DAMO-YOLO vs. YOLOv9#

Die Landschaft der Objekterkennung in Echtzeit entwickelt sich in rasantem Tempo weiter. Während Entwicklungsteams und Forschende nach dem perfekten Gleichgewicht zwischen Genauigkeit, Inferenzgeschwindigkeit und Recheneffizienz streben, sind zwei bemerkenswerte Architekturen aus der Forschungsgemeinschaft hervorgegangen: DAMO-YOLO und YOLOv9. Beide Modelle führen bedeutende architektonische Neuerungen ein, um die Grenzen des Machbaren in der Computer Vision zu erweitern.

Dieser ausführliche technische Leitfaden bietet eine eingehende Analyse dieser beiden Modelle und vergleicht ihre einzigartigen architektonischen Ansätze, Trainingsmethoden und Möglichkeiten für den Einsatz in der Praxis. Außerdem untersuchen wir, welche entscheidende Rolle das umfassendere Softwareökosystem bei der modernen KI-Entwicklung spielt, und zeigen die Vorteile integrierter Plattformen wie der Ultralytics Platform sowie der neueren Modellgeneration wie YOLO26 auf.

Zusammenfassung: Die richtige Architektur auswählen#

Obwohl beide Modelle bedeutende Meilensteine in der Deep-Learning-Forschung darstellen, verfolgen sie leicht unterschiedliche Ansätze für den Einsatz.

DAMO-YOLO eignet sich besonders für Umgebungen, in denen eine umfangreiche neuronale Architektursuche (NAS) genutzt werden kann, um bestimmte Leistungsprofile gezielt zu erreichen. Dadurch ist es für maßgeschneiderte Anwendungen am Rand des Netzwerks interessant. YOLOv9 konzentriert sich dagegen stark auf die Lösung von Informationsengpässen im Deep Learning und erzielt eine außergewöhnlich hohe Parametereffizienz.

Für produktionsreife Anwendungen empfehlen Entwicklungsteams jedoch durchgängig, das einheitliche Ultralytics-Ökosystem zu nutzen. Für neue Projekte bietet das aktuelle YOLO26-Modell das Beste aus beiden Welten: modernste Genauigkeit kombiniert mit einem nativen End-to-End-Design, das komplexe Nachverarbeitung überflüssig macht.

Technische Spezifikationen und Urheberschaft#

Das Verständnis der Herkunft und des Entwicklungsschwerpunkts dieser Modelle liefert wichtigen Kontext für ihre jeweiligen Stärken.

DAMO-YOLO#

DAMO-YOLO wurde von Forschenden der Alibaba Group entwickelt und konzentriert sich stark auf die automatische Architekturerzeugung und eine effiziente Merkmalsfusion.

• Autoren: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang und Xiuyu Sun
• Organisation: Alibaba Group
• Veröffentlichungsdatum: 23. November 2022
• Arxiv-Artikel: Forschungsarbeit zu DAMO-YOLO
• Offizielles GitHub: Repository von tinyvision/DAMO-YOLO
• Dokumentation: DAMO-YOLO-README

Erfahre mehr über DAMO-YOLO

YOLOv9#

YOLOv9 wurde als Lösung für Informationsverluste in tiefen Faltungsnetzwerken eingeführt und verschiebt die theoretischen Grenzen der Gradientenerhaltung während des Trainings.

• Autoren: Chien-Yao Wang und Hong-Yuan Mark Liao
• Organisation: Institute of Information Science, Academia Sinica, Taiwan
• Veröffentlichungsdatum: 21. Februar 2024
• Arxiv-Artikel: Forschungsarbeit zu YOLOv9
• Offizielles GitHub: Repository von WongKinYiu/yolov9
• Dokumentation: Ultralytics-Dokumentation zu YOLOv9

Erfahre mehr über YOLOv9

Architektonische Innovationen#

DAMO-YOLO: Angetrieben durch neuronale Architektursuche#

DAMO-YOLO hebt sich durch stark angepasste, maschinell erzeugte Komponenten ab. Sein Rückgrat wird mithilfe neuronaler Architektursuche (NAS) erzeugt und gezielt auf Inferenz mit geringer Latenz auf unterschiedlicher Hardware ausgerichtet.

