YOLOv7 vs. DAMO-YOLO#

Die Landschaft der Echtzeit-Objekterkennung entwickelt sich kontinuierlich weiter, während Forschende und Ingenieure nach dem optimalen Gleichgewicht zwischen Geschwindigkeit und Genauigkeit suchen. In diesem technischen Vergleich werfen wir einen detaillierten Blick auf zwei bemerkenswerte Architekturen aus dem Jahr 2022: YOLOv7 und DAMO-YOLO. Beide Modelle führten neuartige Konzepte in die Computer-Vision-Community ein und adressierten unterschiedliche Herausforderungen beim Modelltraining, beim Architekturdesign und bei der Bereitstellung.

Hintergrund und technische Details der Modelle#

Bevor wir uns mit ihren Architekturen befassen, ist es wichtig, die Ursprünge dieser beiden Modelle zu verstehen. Beide wurden von führenden Forschungsgruppen entwickelt und führten fortschrittliche Methoden ein, um die Grenzen der Echtzeit-Objekterkennung zu erweitern.

Details zu YOLOv7#

YOLOv7 wurde als Weiterentwicklung der YOLO-Familie entwickelt und führte das Konzept trainierbarer „bag-of-freebies“ ein, um die Genauigkeit deutlich zu steigern, ohne die Inferenzkosten zu erhöhen.

• Autoren: Chien-Yao Wang, Alexey Bochkovskiy und Hong-Yuan Mark Liao
• Organisation: Institute of Information Science, Academia Sinica, Taiwan
• Datum: 2022-07-06
• ArXiv: https://arxiv.org/abs/2207.02696
• GitHub: https://github.com/WongKinYiu/yolov7
• Dokumentation: https://docs.ultralytics.com/models/yolov7

Erfahre mehr über YOLOv7

Details zu DAMO-YOLO#

DAMO-YOLO wurde von Forschenden der Alibaba Group entwickelt und konzentrierte sich stark auf die Suche nach neuronalen Architekturen (NAS) sowie auf fortschrittliche Wissensdestillation, um hocheffiziente Modelle für unterschiedliche Hardware zu erstellen.

• 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#

YOLOv7: Analyse der Gradientenpfade und Reparametrisierung#

YOLOv7 konzentriert sich stark auf erweiterte Netzwerke zur Aggregation effizienter Schichten (E-ELAN). Die Autoren entwickelten E-ELAN durch die Analyse der Gradientenpfade des Netzwerks und stellten so sicher, dass das Netzwerk kontinuierlich lernen kann, ohne den ursprünglichen Gradientenpfad zu beeinträchtigen. Darüber hinaus nutzt YOLOv7 die Reparametrisierung des Modells während der Inferenz effektiv und führt Schichten nahtlos zusammen, um FLOPs zu reduzieren und die Ausführungszeiten zu verkürzen. Dadurch eignet es sich hervorragend für Echtzeitinferenz auf modernen GPUs.

DAMO-YOLO: Suche nach neuronalen Architekturen und RepGFPN#

DAMO-YOLO unterscheidet sich dadurch, dass das Modell Neural Architecture Search (NAS) unter Latenzbeschränkungen stark nutzt. Es verwendet ein Framework namens MAE-NAS, um optimale Backbone-Netzwerke zu ermitteln, die auf bestimmte Hardware wie Mobilgeräte oder spezielle Edge-Beschleuniger zugeschnitten sind. Für den Halsbereich führt es ein effizientes RepGFPN (Re-parameterized Generalized Feature Pyramid Network) ein und setzt ein ZeroHead-Design ein, um die Rechenlast in den Vorhersageköpfen zu minimieren.

Vergleich von Leistung und Metriken#

Beim Vergleich dieser Modelle ist es entscheidend, die mittlere durchschnittliche Präzision (mAP), die Inferenzgeschwindigkeit und die Modellkomplexität zu betrachten.

Die obige Tabelle zeigt, dass YOLOv7 gut auf Bereiche mit hohen Genauigkeitsanforderungen skaliert (YOLOv7x), während DAMO-YOLO hochoptimierte kleine Modelle für Umgebungen mit begrenzten Ressourcen bereitstellt.

Trainingseffizienz und Speicheranforderungen#

Ein wesentlicher Unterschied zwischen den beiden Architekturen liegt in ihren Trainingsmethoden. Die Abhängigkeit von DAMO-YOLO von der Destillation bedeutet, dass das Training eines neuen Modells von Grund auf oder die Feinabstimmung auf einem benutzerdefinierten Computer-Vision-Datensatz häufig deutlich mehr VRAM und GPU-Rechenzeit erfordert.

Im Gegensatz dazu sind in das Ultralytics-Ökosystem integrierte Modelle wie YOLOv7 und spätere Versionen stark auf Speicheranforderungen optimiert. Dadurch kannst du auf handelsüblicher Hardware größere Batchgrößen verwenden, ohne Fehler durch unzureichenden Speicher zu erhalten. Das vereinfacht die Versuchsprotokollierung und den Iterationsprozess.

