DAMO-YOLO vs YOLOv7#

Die rasant rasante Entwicklung des Computerstis hat hocheffiziente object detection-Modelle hervorgebracht, die darauf ausgelegt sind, Präzision und Rechenaufwand in Einklang zu bringen. Zwei bemerkenswerte Modelle, die 2022 vorgestellt wurden, sind DAMO-YOLO und YOLOv7. Während beide darauf abzielen, die Grenzen von Echtzeit-Vision-Aufgaben zu verschieben, erreichen sie ihre Ergebnisse durch völlig unterschiedliche architektonische Paradigmen und Trainingsmethoden.

Dieser umfassende technische Vergleich untersucht die unterschiedlichen Ansätze beider Modelle, beleuchtet ihre Architekturen, ihr Bereitstellungspotenzial und ihre Leistungsmetriken, um Machine-Learning-Ingenieuren bei der Auswahl des richtigen Werkzeugs für ihre spezifischen computer vision applications zu helfen.

Modellursprung und Metadaten#

Bevor wir in die tiefgreifende technische Analyse eintauchen, ist es wichtig, die Ursprünge dieser beiden Computer-Vision-Modelle in den Kontext zu setzen.

DAMO-YOLO#

DAMO-YOLO wurde von Forschern der Alibaba Group entwickelt und eingeführt, um sowohl Geschwindigkeit als auch 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#

Mitte 2022 als State-of-the-Art veröffentlicht, trieb YOLOv7 die real-time inference durch die Einführung trainierbarer "Bag-of-Freebies" weiter voran, ohne die Bereitstellungskosten 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
• Docs: YOLOv7 Documentation

Erfahre mehr über YOLOv7

Architektonische Innovationen#

DAMO-YOLO: NAS und Destillation#

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

• NAS-Backbones: Nutzt Neural Architecture Search (NAS), um automatisch optimale Backbones (MAE-NAS) zu entwerfen, die auf latenzkritische Umgebungen zugeschnitten sind.
• Efficient RepGFPN: Ein modifiziertes Generalized Feature Pyramid Network, das die Effizienz der Merkmalsfusion über mehrere Skalen hinweg erheblich verbessert.
• ZeroHead & AlignedOTA: Integriert einen leichtgewichtigen Erkennungskopf und eine optimierte Strategie zur Label-Zuweisung (AlignedOTA), um den Rechenaufwand zu reduzieren.
• Destillationsverbesserung: Nutzt während des Trainings intensiv Wissensdestillation, um die Leistung kleinerer Modellvarianten zu steigern, ohne deren Parameteranzahl aufzublähen.

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

YOLOv7 verfolgte einen eher strukturellen technischen Ansatz, bei dem der Schwerpunkt auf der Optimierung der Gradientenpfade und robusten Trainingsstrategien lag.

• E-ELAN-Architektur: Das Extended Efficient Layer Aggregation Network ermöglicht es dem Modell, vielfältigere Merkmale zu lernen, indem es die kürzesten und längsten Gradientenpfade steuert und so eine effektive Lernkonvergenz sicherstellt.
• Modellskalierung: Führt eine zusammengesetzte Skalierungsmethode ein, die auf konkatenationsbasierte Modelle zugeschnitten ist und Tiefe sowie Breite gleichzeitig für die strukturelle Ausrichtung skaliert.
• Trainierbare Bag-of-Freebies: Nutzt Techniken wie reparameterisierte Faltungen (RepConv) ohne Identitätsverbindungen und dynamische Label-Zuweisungsstrategien, die die accuracy während des Trainings steigern, ohne die Inferenzgeschwindigkeit zu beeinträchtigen.

Leistungsanalyse#

Bei der Bewertung von mean Average Precision (mAP), Geschwindigkeit und Effizienz weisen beide Modelle beeindruckende Metriken auf, auch wenn sie auf etwas unterschiedliche Segmente abzielen. YOLOv7 konzentriert sich stark auf die GPU-Bereitstellung mit hoher Genauigkeit, während die aus NAS abgeleiteten Strukturen von DAMO-YOLO auf eine aggressive CPU- und Edge-Bereitstellung mit geringer Latenz abzielen.

Wie die Kennzahlen zeigen, bietet DAMO-YOLO extrem leichtgewichtige Varianten (wie das kleine Modell mit nur 8,5 Millionen Parametern), während YOLOv7 eine höhere Gesamtgenauigkeitsspitze erreicht, wobei YOLOv7x beeindruckende 53,1 mAP auf dem COCO-Datensatz erzielt.

Der Vorteil des Ultralytics-Ökosystems#

Während die theoretische Architektur wichtig ist, wird die Praktikabilität eines Modells von seinem Ökosystem bestimmt. Modelle, die von Ultralytics unterstützt werden, wie YOLOv7, profitieren von einem gut gepflegten Ökosystem und einer beispiellosen Benutzerfreundlichkeit.