Die Architektur verfügt über ein effizientes RepGFPN (parametrisiertes generalisiertes Merkmals-Pyramiden-Netzwerk) zur Merkmalsfusion, das die Objekterkennung auf mehreren Maßstabsebenen verbessert, ohne den Rechenaufwand übermäßig zu erhöhen. Außerdem verwendet sie ein ZeroHead-Design zur Vereinfachung des Erkennungskopfes sowie AlignedOTA für die Zuweisung von Beschriftungen und kombiniert dies während des Trainings mit einem anspruchsvollen Verfahren zur Verbesserung der Wissensdestillation. Diese Techniken ermöglichen zwar eine schnelle Inferenz, doch der mehrstufige Destillationsprozess erfordert häufig viel VRAM und lange Trainingszeiten.

YOLOv9: Der Informationsengpass wird beseitigt#

YOLOv9 geht ein grundlegendes Problem tiefer Netzwerke an: den schrittweisen Verlust von Informationen aus den Eingabedaten, während diese aufeinanderfolgende Schichten durchlaufen.

Um dieses Problem zu bekämpfen, führten die Autoren programmierbare Gradienteninformationen (PGI) ein, ein zusätzliches Überwachungs-Framework, das wichtige Details für tiefe Schichten bewahren und äußerst zuverlässige Gradienten für Gewichtsaktualisierungen erzeugen soll. Ergänzt wird PGI durch die Architektur GELAN (generalisiertes effizientes Schichtenaggregationsnetzwerk). GELAN optimiert die Parametereffizienz, indem es die Stärken von CSPNet und ELAN kombiniert, den Informationsfluss maximiert und gleichzeitig die Gleitkommaoperationen (FLOPs) strikt minimiert.

Leistungsanalyse und Kennzahlen#

Bei der Leistungsbewertung zeigen beide Modelle eine hohe mittlere durchschnittliche Präzision (mAP) auf Standard-Benchmarks wie COCO. YOLOv9 erreicht bei vergleichbaren Modellgrößen eine höhere absolute Genauigkeit und nutzt seine PGI-Architektur, um eine hohe Detailtreue bei schwierigen Datensätzen zu bewahren.

Wie oben gezeigt, erzielt YOLOv9-E die höchste Genauigkeit, während die kleineren Varianten von DAMO-YOLO und YOLOv9 dank TensorRT-Optimierungen eine äußerst konkurrenzfähige Inferenzgeschwindigkeit beibehalten.

Trainingsmethoden und Ökosystem#

Auch wenn die reine Architektur wichtig ist, sind die Benutzerfreundlichkeit und die durch das Ökosystem bestimmte Trainingseffizienz für Anwendungen in der Praxis entscheidend.

Die Abhängigkeit von Wissensdestillation bei DAMO-YOLO erfordert häufig das Training eines aufwendigen „Lehrermodells“, bevor das Wissen auf das eigentliche „Schülermodell“ übertragen wird. Dieser traditionelle Forschungsansatz erhöht den Speicherbedarf und die Dauer der Trainingszyklen erheblich. Ebenso erfordert das ursprüngliche YOLOv9-Repository die Arbeit mit komplexen Konfigurationsdateien, was die agile Entwicklung verlangsamen kann.

Im Gegensatz dazu verändert die Integration von Modellen in die Ultralytics Platform die Entwicklererfahrung grundlegend. Das Ultralytics-Paket für Python kapselt wiederkehrenden Code und ermöglicht es Teams, Datenerweiterung, Hyperparameter-Optimierung und den Modellexport mühelos zu handhaben.

Praktische Anwendungen und Anwendungsfälle#

Unterschiedliche Architekturen eignen sich aufgrund ihres Ressourcenbedarfs und ihrer Genauigkeitsprofile naturgemäß besonders für bestimmte Branchen.

• DAMO-YOLO in Edge AI: Aufgrund seiner NAS-optimierten Backbones wird DAMO-YOLO häufig in eingebetteten Systemen untersucht, in denen eine modulspezifische Re-Parameterisierung eine strikte Notwendigkeit ist, wie etwa beim Einsatz kundenspezifischer ASICs in der einfachen Qualitätskontrolle in der Fertigung.
• YOLOv9 für Präzisionsanalysen: Dank seiner hohen Parametereffizienz und der durch PGI gesteuerten Gradientenerhaltung eignet sich YOLOv9 hervorragend für Szenarien mit dichter Objekterkennung, etwa zur Analyse von Luftbildern oder zur Verfolgung kleiner Objekte in belebten Einzelhandelsumgebungen.

Anwendungsfälle und Empfehlungen#

Die Wahl zwischen DAMO-YOLO und YOLOv9 hängt von deinen konkreten Projektanforderungen, Einsatzbeschränkungen und Präferenzen beim Ökosystem ab.

