DAMO-YOLO vs YOLOv7
La recherche en vision par ordinateur a produit des modèles efficaces de détection d'objets conçus pour équilibrer précision et coût de calcul. Deux modèles remarquables présentés en 2022 sont DAMO-YOLO et YOLOv7. Bien que tous deux ciblent les tâches de vision en temps réel, ils obtiennent leurs résultats grâce à des architectures et des méthodes d'entraînement très différentes.
Cette comparaison technique examine les approches distinctes des deux modèles, en étudiant leurs architectures, leur potentiel de déploiement et leurs métriques de performance afin d'aider les ingénieurs en apprentissage automatique à choisir l'outil adapté à leurs applications de vision par ordinateur.
Origines et métadonnées des modèles#
Avant l'analyse technique, voici le contexte de chaque modèle.
DAMO-YOLO#
Développé par des chercheurs du groupe Alibaba, DAMO-YOLO a été conçu pour optimiser à la fois la vitesse et la précision au moyen de la recherche automatisée d’architecture et de la distillation.
- Auteurs : Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang et Xiuyu Sun
- Organisation : groupe Alibaba
- Date : 23 novembre 2022
- arXiv : 2211.15444v2
- GitHub : tinyvision/DAMO-YOLO
YOLOv7#
Publié au milieu de l'année 2022 comme détecteur en temps réel à la pointe de la technologie, YOLOv7 a fait progresser l'inférence en temps réel en introduisant des « bag-of-freebies » entraînables sans augmenter les coûts de déploiement.
- Auteurs : Chien-Yao Wang, Alexey Bochkovskiy et Hong-Yuan Mark Liao
- Organisation : Institute of Information Science, Academia Sinica, Taïwan
- Date : 6 juillet 2022
- arXiv : 2207.02696
- Documentation : Documentation de YOLOv7
Ultralytics ne publie pas de poids ni de fichiers YAML pour YOLOv7 ; il n’est donc pas possible d’entraîner YOLOv7 nativement avec le package Ultralytics. Les modèles YOLOv7 entraînés dans le dépôt amont peuvent être exportés vers ONNX ou TensorRT et utilisés pour l’inférence avec Ultralytics.
Innovations architecturales#
DAMO-YOLO : NAS et distillation#
DAMO-YOLO intègre plusieurs techniques axées sur l'efficacité :
- Backbones NAS : utilise la recherche d'architecture neuronale (NAS) pour concevoir automatiquement des backbones efficaces (MAE-NAS), adaptés aux environnements où la latence est critique.
- RepGFPN efficace : un réseau généralisé de pyramides de caractéristiques modifié qui améliore considérablement l’efficacité de la fusion des caractéristiques à plusieurs échelles.
- ZeroHead et AlignedOTA : intègre une tête de détection légère et une stratégie optimisée d’attribution des étiquettes (AlignedOTA) afin de réduire la charge de calcul.
- Amélioration par distillation : s'appuie largement sur la distillation des connaissances pendant l'entraînement pour améliorer les performances des variantes de modèles plus petites sans augmenter leur nombre de paramètres.
YOLOv7 : E-ELAN et avantages gratuits#
YOLOv7 a adopté une approche axée sur l'ingénierie structurelle, en se concentrant sur l'optimisation des chemins de gradient et des stratégies d'entraînement robustes.
- Architecture E-ELAN : le réseau étendu d’agrégation efficace des couches permet au modèle d’apprendre des caractéristiques plus variées en contrôlant les chemins de gradient les plus courts et les plus longs, pour garantir une convergence efficace de l’apprentissage.
- Mise à l’échelle du modèle : introduit une méthode de mise à l’échelle composée adaptée aux modèles basés sur la concaténation, qui ajuste simultanément la profondeur et la largeur pour préserver l’alignement structurel.
- Avantages gratuits entraînables : utilise des techniques comme les convolutions reparamétrées (RepConv) sans connexions d’identité et des stratégies dynamiques d’attribution des étiquettes, qui améliorent la précision pendant l’entraînement sans affecter la vitesse d’inférence.
Analyse des performances#
Pour évaluer la précision moyenne (mAP), la vitesse et l'efficacité, les deux modèles donnent de bons résultats, même s'ils ciblent des segments légèrement différents. YOLOv7 se concentre sur un déploiement GPU de haute précision, tandis que les structures de DAMO-YOLO issues de la recherche d'architecture visent une faible latence avec des budgets GPU serrés.
| Modèle | taille (pixels) | mAPval50-95 | Vitesse CPU ONNX (ms) | Vitesse T4 TensorRT10 (ms) | paramètres (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| 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 |
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
Comme le montrent les métriques, DAMO-YOLO propose des variantes légères (comme le modèle tiny, qui ne compte que 8,5 M de paramètres), tandis que YOLOv7 atteint un pic de précision globale plus élevé, YOLOv7x obtenant 53,1 mAP sur le jeu de données COCO.
Les avantages de l’écosystème Ultralytics#
Si l'architecture théorique est importante, c'est l'écosystème qui détermine le caractère pratique d'un modèle. Les modèles Ultralytics natifs, tels que YOLO26, bénéficient d'un écosystème bien entretenu et d'une grande facilité d'utilisation.
