EfficientDet vs. DAMO-YOLO: Una comparación técnica

En el panorama en rápida evolución de la visión por ordenador, elegir la arquitectura de detección de objetos adecuada es fundamental para el éxito de la aplicación. Dos arquitecturas notables que han dado forma a este campo son EfficientDet, desarrollada por Google Research, y YOLO, desarrollada por la Academia DAMO de Alibaba. Aunque ambas tienen como objetivo maximizar el rendimiento, difieren significativamente en sus filosofías de diseño: una se centra en la eficiencia de los parámetros y la escalabilidad, mientras que la otra persigue la inferencia de baja latencia en hardware industrial.

Esta guía ofrece un análisis técnico en profundidad de estos dos modelos, comparando sus arquitecturas, métricas de rendimiento y casos de uso ideales para ayudar a los desarrolladores a tomar decisiones informadas.

Análisis del rendimiento: Eficacia frente a latencia

Las siguientes pruebas comparativas ilustran las diferencias entre EfficientDet y YOLO. EfficientDet es famoso por su bajo número de parámetros y FLOPs, lo que lo hace teóricamente eficiente, mientras que YOLO está optimizado para la velocidad de inferencia en el mundo real en las GPU.

Puntos clave de referencia

De los datos anteriores se desprenden varias distinciones fundamentales:

• Dominio de la latenciaGPU : YOLO demuestra velocidades de inferencia significativamente más rápidas en hardware de GPU . Por ejemplo, DAMO-YOLOm alcanza un mAP de 49,2 con una latencia de sólo 5,09 ms en una GPU T4. Por el contrario, el método comparable EfficientDet-d4 (49,7 mAP) requiere 33,55 ms, es decir, casi 6 veces más lento.
• Eficiencia de los parámetros: EfficientDet destaca en las métricas de compresión de modelos. El modelo EfficientDet-d0 utiliza solo 3,9 millones de parámetros y 2,54 billones de FLOPs, lo que ofrece un tamaño ligero ideal para dispositivos con limitaciones de almacenamiento.
• Rendimiento deCPU : EfficientDet proporciona puntos de referencia establecidos para el rendimiento de CPU , por lo que es una opción predecible para dispositivos de borde no acelerados. Sin embargo, sus complejas capas de fusión de funciones suelen reducir el rendimiento en el mundo real en comparación con arquitecturas más sencillas.

EfficientDet: Escalable y eficiente

EfficientDet ha revolucionado la detección de objetos al introducir un método basado en principios para escalar las dimensiones de los modelos. Basado en la columna vertebral de EfficientNet, su objetivo es lograr una gran precisión minimizando el coste computacional teórico (FLOPs).

Detalles de EfficientDet:

• Autores: Mingxing Tan, Ruoming Pang, y Quoc V. Le
• Organización:Google
• Fecha: 2019-11-20
• Arxiv:https://arxiv.org/abs/1911.09070
• GitHub:https://github.com/google/automl/tree/master/efficientdet

Aspectos arquitectónicos destacados

La innovación fundamental de EfficientDet radica en dos componentes principales:

1. BiFPN (red piramidal bidireccional de características): A diferencia de las FPN tradicionales, que suman características de diferentes escalas, la BiFPN introduce ponderaciones aprendibles para diferentes características de entrada y permite que la información fluya tanto de arriba abajo como de abajo arriba repetidamente. Esto mejora la fusión de características, pero añade complejidad computacional.
2. Escalado compuesto: EfficientDet propone un coeficiente compuesto que escala conjuntamente la columna vertebral, BiFPN, la red de clases/cajas y la resolución de entrada. Esto garantiza que todas las partes de la red crezcan de forma equilibrada, en lugar de escalar arbitrariamente una sola dimensión (como la profundidad o la anchura).

Fortalezas y Debilidades

El principal punto fuerte de EfficientDet es su eficiencia teórica. Alcanza la máxima precisión con muchos menos parámetros que otros detectores anteriores como YOLOv3 o RetinaNet. Sin embargo, el uso intensivo de convoluciones separables en profundidad y los complejos patrones de acceso a la memoria de BiFPN pueden reducir el uso de las GPU modernas, lo que se traduce en una mayor latencia a pesar de los menores FLOPs.

YOLO: innovación orientada a la velocidad

YOLO se diseñó con un objetivo concreto: salvar la distancia entre alto rendimiento y baja latencia en hardware industrial. Incorpora tecnologías punteras de búsqueda de arquitecturas neuronales (NAS) para encontrar la estructura óptima para las tareas de detección.