• Leistungsbilanz: Ultralytics-Modelle erzielen durchweg einen optimalen Kompromiss zwischen Inferenzgeschwindigkeit und Erkennungsgenauigkeit, wodurch sie sich ideal sowohl für Edge-Geräte als auch für die Cloud-basierte model deployment eignen.
• Speicherbedarf: Im Gegensatz zu schwereren Transformer-basierten Modellen behalten Ultralytics YOLO-Modelle während des Trainings einen geringen CUDA-Speicherbedarf bei. Dies ermöglicht größere batch sizes und optimiert den Trainingsprozess selbst auf Consumer-Hardware.
• Vielseitigkeit: Das Ultralytics-Framework geht über die Objekterkennung hinaus und umfasst Aufgaben wie Instance Segmentation und Pose Estimation, wodurch Entwicklern ein vollständiges Toolkit für Computer Vision zur Verfügung steht.

Code-Beispiel: Training von YOLOv7 mit Ultralytics#

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

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: Vorstellung von YOLO26#

Während YOLOv7 und DAMO-YOLO im Jahr 2022 bedeutende Durchbrüche darstellten, entwickelt sich das Feld der Vision-KI rasant weiter. Für Teams, die heute neue Projekte starten, ist das empfohlene Modell das hochmoderne Ultralytics YOLO26, das im Januar 2026 veröffentlicht wurde.

YOLO26 bringt einen generationenübergreifenden Sprung in Leistung und Benutzerfreundlichkeit und integriert modernste Innovationen:

• End-to-End NMS-freies Design: YOLO26 ist nativ End-to-End. Durch den Verzicht auf die NMS-Nachbearbeitung (Non-Maximum Suppression) bietet es eine schnellere und einfachere Bereitstellungslogik – ein Paradigmenwechsel, der ursprünglich von YOLOv10 eingeführt wurde.
• MuSGD-Optimierer: Inspiriert von Innovationen bei großen Sprachmodellen wie Kimi K2 von Moonshot AI, verwendet YOLO26 eine Hybridlösung aus SGD und Muon. Dieser Optimierer sorgt für eine hochstabile Trainingsdynamik und deutlich schnellere Konvergenzraten.
• Bis zu 43 % schnellere CPU-Inferenz: Mit der gezielten Entfernung von Distribution Focal Loss (DFL) und tiefgreifenden strukturellen Verbesserungen ist YOLO26 stark für stromsparende Edge-Computing-Anwendungen optimiert und übertrifft frühere Generationen auf Nicht-GPU-Hardware.
• ProgLoss + STAL: Integriert fortschrittliche neue Verlustfunktionen, die gezielt die Erkennung kleiner Objekte verbessern – eine wesentliche Fähigkeit für Anwendungen in Luftbildaufnahmen, der Robotik und der security monitoring.
• Aufgabenspezifische Verbesserungen: Über die Standarderkennung hinaus bietet YOLO26 maßgeschneiderte Erweiterungen für diverse Aufgaben, darunter Multiskalen-Prototyping für die Segmentierung, RLE für die Pose-Schätzung und spezifische Winkelverluste für Oriented Bounding Boxes (OBB).

Erfahre mehr über YOLO26

Ideale Anwendungsfälle#

Die Wahl der richtigen Architektur hängt vollständig von deiner Ziel-Bereitstellungsumgebung und deinen Projektanforderungen ab.

Wann du dich für DAMO-YOLO entscheiden solltest:

• Du arbeitest in stark eingeschränkten, ressourcenarmen Edge-Umgebungen, in denen die reine Parameteranzahl extrem niedrig gehalten werden muss (z. B. Mikrocontroller).
• Du nutzt automatisierte Machine-Learning-Pipelines, die speziell in die proprietären Cloud-Dienste von Alibaba integriert sind.

Wann du dich für YOLOv7 entscheiden solltest:

• Du hast Legacy-GPU-Pipelines, die bereits auf anchor-basierte Inferenz mit hoher Genauigkeit optimiert sind.
• Du agierst in Umgebungen, in denen Echtzeitgenauigkeit von größter Bedeutung ist, wie zum Beispiel bei autonomous vehicles mit hoher Geschwindigkeit oder fortschrittlicher robotics.

Wann du dich für YOLO26 entscheiden solltest (Empfohlen):

• Du entwickelst eine neue computer vision-Anwendung von Grund auf und benötigst den absoluten Stand der Technik sowohl bei der Präzision als auch bei der CPU-/Edge-Inferenzgeschwindigkeit.
• Du benötigst eine schnelle und nahtlose Bereitstellung (wie das Exportieren nach CoreML oder TensorRT), ohne dich mit Einschränkungen von NMS-Operatoren auseinandersetzen zu müssen.
• Du möchtest die vollen Funktionen der Ultralytics Platform für das Cloud-Training, die Datensatzverwaltung und die automatisierte Bereitstellung nutzen.

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