YOLOv5 vs. DAMO-YOLO#

Die Landschaft der Echtzeit-Computer Vision entwickelt sich kontinuierlich weiter, während Forschende und Ingenieure nach dem perfekten Gleichgewicht zwischen Genauigkeit, Geschwindigkeit und Benutzerfreundlichkeit streben. Zwei herausragende Modelle, die diese Entwicklung geprägt haben, sind Ultralytics YOLOv5 und DAMO-YOLO von Alibaba.

Dieser Leitfaden bietet eine ausführliche technische Analyse ihrer Architekturen, Leistungskennzahlen und Trainingsmethoden, damit du das richtige Modell für deinen nächsten Einsatz auswählen kannst.

Hintergrund der Modelle#

Bevor wir uns mit den technischen Feinheiten befassen, ist es wichtig, die Ursprünge und grundlegenden Designphilosophien hinter diesen einflussreichen Bildverarbeitungsmodellen zu verstehen.

Ultralytics YOLOv5#

YOLOv5 wurde von Glenn Jocher und dem Team von Ultralytics entwickelt und ist seit seiner Veröffentlichung zu einem Industriestandard geworden. Es basiert nativ auf dem PyTorch-Framework und legte von Anfang an den Schwerpunkt auf eine optimierte Entwicklererfahrung sowie robuste Möglichkeiten für den Einsatz.

• Autor: Glenn Jocher
• Organisation: Ultralytics
• Datum: 2020-06-26
• GitHub: https://github.com/ultralytics/yolov5
• Dokumentation: Ultralytics-YOLOv5-Dokumentation

DAMO-YOLO#

DAMO-YOLO wurde von Forschenden der Alibaba Group entwickelt und konzentriert sich stark auf die neuronale Architektursuche (NAS) sowie fortschrittliche Destillationsverfahren. Das Modell erweitert die theoretischen Grenzen hardwarespezifischer Leistung und richtet sich besonders an Forschungs- und Edge-Umgebungen, die eine extreme Feinabstimmung erfordern.

• Autoren: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang und Xiuyu Sun
• Organisation: Alibaba Group
• Datum: 2022-11-23
• Arxiv: https://arxiv.org/abs/2211.15444v2
• GitHub: https://github.com/tinyvision/DAMO-YOLO

Erfahre mehr über DAMO-YOLO

Architektonische Innovationen#

Beide Modelle nutzen einzigartige Strukturkonzepte, um ihre Echtzeitleistung zu erreichen, doch ihre Ansätze unterscheiden sich deutlich.

YOLOv5: Stabilität und Vielseitigkeit#

YOLOv5 verwendet ein modifiziertes CSP-Backbone (partielles Cross-Stage-Backbone) in Kombination mit einem PANet-Hals (Pfadaggregationsnetzwerk). Diese Struktur ist äußerst effizient und minimiert den CUDA-Speicherverbrauch sowohl beim Training als auch bei der Inferenz.

Eine der größten Stärken von YOLOv5 ist seine Vielseitigkeit bei verschiedenen Aufgaben. Neben der Vorhersage von Bounding Boxes bietet es spezielle Architekturen für die Bildsegmentierung und Bildklassifizierung, sodass Entwickler ihre Bildverarbeitungspipelines auf einheitliche Weise um ein einziges, konsistentes Framework herum standardisieren können.

DAMO-YOLO: Automatisierte Architektursuche#

Die Kerninnovation von DAMO-YOLO ist das MAE-NAS Backbone. Mithilfe einer durch maximale Entropie gesteuerten Suche hat das Alibaba-Team Backbones entdeckt, die Erkennungsgenauigkeit und Inferenzgeschwindigkeit dynamisch ausgleichen.

Zusätzlich verfügt das Modell über den Efficient-RepGFPN-Hals für eine verbesserte Merkmalsfusion – besonders vorteilhaft bei komplexen Größenvariationen, wie sie häufig bei der Analyse von Satellitenbildern auftreten. Das ZeroHead-Design vereinfacht die abschließenden Vorhersageschichten, um die Latenz zu reduzieren. Diese komplexe Strukturerzeugung kann die Architektur jedoch starr und schwieriger für benutzerdefinierte Anwendungen anpassbar machen.

Leistung und Metriken#

Die Bewertung von Echtzeit-Objektdetektoren erfordert die Betrachtung einer Kombination aus mAP (mittlere durchschnittliche Präzision), Inferenzgeschwindigkeit und Modellgröße.

DAMO-YOLO erzielt bei bestimmten Parameterzahlen äußerst konkurrenzfähige mAP-Werte, während YOLOv5 bei seinen Nano- und Small-Konfigurationen konstant herausragende TensorRT-Geschwindigkeiten und eine äußerst geringe Parameterzahl zeigt. Dieses ausgewogene Leistungsverhältnis sorgt dafür, dass YOLOv5 in verschiedensten Edge-Einsatzszenarien effizient arbeitet.

Trainingseffizienz und Ökosystem#

Die theoretische Genauigkeit eines Modells ist nur so gut wie seine praktische Umsetzbarkeit. Genau hier unterscheiden sich die Modelle erheblich.