Detalles YOLO :

• Autores: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang, y Xiuyu Sun
• Organización:Grupo Alibaba
• Fecha: 2022-11-23
• Arxiv:https://arxiv.org/abs/2211.15444v2
• GitHub:https://github.com/tinyvision/DAMO-YOLO

Aspectos arquitectónicos destacados

YOLO introduce varios componentes de "nueva tecnología" en la familia YOLO :

1. Red troncal MAE-NAS: Utiliza la Búsqueda de Arquitectura Neuronal (NAS) impulsada por la Máxima Entropía para descubrir backbones eficientes que manejen resoluciones de entrada variables de forma eficaz.
2. RepGFPN: Se trata de una mejora sobre el FPN Generalizado estándar, incorporando la reparametrización para racionalizar el bloque de fusión, maximizando la utilización del hardware.
3. ZeroHead & AlignedOTA: El diseño "ZeroHead" reduce significativamente la complejidad del cabezal de detección, mientras que AlignedOTA (Asignación óptima de transporte) proporciona una sólida estrategia de asignación de etiquetas durante el entrenamiento para resolver el desajuste entre la clasificación y la regresión.

Fortalezas y Debilidades

YOLO destaca en velocidad bruta. Al dar prioridad a las estructuras que favorecen la aceleración por hardware (como TensorRT), consigue un rendimiento notable. Sin embargo, su dependencia de complejas arquitecturas generadas por NAS puede dificultar su modificación o ajuste para fines de investigación personalizados en comparación con arquitecturas más sencillas y artesanales. Además, carece del amplio apoyo de la comunidad y de la facilidad de uso multiplataforma de las versiones YOLO más extendidas.

Ultralytics YOLO11: la alternativa holística

Mientras que EfficientDet ofrece la eficiencia de los parámetros y YOLO la velocidad de GPU , Ultralytics YOLO11 proporciona un equilibrio superior de ambos, envuelto en un ecosistema fácil de desarrollar. Para la mayoría de las aplicaciones prácticas, que abarcan desde la IA periférica hasta los YOLO11 en la nube, YOLO11 representa la opción óptima.

Más información sobre YOLO11

¿Por qué elegir los modelos de Ultralytics ?

1. Versatilidad sin igual: A diferencia de EfficientDet y YOLO, que son principalmente detectores de objetos, Ultralytics YOLO11 soporta de forma nativa una amplia gama de tareas de visión por ordenador, incluyendo la segmentación de instancias, la estimación de poses, los recuadros delimitadores orientados (OBB) y la clasificación de imágenes. Esto le permite utilizar un único marco para diversos requisitos de proyecto.
2. Equilibrio de rendimiento: YOLO11 va más allá de la frontera entre precisión y latencia. A menudo iguala o supera la precisión de modelos más pesados al tiempo que mantiene velocidades de inferencia competitivas con modelos especializados en tiempo real.
3. Facilidad de uso y ecosistema: La API de Ultralytics está diseñada para la simplicidad. Con una amplia documentación y el apoyo de la comunidad, los desarrolladores pueden pasar de la instalación a la formación en cuestión de minutos. El ecosistema incluye integraciones perfectas para la anotación de datos, el seguimiento de experimentos y la exportación con un solo clic a formatos como ONNX, TensorRT, CoreML y TFLite.
4. Eficacia de la formación: Los modelos Ultralytics están optimizados para una rápida convergencia. Emplean estrategias avanzadas de aumento de datos y cargadores de datos eficientes, lo que reduce el tiempo y el coste asociados a la formación de modelos de alto rendimiento.
5. Eficiencia de memoria: En comparación con los modelos basados en Transformer o arquitecturas más antiguas, YOLO11 requiere mucha menos memoria CUDA para el entrenamiento, lo que lo hace accesible en GPU de consumo.

Ejemplo de código: Primeros pasos con YOLO11

Implementar la detección del estado del arte con Ultralytics es sencillo. El siguiente fragmento de código muestra cómo cargar un modelo YOLO11 preentrenado y ejecutar la inferencia en una imagen:

from ultralytics import YOLO

# Load a pre-trained YOLO11n model
model = YOLO("yolo11n.pt")

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

# Display the results
results[0].show()

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

Conclusión

En la comparación entre EfficientDet y YOLO, la elección depende en gran medida de las limitaciones específicas del hardware. EfficientDet sigue siendo un firme candidato para la eficiencia teórica y los escenarios en los que el recuento de parámetros es el principal cuello de botella. YOLO es el claro vencedor para aplicaciones de alto rendimiento ejecutadas en GPU modernas en las que la latencia es primordial.

Sin embargo, para una solución que combine lo mejor de ambos mundos -alto rendimiento, facilidad de uso y capacidad multitarea-, Ultralytics es la solución perfecta.Ultralytics YOLO11 destaca como el estándar del sector. Su sólido ecosistema y sus continuas mejoras garantizan que los desarrolladores dispongan de las herramientas más fiables para crear soluciones de visión computerizada escalables.

Explorar otras comparaciones

Para comprender mejor el panorama de los modelos de detección de objetos, explore estas comparaciones adicionales:

• YOLO11 vs. EfficientDet
• YOLOv8 vs. DAMO-YOLO
• RT-DETR vs. DAMO-YOLO
• YOLO11 vs. RT-DETR
• YOLOX vs. EfficientDet

Comentarios