YOLOv8 vs. DAMO-YOLO
Die Landschaft der Computer Vision entwickelt sich ständig weiter. Neue Architekturen erweitern die Möglichkeiten auf Edge-Geräten und in großen Cloud-Clustern. Dieser technische Vergleich behandelt zwei bekannte Echtzeit-Objekterkennungsmodelle: YOLOv8 und DAMO-YOLO. Anhand ihrer Architekturen, Leistungskennzahlen und Trainingsmethoden können ML-Ingenieure fundierte Entscheidungen für ihre Bereitstellungspipelines treffen.
Hintergründe und Ursprünge der Modelle#
Beide Modelle wurden etwa zur gleichen Zeit vorgestellt, gehen jedoch auf unterschiedliche Designphilosophien und Forschungsziele zurück.
Details zu YOLOv8#
- Autoren: Glenn Jocher, Ayush Chaurasia und Jing Qiu
- Organisation: Ultralytics
- Datum: 2023-01-10
- GitHub: Ultralytics GitHub-Repository
- Dokumentation: Offizielle YOLOv8-Dokumentation
DAMO-YOLO im Detail#
- Autoren: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang und Xiuyu Sun
- Organisation: Alibaba Group
- Datum: 2022-11-23
- arXiv: DAMO-YOLO-Forschungsarbeit
- GitHub: DAMO-YOLO-Repository auf GitHub
Architektonische Innovationen#
YOLOv8: Vielseitiges anchor-freies Design#
Ultralytics YOLOv8 brachte wesentliche Verbesserungen gegenüber seinen Vorgängern und wurde zu einem weit verbreiteten und zuverlässigen Modell. Es verfügt über einen ankerfreien Erkennungskopf, der die Anzahl der Box-Vorhersagen verringert und die Inferenz beschleunigt. Die Architektur verwendet einen entkoppelten Kopf, der Klassifizierungs- und Regressionsaufgaben voneinander trennt und so genauere Vorhersagen der Begrenzungsrahmen ermöglicht.
Darüber hinaus verwendet YOLOv8 neben CIoU Loss auch Distribution Focal Loss (DFL). Dadurch kann das Modell Objektgrenzen präziser lokalisieren, insbesondere bei kleineren oder teilweise verdeckten Zielen. Das optimierte Backbone ist sowohl für die Ausführung auf GPUs als auch auf CPUs ausgelegt.
DAMO-YOLO: Entwicklung mithilfe automatisierter Architektursuche#
DAMO-YOLO verfolgt einen anderen Ansatz und stützt sich stark auf Neural Architecture Search (NAS), um sein Backbone automatisch zu entwerfen. Das Alibaba-Team führte „MAE-NAS“ ein, um Strukturen mit einem optimalen Verhältnis zwischen Latenz und Genauigkeit speziell bei Beschleunigung durch TensorRT zu finden.
Das Modell umfasst ein RepGFPN (parametrisiertes verallgemeinertes Merkmals-Pyramidennetzwerk) zur effizienten Zusammenführung von Merkmalen sowie ein „ZeroHead“-Design, das den Rechenaufwand des Erkennungs-Heads minimiert. Beim Training nutzt es AlignedOTA für die Labelzuweisung und stützt sich stark auf einen komplexen Prozess zur Wissensdestillation. Dafür ist ein größeres Lehrermodell erforderlich, das das Zielmodell als Schüler anleitet.
DAMO-YOLO erzielt mithilfe von NAS und Distillation gute Latenzwerte. Distillation erfordert beim Training jedoch typischerweise mehr CUDA-Speicher und Rechenzeit als die einstufige Trainingspipeline von YOLOv8.
Leistung und Metriken#
Bei der Bereitstellung von Computer-Vision-Modellen in der Produktion ist eine ausgewogene Kombination aus Genauigkeit (mAP) und Inferenzgeschwindigkeit entscheidend. Die folgende Tabelle veranschaulicht die Leistung beider Modelle in verschiedenen Größen.