Wann du DAMO-YOLO wählen solltest#

DAMO-YOLO ist eine gute Wahl für:

• Videoanalyse mit hohem Durchsatz: Verarbeitung von Videostreams mit hoher Bildrate auf fest installierter NVIDIA-GPU-Infrastruktur, bei der der Durchsatz mit Batchgröße 1 die wichtigste Kennzahl ist.
• Industrielle Fertigungslinien: Szenarien mit strengen GPU-Latenzvorgaben auf dedizierter Hardware, beispielsweise die Qualitätsprüfung in Echtzeit an Montagelinien.
• Forschung zur neuronalen Architektursuche: Untersuchung der Auswirkungen automatisierter Architektursuche (MAE-NAS) und effizienter reparametrisierter Backbones auf die Erkennungsleistung.

Wann du YOLOv9 wählen solltest#

YOLOv9 wird empfohlen für:

• Forschung zu Informationsengpässen: Akademische Projekte zur Untersuchung der Architekturen für programmierbare Gradienteninformationen (PGI) und des generalisierten effizienten Netzwerks zur Layer-Aggregation (GELAN).
• Untersuchungen zur Optimierung des Gradientenflusses: Forschung mit Schwerpunkt auf dem Verständnis und der Verringerung von Informationsverlusten in tiefen Netzwerkschichten während des Trainings.
• Benchmarking hochgenauer Erkennung: Szenarien, in denen die starke COCO-Benchmarkleistung von YOLOv9 als Referenz für Architekturvergleiche benötigt wird.

Wann du Ultralytics (YOLO26) wählen solltest#

Für die meisten neuen Projekte bietet Ultralytics YOLO26 die beste Kombination aus Leistung und Entwicklerfreundlichkeit:

• Edge-Bereitstellungen ohne NMS: Anwendungen, die eine konsistente Inferenz mit geringer Latenz ohne die Komplexität der Nachverarbeitung zur Nichtmaximalunterdrückung erfordern.
• Umgebungen ausschließlich mit CPU: Geräte ohne dedizierte GPU-Beschleunigung, bei denen die bis zu 43 % schnellere CPU-Inferenz von YOLO26 einen entscheidenden Vorteil bietet.
• Erkennung kleiner Objekte: Anspruchsvolle Szenarien wie Luftaufnahmen mit Drohnen oder die Analyse von IoT-Sensoren, bei denen ProgLoss und STAL die Genauigkeit bei winzigen Objekten deutlich steigern.

Der Vorteil von Ultralytics: Der nächste Schritt zu YOLO26#

Für Nutzer, die ältere Architekturen vergleichen, bietet der Wechsel zum modernen Ultralytics-Ökosystem – insbesondere zu den aktuellen YOLO26-Modellen – einen beispiellosen Vorteil.

YOLO26 verändert die Landschaft für den Einsatz durch sein End-to-End-Design ohne NMS grundlegend. Durch den vollständigen Verzicht auf die Nachverarbeitung mit Nicht-Maximum-Unterdrückung (NMS) ermöglicht es schnellere und deutlich einfachere Einsatzarchitekturen. Zusammen mit dem Wegfall des Distribution Focal Loss (DFL) bietet YOLO26 eine bessere Kompatibilität mit Geräten am Rand des Netzwerks und Geräten mit geringem Energieverbrauch.

Darüber hinaus integriert YOLO26 den revolutionären MuSGD-Optimierer, eine Kombination aus stochastischem Gradientenabstieg und Muon-Optimierungen, die von Innovationen beim Training großer Sprachmodelle inspiriert ist. Dadurch wird eine äußerst stabile Konvergenz des Trainings bei bemerkenswert geringem Speicherverbrauch im Vergleich zu alternativen Architekturen mit hohem Transformer-Anteil erreicht.

from ultralytics import YOLO

# Load the latest NMS-free YOLO26 model
model = YOLO("yolo26n.pt")

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

# Export the trained model to ONNX format
model.export(format="onnx")

Ob du fortgeschrittene Instanzsegmentierung, äußerst genaue Posenschätzung oder die standardmäßige Erkennung von Begrenzungsrahmen benötigst – die Vielseitigkeit des Ultralytics-Frameworks sorgt dafür, dass dein Team weniger Zeit mit der Konfiguration von Deep-Learning-Umgebungen und mehr Zeit mit dem Einsatz robuster KI-Lösungen verbringt. Mit speziellen Verbesserungen für Aufgaben wie ProgLoss + STAL zur besseren Erkennung kleiner Objekte ist YOLO26 die erste Wahl für die nächste Generation von Bildverarbeitungsanwendungen.