Commencer

YOLOv5 vs DAMO-YOLO

Le paysage de la vision par ordinateur en temps réel évolue constamment, les chercheurs et les ingénieurs cherchant le bon équilibre entre précision, vitesse et facilité d'utilisation. Deux modèles majeurs qui ont marqué cette évolution sont Ultralytics YOLOv5 et le DAMO-YOLO d'Alibaba.

Ce guide propose une analyse technique approfondie de leurs architectures, de leurs métriques de performance et de leurs méthodes d'entraînement, afin de t'aider à choisir le modèle adapté à ton prochain déploiement.

Origines des modèles#

Avant de comparer les détails techniques, il est important de comprendre les origines et les principales philosophies de conception de chacun de ces modèles de vision influents.

Ultralytics YOLOv5#

Développé par Glenn Jocher et l'équipe d'Ultralytics, YOLOv5 est devenu une référence du secteur depuis sa sortie. Conçu nativement sur le framework PyTorch, il a privilégié dès le départ une expérience de développement fluide et de solides capacités de déploiement.

DAMO-YOLO#

Créé par des chercheurs du groupe Alibaba, DAMO-YOLO met fortement l'accent sur la recherche d'architectures neuronales (NAS) et les techniques de distillation des connaissances. Il vise les performances adaptées au matériel et s'adresse aux environnements de recherche et de déploiement qui nécessitent un réglage approfondi.

En savoir plus sur DAMO-YOLO

Innovations architecturales#

Les deux modèles s'appuient sur des concepts structurels spécifiques pour atteindre leurs performances en temps réel, mais leurs approches diffèrent considérablement.

YOLOv5 : stabilité et polyvalence#

YOLOv5 utilise un backbone CSP modifié (Cross Stage Partial) associé à un neck PANet (Path Aggregation Network). Cette structure est efficace et limite l'utilisation de la mémoire CUDA pendant l'entraînement comme pendant l'inférence.

L'un des principaux atouts de YOLOv5 est sa polyvalence entre les tâches. Au-delà des prédictions de boîtes englobantes, le dépôt d'origine YOLOv5 propose des architectures dédiées à la segmentation d'instances (v7.0) et à la classification d'images (v6.2), ce qui permet aux développeurs d'unifier leurs chaînes de traitement de vision au sein d'un seul framework cohérent.

L'innovation majeure de DAMO-YOLO est son backbone MAE-NAS. Grâce à une recherche guidée par l'entropie maximale, l'équipe Alibaba a découvert des backbones équilibrant la précision de détection et la vitesse d'inférence selon des budgets de latence précis.

Il intègre également le neck Efficient RepGFPN pour améliorer la fusion des caractéristiques, ce qui est très utile pour les variations d'échelle complexes souvent rencontrées dans l'analyse d'images satellite. Sa conception ZeroHead simplifie les couches de prédiction finales afin de réduire la latence, mais cette génération structurelle complexe peut rendre l'architecture rigide et plus difficile à modifier pour des applications personnalisées.

Besoins en mémoire

Les architectures basées sur Transformer nécessitent souvent beaucoup de mémoire GPU. YOLOv5 et DAMO-YOLO utilisent tous deux des conceptions convolutionnelles efficaces pour limiter leur empreinte mémoire, et les modèles Ultralytics sont conçus pour être entraînés sur des GPU grand public, ce qui les rend accessibles aux chercheurs indépendants et aux startups.

Performances et métriques#

L'évaluation des détecteurs d'objets en temps réel nécessite de considérer ensemble le mAP (précision moyenne), la vitesse d'inférence et la taille du modèle.

Modèletaille
(pixels)
mAPval50-95Vitesse
CPU ONNX
(ms)
Vitesse
T4 TensorRT10
(ms)
paramètres
(M)
FLOPs
(B)
YOLOv5n64028.0-1.121.94.5
YOLOv5s64037.4-1.927.216.5
YOLOv5m64045.4-4.0321.249.0
YOLOv5l64049.0-6.6146.5109.1
YOLOv5x64050.7-11.8986.7205.7
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

DAMO-YOLO atteint un mAP supérieur à celui de YOLOv5 pour un nombre de paramètres comparable ; par exemple, DAMO-YOLOs atteint 46.0 mAP avec 16.3M paramètres, contre 45.4 mAP pour YOLOv5m et ses 21.2M paramètres. YOLOv5 offre les vitesses TensorRT les plus élevées et le nombre de paramètres le plus faible dans ses configurations nano et small, ce qui convient aux déploiements périphériques soumis à des contraintes de latence.