- Équilibre des performances : les modèles Ultralytics offrent systématiquement un excellent compromis entre vitesse d'inférence et précision de détection, ce qui les rend adaptés aux appareils en périphérie comme au déploiement de modèles dans le cloud.
- Besoins en mémoire : contrairement aux modèles plus lourds basés sur des Transformer, les modèles YOLO d’Ultralytics nécessitent peu de mémoire CUDA pendant l’entraînement. Cela permet d’utiliser des tailles de lot plus grandes et de simplifier l’entraînement, même sur du matériel grand public.
- Polyvalence : le framework Ultralytics va au-delà de la détection d’objets et prend en charge des tâches comme la segmentation d’instances et l’estimation de pose, offrant aux développeurs une boîte à outils complète de vision par ordinateur.
Le package Ultralytics te permet de passer rapidement d'un jeu de données à un modèle entièrement entraîné grâce à des chargeurs de données optimisés et à des poids préentraînés.
Exemple de code : exécuter YOLOv7 avec Ultralytics#
Après avoir converti un export ONNX amont de YOLOv7 comme indiqué dans les exemples d’utilisation de YOLOv7, tu peux l’exécuter avec l’API Python Ultralytics.
from ultralytics import YOLO
# Charger un modèle YOLOv7 ONNX converti pour Ultralytics
model = YOLO("yolov7-ultralytics.onnx", task="detect")
# Exécuter l’inférence
predictions = model.predict("https://ultralytics.com/images/bus.jpg", save=True)La nouvelle référence : découvrez YOLO26#
YOLOv7 et DAMO-YOLO ont constitué des avancées majeures en 2022, mais le domaine de l'IA visuelle évolue rapidement. Pour les équipes qui démarrent de nouveaux projets aujourd'hui, le modèle recommandé est Ultralytics YOLO26, lancé en janvier 2026.
YOLO26 améliore à la fois les performances et la facilité d'utilisation :
- Conception de bout en bout sans NMS : YOLO26 propose une tête native de bout en bout (
nms=False). En éliminant le post-traitement par suppression des non-maxima (NMS), il permet une logique de déploiement plus rapide et plus simple, une approche introduite pour la première fois par YOLOv10. - Optimiseur MuSGD : inspiré des techniques d'entraînement des grands modèles de langage, comme celles utilisées pour Kimi K2 de Moonshot AI, YOLO26 utilise une combinaison de SGD et de Muon pour stabiliser la dynamique d'entraînement et accélérer la convergence.
- Jusqu'à 43 % d'inférence CPU plus rapide : avec la suppression de Distribution Focal Loss (DFL) et une architecture rationalisée, YOLO26 est optimisé pour l'informatique en périphérie à faible consommation ; YOLO26n s'exécute jusqu'à 43 % plus rapidement que YOLO11n sur CPU.
- ProgLoss + STAL : une nouvelle fonction de perte progressive et une attribution d'étiquettes adaptée aux petites cibles ciblent explicitement la reconnaissance des petits objets et l'améliorent, une capacité essentielle pour l'imagerie aérienne, la robotique et la surveillance de sécurité.
- Améliorations propres aux tâches : au-delà de la détection standard, YOLO26 propose des améliorations adaptées à diverses tâches, notamment le prototypage mult échelle pour la segmentation, RLE pour l’estimation de pose et des fonctions de perte angulaire spécifiques aux boîtes englobantes orientées (OBB).
Cas d’utilisation idéaux#
Le choix de l'architecture dépend de ton environnement de déploiement cible et des contraintes de ton projet.
Quand choisir DAMO-YOLO :
- Tu déploies sur du matériel GPU dédié avec des objectifs de latence stricts, où les petites variantes de DAMO-YOLO, sélectionnées par recherche d'architecture, maintiennent un faible nombre de paramètres.
- Tu étudies la recherche d'architecture neuronale ou la distillation des connaissances.
Quand choisir YOLOv7 :
- Tu disposes déjà de pipelines GPU hérités optimisés pour l’inférence basée sur des ancres et de haute précision.
- Tu évolues dans des environnements où la précision en temps réel est primordiale, comme les véhicules autonomes à grande vitesse ou la robotique avancée.
Quand choisir YOLO26 (recommandé) :
- Tu développes une nouvelle application de vision par ordinateur à partir de zéro et tu as besoin d'une grande précision ainsi que d'une inférence rapide sur CPU et en périphérie.
- Tu as besoin d'un déploiement rapide et simple (par exemple, avec une exportation vers CoreML ou TensorRT), sans avoir à gérer les contraintes des opérateurs NMS.
- Tu veux exploiter toutes les capacités de la plateforme Ultralytics pour l’entraînement dans le cloud, la gestion des jeux de données et le déploiement automatisé.
En utilisant l'écosystème Ultralytics, les développeurs peuvent réduire considérablement le temps d'ingénierie tout en conservant de solides performances prédictives dans des applications réelles.
Commentaires
Pose une question, partage tes résultats ou aide quelqu’un d’autre.