Commencer

DAMO-YOLO vs YOLOv10

Les architectures de détection d'objets en temps réel ont rapidement évolué en vision par ordinateur. DAMO-YOLO et YOLOv10 incarnent deux philosophies de conception distinctes : la recherche automatisée d'architecture et l'optimisation de bout en bout sans NMS. Bien que les deux améliorent la précision et la vitesse, leurs structures sous-jacentes et leurs cas d'utilisation optimaux diffèrent sensiblement.

DAMO-YOLO : recherche d’architecture neuronale à grande échelle#

Développé par le groupe Alibaba, DAMO-YOLO est un détecteur qui utilise la découverte automatisée d'architectures pour améliorer l'efficacité structurelle.

  • Auteurs : Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang et Xiuyu Sun
  • Date : 23 novembre 2022
  • arXiv : 2211.15444v2
  • GitHub : tinyvision/DAMO-YOLO

Points forts de l’architecture#

DAMO-YOLO s'appuie fortement sur la recherche d'architecture neuronale (NAS) pour équilibrer performances et latence. Son backbone, appelé MAE-NAS, utilise une recherche guidée par l'entropie maximale, sous des budgets de calcul stricts, afin de déterminer la profondeur et la largeur optimales des couches.

Pour fusionner les caractéristiques à différentes échelles, le modèle utilise un RepGFPN (réseau pyramidal de caractéristiques généralisé reparamétré) efficace. Cette conception à cou lourd est bien adaptée à l'extraction de hiérarchies spatiales complexes, ce qui la rend utile dans des scénarios comme l'analyse d'images aériennes. DAMO-YOLO introduit également ZeroHead, une tête de détection simplifiée qui réduit fortement la complexité des couches de prédiction finales, et s'appuie sur un processus d'amélioration par distillation pendant l'entraînement.

Entraînement par distillation

DAMO-YOLO utilise souvent un processus de distillation des connaissances en plusieurs étapes. Il nécessite d'entraîner un modèle « enseignant » plus lourd pour guider le modèle « étudiant » plus petit, ce qui permet d'obtenir un mAP (précision moyenne) supérieur, mais augmente considérablement le temps de calcul GPU requis.

En savoir plus sur DAMO-YOLO

YOLOv10 : détection en temps réel sans NMS#

Publié un an et demi plus tard, YOLOv10 a supprimé le besoin de suppression non maximale (NMS) pendant l'inférence.

Points forts de l’architecture#

La caractéristique phare de YOLOv10 est son double assignation cohérente pour un entraînement sans NMS. Les détecteurs traditionnels prédisent plusieurs boîtes englobantes qui se chevauchent pour un même objet, ce qui nécessite la NMS pour supprimer les doublons. Cette étape de post-traitement crée un goulot d’étranglement, en particulier sur les appareils edge. YOLOv10 résout ce problème en permettant au modèle de prédire naturellement une seule boîte englobante précise par objet.

Les auteurs ont également privilégié une conception globale du modèle axée sur l'équilibre entre efficacité et précision. En analysant attentivement les calculs redondants des architectures existantes, ils ont optimisé le backbone et la tête afin de réduire le nombre de FLOPs et de paramètres. Cette conception légère confère à YOLOv10 une faible latence d'inférence lors de l'exportation vers des formats comme TensorRT ou OpenVINO.

En savoir plus sur YOLOv10

Performances et benchmarks#

Le tableau ci-dessous présente les métriques de performance brutes sur le jeu de données COCO. Les meilleures valeurs globales de chaque colonne sont mises en évidence en gras.

Modèletaille
(pixels)
mAPval50-95Vitesse
CPU ONNX
(ms)
Vitesse
T4 TensorRT10
(ms)
paramètres
(M)
FLOPs
(B)
DAMO-YOLOt64042.0-2.328.518.1
DAMO-YOLOs64046.0-3.4516.337.8
DAMO-YOLOm64049.2-5.0928.261.8
DAMO-YOLOl64050.8-7.1842.197.3
YOLOv10n64038.5-1.842.36.7
YOLOv10s64046.3-2.497.221.6
YOLOv10m64051.1-4.7415.459.1
YOLOv10b64052.5-5.7419.192.0
YOLOv10l64053.2-7.2824.4120.3
YOLOv10x64054.4-10.7029.5160.4

DAMO-YOLO reste compétitif en matière de précision, mais YOLOv10 offre une meilleure précision à des échelles comparables et des poids de modèle nettement plus légers. Par exemple, YOLOv10s atteint un mAP légèrement supérieur à celui de DAMO-YOLOs (46,3 % contre 46,0 %) tout en utilisant moins de la moitié des paramètres (7,2 M contre 16,3 M). Ses besoins en mémoire réduits font de YOLOv10 un choix polyvalent pour les systèmes embarqués.

Efficacité de l’entraînement et facilité d’utilisation#

Lorsqu'on passe de la recherche universitaire à la production, la facilité d'utilisation est primordiale. Le processus de distillation en plusieurs étapes de DAMO-YOLO et ses configurations NAS complexes imposent une forte courbe d'apprentissage aux équipes d'ingénierie.

À l'inverse, YOLOv10 bénéficie d'une intégration complète au package Python Ultralytics. L'entraînement d'un modèle personnalisé nécessite très peu de code passe-partout. Ultralytics gère automatiquement l'augmentation des données, le réglage des hyperparamètres et le suivi des expériences.

from ultralytics import YOLO

# Charge un modèle YOLOv10 nano préentraîné
model = YOLO("yolov10n.pt")

# Entraîne le modèle sur un jeu de données personnalisé avec validation intégrée
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Effectuer une inférence sur une image
prediction = model("path/to/image.jpg")
prediction[0].show()
Prototypage rapide

L’écosystème Ultralytics permet aux développeurs de passer d’un prototype à un modèle ONNX exporté en quelques lignes de code seulement, sans avoir à configurer les environnements complexes requis par les anciens frameworks.

