DAMO-YOLO im Vergleich zu YOLOv7
Die Forschung im Bereich Computervision hat effiziente Modelle zur Objekterkennung hervorgebracht, die Genauigkeit und Rechenaufwand in Einklang bringen sollen. Zwei bemerkenswerte Modelle, die 2022 eingeführt wurden, sind DAMO-YOLO und YOLOv7. Beide sind auf Echtzeit-Bildverarbeitungsaufgaben ausgelegt, erzielen ihre Ergebnisse jedoch mit sehr unterschiedlichen Architekturen und Trainingsverfahren.
Dieser technische Vergleich untersucht die unterschiedlichen Ansätze der beiden Modelle und betrachtet ihre Architekturen, ihr Bereitstellungspotenzial und ihre Leistungskennzahlen. So können sich Machine-Learning-Ingenieure für das passende Werkzeug für ihre jeweiligen Computervisionsanwendungen entscheiden.
Ursprung und Metadaten der Modelle#
Bevor wir die technischen Aspekte analysieren, folgt ein Überblick über den Hintergrund der beiden Modelle.
DAMO-YOLO#
DAMO-YOLO wurde von Forschenden der Alibaba Group entwickelt, um Geschwindigkeit und Genauigkeit mithilfe automatisierter 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
YOLOv7#
YOLOv7 wurde Mitte 2022 als damals führender Echtzeitdetektor veröffentlicht und brachte die Echtzeitinferenz mit trainierbaren „Bag-of-Freebies“-Verfahren weiter voran, ohne die Bereitstellungskosten zu erhöhen.
- Autoren: Chien-Yao Wang, Alexey Bochkovskiy und Hong-Yuan Mark Liao
- Organisation: Institut für Informationswissenschaft, Academia Sinica, Taiwan
- Datum: 6. Juli 2022
- arXiv: 2207.02696
- Dokumentation: YOLOv7-Dokumentation
Ultralytics veröffentlicht keine YOLOv7-Gewichte oder YAML-Dateien. Daher kann YOLOv7 nicht nativ mit dem Ultralytics-Paket trainiert werden. Im ursprünglichen Repository trainierte YOLOv7-Modelle können nach ONNX oder TensorRT exportiert und mit Ultralytics für die Inferenz ausgeführt werden.
Architektonische Innovationen#
DAMO-YOLO: NAS und Destillation#
DAMO-YOLO integriert mehrere auf Effizienz ausgerichtete Verfahren:
- NAS-Backbones: Das Modell nutzt neuronale Architektursuche (NAS), um effiziente Backbones (MAE-NAS) automatisch zu entwerfen, die auf Umgebungen mit strengen Latenzanforderungen zugeschnitten sind.
- Effizientes RepGFPN: Ein modifiziertes verallgemeinertes Merkmals-Pyramidennetzwerk, das die Effizienz der Merkmalsfusion über mehrere Skalen hinweg deutlich verbessert.
- ZeroHead und AlignedOTA: Umfasst einen schlanken Erkennungskopf und eine optimierte Labelzuweisungsstrategie (AlignedOTA), um den Rechenaufwand zu verringern.
- Verbesserung durch Destillation: Setzt beim Training stark auf Wissensdestillation, um die Leistung kleinerer Modellvarianten zu steigern, ohne ihre Parameterzahl zu erhöhen.
YOLOv7: E-ELAN und kostenlose Verbesserungen#
YOLOv7 verfolgte einen Ansatz des strukturellen Engineerings und konzentrierte sich auf die Optimierung von Gradientenpfaden und robuste Trainingsstrategien.
- E-ELAN-Architektur: Das erweiterte effiziente Schichtaggregationsnetzwerk ermöglicht dem Modell, vielfältigere Merkmale zu erlernen, indem die kürzesten und längsten Gradientenpfade kontrolliert werden. So wird ein effektiver Lernfortschritt sichergestellt.
- Modellskalierung: Führt eine zusammengesetzte Skalierungsmethode für Modelle ein, die auf Verkettung beruhen. Dabei werden Tiefe und Breite gleichzeitig skaliert, um die strukturelle Ausrichtung zu gewährleisten.
- Trainierbare kostenlose Verbesserungen: Nutzt Techniken wie reparametrisierte Faltungen (RepConv) ohne Identitätsverbindungen und dynamische Strategien zur Labelzuweisung. Dadurch wird die Genauigkeit während des Trainings erhöht, ohne die Inferenzgeschwindigkeit zu beeinträchtigen.
Leistungsanalyse#
Bei der Bewertung von mittlerer durchschnittlicher Präzision (mAP), Geschwindigkeit und Effizienz schneiden beide Modelle gut ab, zielen jedoch auf leicht unterschiedliche Einsatzbereiche. YOLOv7 konzentriert sich auf den Einsatz mit hoher Genauigkeit auf GPUs, während die aus NAS abgeleiteten Strukturen von DAMO-YOLO auf geringe Latenz bei knappen GPU-Ressourcen ausgelegt sind.
| Modell | Größe (Pixel) | mAPval50-95 | 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 |
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
Wie die Kennzahlen zeigen, bietet DAMO-YOLO leichtgewichtige Varianten (etwa das Tiny-Modell mit nur 8,5 Mio. Parametern), während YOLOv7 eine höhere maximale Gesamtgenauigkeit erzielt: YOLOv7x erreicht 53,1 mAP auf dem COCO-Datensatz.
Die Vorteile des Ultralytics-Ökosystems#
Auch wenn die theoretische Architektur wichtig ist, bestimmt das Ökosystem die Praxistauglichkeit eines Modells. Native Ultralytics-Modelle wie YOLO26 profitieren von einem gut gepflegten Ökosystem und einer hohen Benutzerfreundlichkeit.
