YOLOv10 im Vergleich mit DAMO-YOLO#

Beim Aufbau moderner computer vision-Pipelines ist die Auswahl der richtigen Echtzeit-Objekterkennungsarchitektur von entscheidender Bedeutung. In dieser umfassenden technischen Analyse untersuchen wir die Architekturen, Leistungskennzahlen und idealen Anwendungsfälle für YOLOv10 und DAMO-YOLO. Beide Modelle stellen bedeutende Sprünge bei den Objekterkennungsfunktionen dar, verfolgen jedoch unterschiedliche architektonische Wege, um ihre Ziele zu erreichen.

Unabhängig davon, ob dein Projekt den Einsatz auf ressourcenbeschränkter edge AI-Hardware erfordert oder maximale Genauigkeit auf Cloud-GPUs verlangt – das Verständnis der Nuancen dieser Architekturen hilft dir, eine fundierte Entscheidung zu treffen.

Erkundung von YOLOv10#

YOLOv10 wurde von Forschern der Tsinghua University entwickelt und hat die YOLO-Familie revolutioniert, indem es einen nativen End-to-End-Ansatz einführt, der die Notwendigkeit einer Unterdrückung nicht maximaler Überlappungen (NMS) während der Nachbearbeitung effektiv überflüssig macht.

YOLOv10 Details:

• Autoren: Ao Wang, Hui Chen, Lihao Liu u. a.
• Organisation: Tsinghua University
• Datum: 23.05.2024
• Arxiv: https://arxiv.org/abs/2405.14458
• GitHub: https://github.com/THU-MIG/yolov10
• Docs: https://docs.ultralytics.com/models/yolov10/

Wichtige architektonische Merkmale#

Die Hauptinnovation von YOLOv10 ist seine Consistent Dual Assignments-Strategie für ein NMS-freies Training. Herkömmliche Objekterkenner stützen sich stark auf NMS, um sich überlappende Begrenzungsrahmen zu filtern, was eine unvorhersehbare Latenz mit sich bringt – einen erheblichen Engpass für Echtzeitanwendungen wie autonomous vehicles und Hochgeschwindigkeitsrobotik. Indem YOLOv10 direkt einen einzigen optimalen Begrenzungsrahmen pro Objekt vorhersagt, erzielt es eine vorhersehbare, extrem niedrige Inferenzlatenz.

Darüber hinaus verwendet das Modell ein Holistic Efficiency-Accuracy Driven Design. Die Architektur optimiert verschiedene Komponenten, darunter einen leichten Klassifizierungskopf und eine räumlich-kanal-entkoppelte Downsampling-Funktion, was Rechenredundanzen erheblich reduziert. Dies führt zu einer Architektur, die eine geringere Parameteranzahl und weniger FLOPs aufweist und gleichzeitig eine wettbewerbsfähige mean Average Precision (mAP) beibehält.

Erfahre mehr über YOLOv10

Anwendungsbeispiel#

YOLOv10 ist tief in das Ultralytics-Ökosystem integriert, was die Verwendung über das Ultralytics Python package unglaublich einfach macht.

from ultralytics import YOLO

# Load a pre-trained YOLOv10 nano model
model = YOLO("yolov10n.pt")

# Train the model on the COCO8 dataset
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Run inference on a test image
results = model("https://ultralytics.com/images/bus.jpg")

# Export the model to TensorRT format
model.export(format="engine", quantize=16)

Erkundung von DAMO-YOLO#

DAMO-YOLO wurde von der Alibaba Group entwickelt und konzentriert sich darauf, durch automatisiertes Neural Architecture Search (NAS) hocheffiziente Netzwerkstrukturen zu entdecken, mit dem Ziel, die Pareto-Grenze von Geschwindigkeit und Genauigkeit zu verschieben.