Cas d'utilisation concrets#

  • Commerce de détail intelligent (DAMO-YOLO) : la précision de DAMO-YOLO convient bien aux environnements serveur à forte densité qui analysent le comportement des clients, où les GPU sont nombreux et où les goulots d’étranglement dus à la NMS en temps réel restent gérables.
  • Véhicules autonomes (YOLOv10) : l'architecture sans NMS assure une latence prévisible, un élément essentiel aux systèmes de sécurité pour la conduite autonome.
  • Automatisation industrielle (YOLOv10) : la détection des défauts sur des chaînes de montage rapides exige des modèles qui maximisent la vitesse d'inférence en temps réel sans consommer beaucoup de mémoire vidéo, ce qui fait de YOLOv10 un excellent candidat pour le déploiement edge.

Cas d’utilisation et recommandations#

Le choix entre DAMO-YOLO et YOLOv10 dépend des besoins spécifiques de ton projet, de tes contraintes de déploiement et de tes préférences en matière d’écosystème.

Quand choisir DAMO-YOLO#

DAMO-YOLO est un excellent choix pour :

  • Analyse vidéo à haut débit : Traitement de flux vidéo à FPS élevé sur une infrastructure GPU NVIDIA fixe, lorsque le débit avec une taille de lot de 1 est le principal critère.
  • Lignes de fabrication industrielle : Scénarios soumis à des contraintes strictes de latence GPU sur du matériel dédié, comme l’inspection qualité en temps réel sur les chaînes de montage.
  • Recherche sur la recherche d’architectures neuronales : Étude des effets de la recherche automatisée d’architectures (MAE-NAS) et des backbones efficaces reparamétrés sur les performances de détection.

Quand choisir YOLOv10#

YOLOv10 est recommandé pour :

  • Détection en temps réel sans NMS : les applications qui tirent parti de la détection de bout en bout sans suppression non maximale, ce qui réduit la complexité du déploiement.
  • Équilibre entre vitesse et précision : les projets qui nécessitent un bon compromis entre vitesse d’inférence et précision de détection, pour différentes tailles de modèles.
  • Applications à latence constante : les scénarios de déploiement où des temps d’inférence prévisibles sont essentiels, comme en robotique ou dans les systèmes autonomes.

Quand choisir Ultralytics (YOLO26)#

Pour la plupart des nouveaux projets, Ultralytics YOLO26 offre le meilleur équilibre entre performances et expérience développeur :

  • Déploiement en périphérie sans NMS : les applications qui exigent des inférences à faible latence et constantes, sans la complexité du post-traitement par suppression non maximale.
  • Environnements exclusivement CPU : appareils sans accélération GPU dédiée, pour lesquels l’inférence CPU jusqu’à 43 % plus rapide de YOLO26 (YOLO26n par rapport à YOLO11n) constitue un avantage net.
  • Détection de petits objets : les situations difficiles, comme l’imagerie aérienne par drone ou l’analyse de capteurs IoT, où ProgLoss et STAL améliorent considérablement la précision pour les objets minuscules.

La prochaine génération : voici Ultralytics YOLO26#

YOLOv10 a ouvert la voie à la détection sans NMS, mais la technologie a rapidement évolué. Pour les applications modernes, le modèle Ultralytics YOLO26 allie performances élevées et facilité d'utilisation, en affinant les meilleures idées des générations précédentes pour la production.

YOLO26 dispose d'un mode de bout en bout natif (nms=False) qui évite le post-traitement NMS et simplifie les pipelines de déploiement sur les appareils edge. La suppression de Distribution Focal Loss (DFL) améliore également la compatibilité avec le matériel d'IA en périphérie basse consommation.

Côté entraînement, YOLO26 introduit l'optimiseur MuSGD, un hybride inspiré des techniques d'entraînement des grands modèles de langage (LLM), pour un entraînement plus stable et une convergence plus rapide. Associé à ProgLoss + STAL (fonction de perte progressive et attribution des étiquettes adaptée aux petites cibles), YOLO26 améliore la reconnaissance des petits objets, un élément essentiel pour la protection de la faune et les opérations par drone.

YOLO26 ne se limite pas à la détection d'objets. Il apporte des améliorations propres à différentes tâches et prend nativement en charge la segmentation d'instances, l'estimation de pose avec Residual Log-Likelihood Estimation (RLE) et des fonctions de perte d'angle spécialisées pour les boîtes englobantes orientées (OBB). Avec une inférence CPU jusqu'à 43 % plus rapide pour YOLO26n que pour YOLO11n, c'est le choix recommandé aux équipes d'ingénierie agiles.

Pour gérer de manière centralisée les modèles YOLO26, les annoter et les entraîner dans le cloud, l’Ultralytics Platform offre une interface intuitive qui simplifie l’ensemble du cycle de vie de la vision par ordinateur.

Les développeurs qui souhaitent explorer d’autres avancées récentes peuvent aussi évaluer Ultralytics YOLO11 ou le framework basé sur Transformer RT-DETR pour les scénarios qui nécessitent des solutions architecturales différentes.

Commentaires

Pose une question, partage tes résultats ou aide quelqu’un d’autre.