch die gezielte Entfernung von Verteilungs-Focal-Loss (DFL) und umfassende strukturelle Verbesserungen ist YOLO26 stark für Edge-Computing mit geringem Energieverbrauch optimiert und übertrifft frühere Generationen auf Hardware ohne GPU.
• ProgLoss + STAL: Integriert neue fortschrittliche Verlustfunktionen, die speziell auf die Erkennung kleiner Objekte abzielen und diese verbessern – eine wichtige Fähigkeit für Anwendungen in der Luftbildaufnahme, Robotik und Sicherheitsüberwachung.
• Aufgabenspezifische Verbesserungen: Über die standardmäßige Erkennung hinaus bietet YOLO26 maßgeschneiderte Verbesserungen für verschiedene Aufgaben, darunter Prototyping mit mehreren Maßstäben für die Segmentierung, RLE für die Posenschätzung und spezielle Winkelverluste für orientierte Begrenzungsrahmen (OBB).

Ideale Anwendungsfälle#

Die Wahl der richtigen Architektur hängt vollständig von deiner Zielumgebung für die Bereitstellung und den Einschränkungen deines Projekts ab.

Wann du DAMO-YOLO wählen solltest:

• Du arbeitest in stark eingeschränkten Edge-Umgebungen mit begrenzten Ressourcen, in denen die reine Parameteranzahl extrem niedrig bleiben muss, beispielsweise bei Mikrocontrollern.
• Du nutzt automatisierte Machine-Learning-Pipelines, die speziell in die proprietären Cloud-Dienste von Alibaba integriert sind.

Wann du YOLOv7 wählen solltest:

• Du verfügst bereits über ältere GPU-Pipelines, die für eine ankerbasierte Inferenz mit hoher Genauigkeit optimiert sind.
• Du arbeitest in Umgebungen, in denen Echtzeitgenauigkeit entscheidend ist, etwa bei schnellen autonomen Fahrzeugen oder fortschrittlicher Robotik.

Wann du YOLO26 wählen solltest (empfohlen):

• Du entwickelst eine neue Computer-Vision-Anwendung von Grund auf und benötigst sowohl bei der Präzision als auch bei der CPU-/Edge-Inferenzgeschwindigkeit den aktuellen Stand der Technik.
• Du benötigst eine schnelle, nahtlose Bereitstellung, beispielsweise durch den Export nach CoreML oder TensorRT, ohne dich mit Einschränkungen durch NMS-Operatoren befassen zu müssen.
• Du möchtest die vollständigen Funktionen der Ultralytics Platform für Cloud-Training, Datensatzverwaltung und automatisierte Bereitstellung nutzen.

Durch die Nutzung des robusten Ökosystems der Ultralytics-Modelle können Entwickler den Engineering-Aufwand drastisch reduzieren und gleichzeitig eine erstklassige Vorhersageleistung für ihre realen Anwendungen sicherstellen.