Details zu DAMO-YOLO:

• Autoren: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang und Xiuyu Sun
• Organisation: Alibaba Group
• Datum: 23.11.2022
• Arxiv: https://arxiv.org/abs/2211.15444v2
• GitHub: https://github.com/tinyvision/DAMO-YOLO

Wichtige architektonische Merkmale#

DAMO-YOLO führt mehrere neuartige Technologien ein, die auf industrielle Anwendungen zugeschnitten sind. Das Fundament des Modells ist sein MAE-NAS Backbone, das durch eine evolutionäre Multi-Objective-Suche generiert wurde. Dieser automatisierte Prozess entdeckt Backbone-Strukturen, die strikt vordefinierte Rechenbudgets einhalten und ein feines Gleichgewicht zwischen Genauigkeit und Inference-Latenz herstellen.

Zusätzlich nutzt die Architektur einen Efficient RepGFPN-Hals. Dieses Feature-Pyramiden-Netzwerk wurde entwickelt, um die Merkmalsfusion über verschiedene Skalierungen hinweg zu verbessern, was für komplexe Aufgaben wie die aerial imagery analysis, bei der Objekte stark in der Größe variieren, von entscheidender Bedeutung ist. Ergänzend dazu implementiert DAMO-YOLO einen ZeroHead, einen minimalistischen Erkennungskopf, der die Komplexität der finalen Vorhersageschichten drastisch reduziert und wertvolle Rechenzeit während der Inferenz einspart.

Erfahre mehr über DAMO-YOLO

Leistungsvergleich#

Bei der Bewertung von Objekterkennungsarchitekturen ist es entscheidend, den richtigen Kompromiss zwischen Inference-Geschwindigkeit, Parametereffizienz und Erkennungsgenauigkeit zu finden. Die untenstehende Tabelle vergleicht die Leistung von YOLOv10 und DAMO-YOLO über ihre jeweiligen Modellgrößen hinweg.

Wie in den Benchmarks zu sehen ist, liefert YOLOv10 auf TensorRT konstant außergewöhnliche Latenzprofile, insbesondere in der Nano-Variante, und benötigt dabei deutlich weniger Parameter und FLOPs als die vergleichbaren Modelle von DAMO-YOLO. Während DAMO-YOLO in seiner Tiny-Variante eine starke mAP bietet, verschaffen die Parametereffizienz und die Inference-Latenz der YOLOv10-Familie einen klaren Vorteil für eingeschränkte Bereitstellungsumgebungen.

Anwendungsfälle und Empfehlungen#

Die Wahl zwischen YOLOv10 und DAMO-YOLO hängt von deinen spezifischen Projektanforderungen, Bereitstellungseinschränkungen und Ökosystempräferenzen ab.

Wann du dich für YOLOv10 entscheiden solltest#

YOLOv10 ist eine starke Wahl für:

• NMS-freie Echtzeiterkennung: Anwendungen, die von einer End-to-End-Erkennung ohne Non-Maximum Suppression profitieren, was die Komplexität der Bereitstellung reduziert.
• Ausgewogene Speed-Accuracy-Tradeoffs: Projekte, die eine gute Balance zwischen Inferenzgeschwindigkeit und Erkennungsgenauigkeit über verschiedene Modellgrößen hinweg erfordern.
• Anwendungen mit konstanter Latenz: Bereitstellungsszenarien, in denen vorhersehbare Inferenzzeiten entscheidend sind, wie zum Beispiel in der Robotik oder bei autonomen Systemen.

Wann du dich für DAMO-YOLO entscheiden solltest#

DAMO-YOLO wird empfohlen für:

• Hochdurchsatz-Videoanalytik: Verarbeitung von Video-Streams mit hoher FPS auf fester NVIDIA-GPU-Infrastruktur, bei der der Durchsatz bei Batch-Größe 1 die primäre Metrik ist.
• Industrielle Fertigungslinien: Szenarien mit strengen GPU-Latenzbeschränkungen auf dedizierter Hardware, wie z. B. Qualitätsprüfung in Echtzeit an Montagelinien.
• Forschung zur Neural Architecture Search: Untersuchung der Auswirkungen von automatisierter Architektursuche (MAE-NAS) und effizienten, reparametrisierten Backbones auf die Erkennungsleistung.