Der Vorteil von Ultralytics#

Obwohl sowohl YOLOv7 als auch DAMO-YOLO überzeugende Funktionen bieten, ermöglicht die Bereitstellung von Modellen innerhalb des Ultralytics-Ökosystems eine unvergleichliche Entwicklererfahrung.

• Benutzerfreundlichkeit: Das Ultralytics-Python-Paket bietet eine einheitliche, einfache API. Du kannst schnell zwischen Modellarchitekturen wechseln, Trainingsschleifen starten oder mit wenigen Codezeilen eine Inferenz ausführen.
• Gut gepflegtes Ökosystem: Ultralytics stellt regelmäßig Aktualisierungen bereit und gewährleistet dadurch native Kompatibilität mit den neuesten PyTorch-Versionen und CUDA-Treibern. Außerdem wird der Export von Modellen in Formate wie ONNX, TensorRT und OpenVINO vereinfacht.
• Vielseitigkeit: Im Gegensatz zu DAMO-YOLO, das ausschließlich der Objekterkennung dient, unterstützt das Ultralytics-Ökosystem nativ verschiedene Aufgaben. Modelle aus der Ultralytics-Familie können standardmäßige Bounding-Box-Erkennung, Posenschätzung, Instanzsegmentierung und orientierte Bounding-Boxen (OBB) durchführen.

Codebeispiel: Schnell loslegen#

So einfach kannst du Ultralytics-Modelle laden, trainieren und für die Inferenz verwenden:

from ultralytics import YOLO

# Load a pre-trained YOLOv7 model (or newer models like yolo26n.pt)
model = YOLO("yolov7.pt")

# Train the model on the COCO8 dataset with automated hyperparameter handling
results = model.train(data="coco8.yaml", epochs=50, imgsz=640)

# Run inference on an image
predictions = model("https://ultralytics.com/images/bus.jpg")

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

Die nächste Generation: YOLO26#

Obwohl YOLOv7 weiterhin eine leistungsfähige Legacy-Architektur ist, hat sich das Gebiet schnell weiterentwickelt. Für neue Bereitstellungen ist Ultralytics YOLO26 (veröffentlicht im Januar 2026) der empfohlene Standard und übertrifft frühere Generationen bei nahezu jeder Metrik.

• End-to-End-Design ohne NMS: YOLO26, erstmals in YOLOv10 eingeführt, eliminiert die Nachverarbeitung durch Nicht-Maximum-Unterdrückung (NMS) nativ. Dadurch wird eine deterministische Inferenz mit extrem niedriger Latenz ermöglicht, die für Robotik und Technologien zum autonomen Fahren entscheidend ist.
• MuSGD-Optimierer: Dieser hybride Optimierer ist von fortschrittlichen Techniken zum Training großer Sprachmodelle inspiriert, etwa von Kimi K2 von Moonshot AI. Er kombiniert SGD und Muon und ermöglicht dadurch äußerst stabiles Training sowie eine schnellere Konvergenz über verschiedene Datensätze hinweg.
• Bis zu 43 % schnellere CPU-Inferenz: Durch die gezielte Entfernung des Distribution Focal Loss (DFL) steigert YOLO26 die Leistung auf Edge-Computing-Plattformen und CPUs deutlich.
• ProgLoss + STAL: Diese fortschrittlichen Verlustfunktionen verbessern die Erkennung kleiner Objekte erheblich und machen YOLO26 besonders geeignet für Luftaufnahmen und detaillierte Überwachung.

Ideale Anwendungsfälle#

Wann du DAMO-YOLO wählen solltest#

• Akademische Forschung zu NAS: Wenn deine Organisation stark in die Untersuchung von Methoden zur Suche nach neuronalen Architekturen investiert ist.
• Extrem strenge Latenzanforderungen auf bestimmter Hardware: Wenn du über die Ressourcen verfügst, umfassende NAS-Suchen durchzuführen, um einen maßgeschneiderten Backbone für einen kundenspezifischen KI-Beschleunigerchip zu finden.

Wann du YOLOv7 wählen solltest#

• Bestehende GPU-Pipelines: Für Teams, die Legacy-Produktionspipelines betreiben, die auf leistungsstarker NVIDIA-Hardware umfassend auf YOLOv7s spezifische E-ELAN-Architektur optimiert wurden.

Warum du zu modernen Ultralytics-Modellen (YOLO11 / YOLO26) migrieren solltest#

Für die große Mehrheit der Unternehmensanwendungen – von Einzelhandelsanalysen und intelligenter Fertigung bis hin zum Gesundheitswesen – sind moderne Ultralytics-Modelle unübertroffen. Die Integration mit der Ultralytics Platform stellt eine vollständige ML-Pipeline bereit und bietet Benutzerfreundlichkeit, eine hervorragende Dokumentation, zuverlässige Community-Unterstützung und Vielseitigkeit bei mehreren Aufgaben. Ob du den Lagerbestand auf einem Raspberry Pi verfolgst oder umfangreiche Analysen in der Cloud ausführst – Modelle wie YOLO26 bieten das ideale Gleichgewicht zwischen Leistung und Effizienz für die Zukunft der Computer Vision.