| Modell | Größe (Pixel) | mAPval50-95 | Geschwindigkeit CPU ONNX (ms) | Geschwindigkeit T4 TensorRT10 (ms) | Parameter (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv8n | 640 | 37.3 | 80.4 | 1.47 | 3.2 | 8.7 |
| YOLOv8s | 640 | 44.9 | 128.4 | 2.66 | 11.2 | 28.6 |
| YOLOv8m | 640 | 50.2 | 234.7 | 5.86 | 25.9 | 78.9 |
| YOLOv8l | 640 | 52.9 | 375.2 | 9.06 | 43.7 | 165.1 |
| YOLOv8x | 640 | 53.9 | 479.1 | 14.37 | 68.2 | 257.8 |
| DAMO-YOLOt | 640 | 42.0 | - | 2.32 | 8.5 | 18.1 |
| DAMO-YOLOs | 640 | 46.0 | - | 3.45 | 16.3 | 37.8 |
| DAMO-YOLOm | 640 | 49.2 | - | 5.09 | 28.2 | 61.8 |
| DAMO-YOLOl | 640 | 50.8 | - | 7.18 | 42.1 | 97.3 |
Bei den kleinsten Modellgrößen erzielen DAMO-YOLOt und DAMO-YOLOs einen höheren mAP-Wert als YOLOv8n und YOLOv8s, benötigen aber mehr Parameter. Ab der mittleren Größe ist YOLOv8 genauer. YOLOv8n (Nano) benötigt nur 3,2 Millionen Parameter, verglichen mit 8,5 Millionen bei DAMO-YOLOt. Damit eignet es sich besser für mobile Geräte oder Umgebungen mit strengen Speicherbeschränkungen. YOLOv8 bietet außerdem eine größere Auswahl an Modellgrößen, bis hin zu YOLOv8x, dem genauesten Modell in diesem Vergleich, für Cloud-Workloads.
Entwicklererfahrung und Ökosystem#
Benutzerfreundlichkeit und Trainingseffizienz#
Einer der größten Unterschiede liegt in der Benutzererfahrung. Das Ultralytics-Ökosystem ist darauf ausgelegt, Entwicklern effizientes Arbeiten zu ermöglichen. Das Training eines benutzerdefinierten YOLOv8-Modells erfordert nur mäßig viel Speicher und erfolgt über eine einheitliche Python-API oder eine Befehlszeilenschnittstelle.
Um das durch Destillation erweiterte Training von DAMO-YOLO nachzubilden, muss man sich hingegen häufig mit komplexen Konfigurationsdateien auseinandersetzen und mehrstufige Lehrer-Schüler-Experimente nachverfolgen.
Das folgende Beispiel trainiert und exportiert YOLOv8 mit Python:
from ultralytics import YOLO
# Lade ein vortrainiertes YOLOv8-Nano-Modell
model = YOLO("yolov8n.pt")
# Das Modell mit dem COCO8-Datensatz trainieren
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device="cpu")
# Das trainierte Modell ins ONNX-Format exportieren
path = model.export(format="onnx")Vielseitigkeit bei Computer-Vision-Aufgaben#
DAMO-YOLO ist ausschließlich für die Objekterkennung anhand von Begrenzungsrahmen ausgelegt. Die YOLOv8-Architektur unterstützt hingegen nativ mehrere Aufgaben. Durch den Austausch der Modellgewichte können Entwickler Instanzsegmentierung, Bildklassifizierung und Posenschätzung durchführen, ohne ihre zugrunde liegende Bereitstellungs-Codebasis zu ändern. Dadurch eignen sich Ultralytics-Modelle besser für Anwendungen mit mehreren Aufgaben.
Anwendungsfälle in der Praxis#
Wann du YOLOv8 einsetzen solltest#
Dank der Kombination aus Geschwindigkeit, Genauigkeit und einfacher Bereitstellung eignet sich YOLOv8 ideal für:
- Analysen im intelligenten Einzelhandel: Kundenverhalten mithilfe von Objektverfolgung überwachen oder Bestandsprüfungen automatisieren.
- Landwirtschaftliche Robotik: Die starke Leistung auf unterschiedlicher Hardware nutzen, um Nutzpflanzen oder Schädlinge in Echtzeit zu erkennen.
- Medizinische Diagnostik: Mithilfe der Instanzsegmentierung Auffälligkeiten in medizinischen Bildern schnell und präzise erfassen.
- Edge-Bereitstellungen: Der integrierte Export in Formate wie OpenVINO und CoreML macht YOLOv8 gut geeignet für Geräte mit begrenzten Ressourcen.
Wann du DAMO-YOLO einsetzen solltest#
DAMO-YOLO kann in bestimmten Szenarien von Vorteil sein, insbesondere:
- Akademische NAS-Forschung: Für Teams, die Reparametrisierung oder Methoden zum automatisierten Entwurf von Architekturen untersuchen.
- Strikt GPU-gebundene Pipelines: Anwendungen, die ausschließlich auf bestimmter NVIDIA-Hardware laufen, auf der die NAS-basierten Strukturen für die Ausführung mit TensorRT optimiert wurden.
Anwendungsfälle und Empfehlungen#
Die Wahl zwischen YOLOv8 und DAMO-YOLO hängt von den spezifischen Anforderungen deines Projekts, den Bereitstellungsbedingungen und deinen Präferenzen beim Ökosystem ab.