Wann du Ultralytics wählen solltest (YOLO26)#

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

• NMS-freies Edge-Deployment: Anwendungen, die eine konsistente Inferenz mit niedriger Latenz ohne die Komplexität der Non-Maximum Suppression-Nachverarbeitung erfordern.
• Umgebungen nur 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 von Drohnen oder IoT-Sensoranalysen, bei denen ProgLoss und STAL die Genauigkeit bei winzigen Objekten deutlich erhöhen.

Der Ultralytics-Vorteil#

Obwohl beide Modelle technisch beeindruckend sind, erfordert die Auswahl einer Architektur für die Produktion den Blick über reine Metriken hinaus. Das Entwickeln mit Modellen, die nativ vom Ultralytics ecosystem unterstützt werden, bietet Entwicklern und Forschern gleichermaßen unübertroffene Vorteile.

Benutzerfreundlichkeit und gut gepflegtes Ökosystem#

Im Gegensatz zu eigenständigen akademischen Repositories, die oft aufgegeben werden, bietet Ultralytics ein robustes, aktiv gewartetes Ökosystem. Das Einrichten komplexer Umgebungen für Modelle, die stark auf NAS-Pipelines angewiesen sind, kann einschüchternd wirken. Im Gegensatz dazu bietet Ultralytics eine standardisierte, intuitive Python API und eine leistungsstarke CLI, unterstützt durch eine umfangreiche documentation. Dies verkürzt die Time-to-Market für kundenspezifische Vision-Lösungen radikal.

Trainingseffizienz und Speicheranforderungen#

Das Training großer Modelle kann schnell rechenintensiv werden. Die Ultralytics YOLO-Architekturen sind historisch bekannt für ihren geringen CUDA-Speicherbedarf während des Trainings und der Inferenz. Diese Effizienz ermöglicht es Entwicklern, Modelle auf Consumer-Hardware oder kostengünstigen Cloud-Instanzen zu trainieren, ohne auf Out-of-Memory-Fehler zu stoßen, die bei der Arbeit mit Transformer-basierten Modellen wie RT-DETR häufig auftreten.

Vielseitigkeit bei Aufgaben#

Eine erhebliche Einschränkung vieler spezialisierter Erkennungsmodelle ist ihr enger Fokus. Innerhalb des Ultralytics-Ökosystems bist du nicht nur auf die Objekterkennung beschränkt. Die Tools lassen sich nahtlos auf mehrere computer vision tasks ausdehnen, einschließlich instance segmentation, image classification, pose estimation und oriented bounding box (OBB) detection.

Ein Blick voraus: Die YOLO26-Evolution#

Während YOLOv10 die NMS-freie Inferenz einläutete und DAMO-YOLO die Stärke von NAS demonstrierte, entwickelt sich der Bereich der Computer Vision rasant weiter. Für Entwickler, die nach der ultimativen State-of-the-Art-Lösung suchen, empfehlen wir einen Blick auf Ultralytics YOLO26.

Als definitiver Nachfolger von YOLO11 veröffentlicht, baut YOLO26 auf dem von YOLOv10 geschaffenen NMS-freien Fundament auf, treibt dieses jedoch erheblich weiter voran.

Wichtige Fortschritte bei YOLO26 umfassen:

• Bis zu 43 % schnellere CPU-Inference: Speziell optimiert für Edge-Computing und stromsparende Geräte.
• DFL-Entfernung: Distribution Focal Loss wurde entfernt, was einfachere Exporte und verbesserte Kompatibilität mit verschiedenen Bereitstellungszielen sicherstellt.
• MuSGD-Optimizer: Ein Hybrid aus SGD und Muon, der fortschrittliche Stabilität beim LLM-Training und schnellere Konvergenz direkt in die Computer Vision bringt.
• ProgLoss + STAL: Drastisch verbesserte Verlustfunktionen, die nennenswerte Verbesserungen bei der Erkennung kleiner Objekte bieten, was für Anwendungsfälle wie agriculture und Fernerkundung unerlässlich ist.

Durch die Nutzung der neu überarbeiteten Ultralytics Platform können Entwickler Modelle der nächsten Generation wie YOLO26 in nur wenigen Klicks nahtlos annotieren, trainieren und bereitstellen, wodurch sichergestellt wird, dass deine Computer-Vision-Pipeline sowohl hochmodern als auch zukunftssicher ist.