Die Komplexität der Destillation#

DAMO-YOLO stützt sich stark auf eine mehrstufige Trainingsmethodik. Es kombiniert die AlignedOTA-Labelzuweisung mit einer Teacher-Student-Wissensdestillationstechnik. Während dies die maximale Leistung aus dem Studentenmodell herausholt, erfordert es zunächst das Training eines massiven Teachermodells. Dies erhöht die Rechenzeit, die Energiekosten und die erforderliche Hardware drastisch, was einen Engpass für agile ML-Teams darstellt.

Der Vorteil von Ultralytics: Benutzerfreundlichkeit#

Demgegenüber ist das Ultralytics-Ökosystem für seine intuitiven APIs und seine Trainingseffizienz weltweit bekannt. Dank aktiver Weiterentwicklung und einer enormen Open-Source-Community können Entwickler Modelle nahtlos trainieren, validieren und einsetzen.

from ultralytics import YOLO

# Load a pretrained YOLOv5 model
model = YOLO("yolov5s.pt")

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

# Export to ONNX format for deployment
model.export(format="onnx")

Ultralytics bietet außerdem integrierte Unterstützung für die Experimentverfolgung über Tools wie Weights & Biases und Comet ML und ermöglicht dadurch einen reibungslosen Arbeitsablauf.

Praxisnahe Anwendungsfälle#

• YOLOv5 überzeugt in schnelllebigen Produktionsumgebungen. Dank seines unkomplizierten Exports ist es die erste Wahl für die Analyse im intelligenten Einzelhandel, die Fehlererkennung in der Hochgeschwindigkeitsfertigung und die Integration in mobile Anwendungen über CoreML.
• DAMO-YOLO eignet sich besonders für strenge akademische Benchmarks und Szenarien, in denen umfangreiche Rechenressourcen für lange, destillierte Trainingsläufe zur Verfügung stehen, um für bestimmte, festgelegte Hardwareziele noch kleinste mAP-Verbesserungen herauszuholen.

Anwendungsfälle und Empfehlungen#

Die Entscheidung zwischen YOLOv5 und DAMO-YOLO hängt von deinen spezifischen Projektanforderungen, Einsatzbeschränkungen und Präferenzen hinsichtlich des Ökosystems ab.

Wann du YOLOv5 wählen solltest#

YOLOv5 ist eine gute Wahl für:

• Bewährte Produktionssysteme: Bestehende Bereitstellungen, bei denen die langjährige Stabilität, die umfangreiche Dokumentation und die große Unterstützung durch die Community von YOLOv5 geschätzt werden.
• Training mit begrenzten Ressourcen: Umgebungen mit begrenzten GPU-Ressourcen, in denen die effiziente Trainingspipeline und der geringere Speicherbedarf von YOLOv5 von Vorteil sind.
• Umfangreiche Unterstützung für Exportformate: Projekte, die eine Bereitstellung in vielen Formaten erfordern, darunter ONNX, TensorRT, CoreML und TFLite.

Wann du DAMO-YOLO wählen solltest#

DAMO-YOLO wird empfohlen 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 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.

Die nächste Entwicklungsstufe: YOLO26#

Wenn du ein neues Projekt startest, solltest du unbedingt die Zukunft berücksichtigen. Ultralytics YOLO26 baut auf dem beeindruckenden Fundament von YOLOv5 auf und integriert bahnbrechende Weiterentwicklungen, die den Stand der Technik im Bereich der Bildverarbeitungs-KI neu definieren.

Zu den wichtigsten Innovationen in YOLO26 gehören:

• MuSGD-Optimierer: Diese von Innovationen beim Training von LLMs inspirierte Kombination aus SGD und Muon sorgt für äußerst stabiles Training und eine schnelle Konvergenz.
• Bis zu 43 % schnellere CPU-Inferenz: Stark für Edge Computing optimiert und daher ideal für IoT-Geräte, die ohne dedizierte GPUs betrieben werden.
• ProgLoss + STAL: Fortschrittliche Verlustfunktionen, die die Erkennung kleiner Objekte deutlich verbessern – ein entscheidender Vorteil für Aufnahmen von Drohnen aus der Luft und die Robotik.
• Aufgabenspezifische Verbesserungen: Von einem spezialisierten Winkelfehler für orientierte Bounding Boxes (OBB) bis zur Schätzung der logarithmischen Residuen-Wahrscheinlichkeit (RLE) für eine präzise Posenschätzung bewältigt YOLO26 komplexe Anwendungsbereiche mühelos.

Fazit#

YOLOv5 und DAMO-YOLO haben sich beide einen festen Platz in der Geschichte der Objekterkennung gesichert. DAMO-YOLO bleibt ein faszinierendes Beispiel für neuronale Architektursuche und Destillation. Für Organisationen, die ein gut gepflegtes Ökosystem, Benutzerfreundlichkeit und einen schnellen Weg in die Produktion priorisieren, bleiben die Modelle von Ultralytics jedoch unübertroffen.

Wir empfehlen dringend, die Ultralytics Platform zu nutzen, um die nächste Modellgeneration wie YOLO26 zu annotieren, zu trainieren und bereitzustellen. So stellst du sicher, dass deine Bildverarbeitungspipeline zukunftssicher, schnell und bemerkenswert genau ist.

Weiterführende Informationen#

• Entdecke den transformer-basierten RT-DETR für Anwendungen mit hoher Genauigkeit.
• Erfahre mehr über das Modell der vorherigen Generation, YOLO11.
• Entdecke, wie du Bereitstellungen mit OpenVINO optimierst.