Wann du YOLOv8 wählen solltest#
YOLOv8 ist eine gute Wahl für:
- Vielseitige Bereitstellung für mehrere Aufgaben: Projekte, die ein bewährtes Modell für Erkennung, Segmentierung, Klassifizierung und Posenschätzung innerhalb des Ultralytics-Ökosystems erfordern.
- Etablierte Produktivsysteme: Bestehende Produktivumgebungen, die bereits auf der YOLOv8-Architektur und stabilen, umfassend getesteten Bereitstellungspipelines basieren.
- Umfangreiche Unterstützung durch Community und Ökosystem: Anwendungen, die von den zahlreichen YOLOv8-Anleitungen, Integrationen von Drittanbietern und aktiven Community-Ressourcen profitieren.
Wann du DAMO-YOLO wählen solltest#
DAMO-YOLO eignet sich für:
- Videoanalyse mit hohem Durchsatz: Verarbeitung von Videostreams mit hoher Bildrate auf fest installierter NVIDIA-GPU-Infrastruktur, bei der der Durchsatz mit Batchgröße 1 im Vordergrund steht.
- Industrielle Fertigungslinien: Szenarien mit strengen GPU-Latenzvorgaben auf dedizierter Hardware, etwa die Qualitätsprüfung in Echtzeit auf Fließbändern.
- Forschung zur neuronalen Architektursuche: Untersuchung der Auswirkungen automatisierter Architektursuche (MAE-NAS) und effizienter Architekturen mit reparametrisierten Rückgraten auf die Erkennungsleistung.
Wann du Ultralytics (YOLO26) wählen solltest#
Für die meisten neuen Projekte bietet Ultralytics YOLO26 die beste Kombination aus Leistung und Entwicklererfahrung:
- NMS-freie Bereitstellung am Netzwerkrand: Anwendungen, die eine gleichmäßige Inferenz mit niedriger Latenz ohne die Komplexität der Nachbearbeitung mit Non-Maximum Suppression (NMS) benötigen.
- Umgebungen ohne GPU: Geräte ohne dedizierte GPU-Beschleunigung, bei denen die bis zu 43 % schnellere CPU-Inferenz von YOLO26n gegenüber YOLO11n einen entscheidenden Vorteil bietet.
- Erkennung kleiner Objekte: Anspruchsvolle Szenarien wie Luftaufnahmen von Drohnen oder die Analyse von IoT-Sensordaten, bei denen ProgLoss und STAL die Genauigkeit bei winzigen Objekten verbessern.
Ein Blick in die Zukunft: Neuere Ultralytics-Modelle#
YOLOv8 ist weiterhin ein zuverlässiges Arbeitstier, doch die Computer-Vision-Branche entwickelt sich schnell weiter. Daher sollten Nutzer auch neuere Generationen in Betracht ziehen:
YOLO26: Die neueste Generation, Ultralytics YOLO26, bietet ein natives End-to-End-Design ohne NMS (nms=False), das die Latenz durch die NMS-Nachverarbeitung beseitigt. Der MuSGD-Optimierer (eine Kombination aus SGD und Muon) stabilisiert das Training, und ProgLoss + STAL (Progressive Loss und Small-Target-Aware Label Assignment) verbessern die Erkennung kleiner Objekte. Durch den Wegfall von DFL (Distribution Focal Loss), der den Export vereinfacht und die Kompatibilität mit Edge-Geräten und Geräten mit geringem Stromverbrauch verbessert, bietet YOLO26n eine bis zu 43 % schnellere CPU-Inferenz als YOLO11n und ist damit eine hervorragende Wahl für Edge Computing.
YOLO11: Ultralytics YOLO11 verfeinert die YOLOv8-Architektur und ist in der Community weiterhin weit verbreitet.
Nutze Ultralytics Platform, um Modelle vom Prototyp in die Produktion zu überführen, Datensätze automatisch zu annotieren, Experimente nachzuverfolgen und Modelle in der Cloud oder auf Edge-Geräten bereitzustellen.
Zusammenfassend lässt sich sagen: DAMO-YOLO bietet zwar nützliche Forschungserkenntnisse zur Architektursuche, doch Ultralytics-Modelle verfügen über ein ausgereifteres, vielseitigeres und entwicklerfreundlicheres Ökosystem. Ob du bei YOLOv8 bleibst oder auf die Architektur YOLO26 ohne NMS umsteigst – Ultralytics bietet ein komplettes Toolkit für Echtzeit-Vision-KI.
Kommentare1
Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.
exilebuild5423(bearbeitet)
Great technical comparison! DAMO-YOLO stands out with its advanced decoupled head and innovative data augmentation techniques, pushing accuracy further in specific detection tasks. However, this YOLOv8 comparison highlights how v8 offers a more balanced architecture with better ease of use, strong community support, and flexibility for multitask learning. Both models are strong contenders — the choice really depends on deployment needs and optimization priorities.