- Ausgewogene Leistung: Ultralytics-Modelle bieten durchgängig einen guten Kompromiss zwischen Inferenzgeschwindigkeit und Erkennungsgenauigkeit und eignen sich damit sowohl für Edge-Geräte als auch für die cloudbasierte Modellbereitstellung.
- Speicherbedarf: Anders als umfangreichere Transformer-Modelle benötigen Ultralytics-YOLO-Modelle während des Trainings nur wenig CUDA-Speicher. Dadurch sind größere Batchgrößen möglich, was den Trainingsprozess selbst auf handelsüblicher Hardware effizienter macht.
- Vielseitigkeit: Das Ultralytics-Framework unterstützt neben der Objekterkennung auch Aufgaben wie Instanzsegmentierung und Posenschätzung und bietet Entwicklern damit ein umfassendes Werkzeugset für die Bildverarbeitung.
Mit dem Ultralytics-Paket gelangst du schnell vom Datensatz zu einem vollständig trainierten Modell – dank optimierter Datenlader und vortrainierter Gewichte.
Codebeispiel: YOLOv7 mit Ultralytics ausführen#
Nachdem du einen YOLOv7-ONNX-Export wie in den YOLOv7-Anwendungsbeispielen beschrieben konvertiert hast, kannst du ihn mit der Ultralytics-Python-API ausführen.
from ultralytics import YOLO
# Ein für Ultralytics konvertiertes YOLOv7-ONNX-Modell laden
model = YOLO("yolov7-ultralytics.onnx", task="detect")
# Inferenz ausführen
predictions = model.predict("https://ultralytics.com/images/bus.jpg", save=True)Der neue Standard: YOLO26#
YOLOv7 und DAMO-YOLO waren 2022 bedeutende Fortschritte, doch der Bereich der visuellen KI entwickelt sich rasant. Für Teams, die heute neue Projekte starten, empfiehlt sich Ultralytics YOLO26, das im Januar 2026 veröffentlicht wurde.
YOLO26 verbessert sowohl die Leistung als auch die Benutzerfreundlichkeit:
- End-to-End-Design ohne NMS: YOLO26 bietet einen nativen End-to-End-Kopf (
nms=False). Durch den Verzicht auf die Nachverarbeitung mit Non-Maximum Suppression (NMS) ermöglicht es eine schnellere Bereitstellungslogik mit weniger Aufwand – ein Ansatz, der erstmals mit YOLOv10 eingeführt wurde. - MuSGD-Optimierer: Inspiriert von Trainingstechniken für große Sprachmodelle, wie sie etwa bei Kimi K2 von Moonshot AI zum Einsatz kommen, nutzt YOLO26 eine Kombination aus SGD und Muon, die für stabile Trainingsverläufe und schnellere Konvergenz sorgt.
- Bis zu 43 % schnellere CPU-Inferenz: Durch den Wegfall von Distribution Focal Loss (DFL) und eine optimierte Architektur ist YOLO26 auf stromsparendes Edge-Computing ausgelegt. YOLO26n läuft auf der CPU bis zu 43 % schneller als YOLO11n.
- ProgLoss + STAL: Eine neue progressive Verlustfunktion und eine Zuweisung von Labels, die kleine Ziele berücksichtigt, sind gezielt auf die Erkennung kleiner Objekte ausgelegt und verbessern sie – eine wichtige Fähigkeit für Anwendungen mit Luftbildern, Robotik und Sicherheitsüberwachung.
- Aufgabenspezifische Verbesserungen: Neben der Standarderkennung bietet YOLO26 gezielte Verbesserungen für verschiedene Aufgaben, darunter Prototyping mit mehreren Skalen für die Segmentierung, RLE für die Posenschätzung und spezielle Winkelfunktionen für orientierte Begrenzungsrahmen (OBB).
Ideale Anwendungsfälle#
Die passende Architektur hängt von deiner Zielumgebung für die Bereitstellung und den Projektanforderungen ab.
Wann DAMO-YOLO die richtige Wahl ist:
- Du setzt das Modell auf dedizierter GPU-Hardware mit strengen Latenzvorgaben ein. Die kleinen, per NAS optimierten Varianten von DAMO-YOLO halten dabei die Parameterzahl niedrig.
- Du erforschst die Suche nach neuronalen Architekturen oder Wissensdestillation.
Wann YOLOv7 die richtige Wahl ist:
- Du hast ältere GPU-Pipelines, die bereits für ankerbasierte Inferenz mit hoher Genauigkeit optimiert sind.
- Du arbeitest in Umgebungen, in denen Genauigkeit in Echtzeit von größter Bedeutung ist, etwa bei Hochgeschwindigkeits-autonomen Fahrzeugen oder fortschrittlicher Robotik.
Wann du YOLO26 wählen solltest (empfohlen):
- Du entwickelst von Grund auf eine neue Computer-Vision-Anwendung und benötigst hohe Genauigkeit sowie schnelle Inferenz auf CPUs und Edge-Geräten.
- Du benötigst eine schnelle und unkomplizierte Bereitstellung (etwa den Export nach CoreML oder TensorRT), ohne dich mit Einschränkungen von NMS-Operatoren befassen zu müssen.
- Du möchtest die Möglichkeiten der Ultralytics Platform für Cloud-Training, Datensatzverwaltung und automatisierte Bereitstellung voll ausschöpfen.
Mit dem Ultralytics-Ökosystem können Entwickler den Entwicklungsaufwand deutlich verringern und zugleich in realen Anwendungen eine hohe Vorhersageleistung erzielen.
Kommentare
Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.