Efficacité de l’entraînement et écosystème#

La précision théorique d'un modèle ne vaut que si celui-ci peut être mis en œuvre concrètement. C'est sur ce point que les modèles divergent considérablement.

La complexité de la distillation#

DAMO-YOLO repose fortement sur une méthode d'entraînement en plusieurs étapes. Il associe l'attribution des étiquettes AlignedOTA à une technique de distillation des connaissances enseignant-élève. Bien que cette méthode tire le meilleur parti du modèle élève, elle nécessite d'abord l'entraînement d'un grand modèle enseignant. Cela augmente le temps de calcul, les coûts énergétiques et les besoins en matériel, ce qui peut ralentir les petites équipes de ML.

L’avantage d’Ultralytics : simplicité d’utilisation#

À l'inverse, l'écosystème Ultralytics est réputé pour ses API intuitives et son efficacité d'entraînement. Grâce à un développement actif et à une vaste communauté open source, il permet aux développeurs d'entraîner, de valider et de déployer des modèles avec une configuration minimale.

from ultralytics import YOLO

# Charger un modèle YOLOv5 préentraîné
model = YOLO("yolov5su.pt")  # YOLOv5u : poids YOLOv5 sans ancres pour le package ultralytics

# Entraîner sur le jeu de données d’exemple COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Exporter au format ONNX pour le déploiement
model.export(format="onnx")

Ultralytics propose également un suivi des expériences intégré grâce à des intégrations comme Weights & Biases et Comet.

Cas d'utilisation concrets#

  • YOLOv5 convient aux environnements de production au rythme soutenu. Sa facilité d'exportation en fait un choix courant pour l'analyse du commerce de détail intelligent, la détection à grande vitesse de défauts de fabrication et les applications mobiles via CoreML.
  • DAMO-YOLO convient à l'évaluation comparative universitaire et aux situations où des ressources de calcul suffisantes sont disponibles pour de longs entraînements par distillation visant à gagner des points de mAP sur du matériel spécifique et fixe.

Cas d’utilisation et recommandations#

Le choix entre YOLOv5 et DAMO-YOLO dépend de tes exigences de projet, de tes contraintes de déploiement et de tes préférences en matière d'écosystème.

Quand choisir YOLOv5#

YOLOv5 est un excellent choix pour :

  • Systèmes éprouvés en production : déploiements existants où la longue expérience de stabilité de YOLOv5, sa documentation complète et sa vaste communauté sont appréciées.
  • Entraînement avec des ressources limitées : les environnements disposant de ressources GPU limitées, où le pipeline d’entraînement efficace de YOLOv5 et ses besoins en mémoire réduits sont avantageux.
  • Prise en charge étendue des formats d’exportation : les projets qui nécessitent un déploiement dans de nombreux formats, notamment ONNX, TensorRT, CoreML et LiteRT.

Quand choisir DAMO-YOLO#

DAMO-YOLO est recommandé 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 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, sur lesquels YOLO26n est jusqu’à 43 % plus rapide que YOLO11n sur CPU.
  • Détection de petits objets : scénarios difficiles comme les images aériennes capturées par drone ou l’analyse de capteurs IoT, où ProgLoss et STAL améliorent la précision sur les objets minuscules.

La prochaine évolution : YOLO26#

Si tu démarres un nouveau projet, envisage Ultralytics YOLO26, qui s'appuie sur les fondations de YOLOv5 et apporte plusieurs avancées architecturales et d'entraînement.

Pourquoi passer à YOLO26 ?

YOLO26 propose une conception de bout en bout sans NMS : sa tête facultative one-to-one (nms=False) évite le post-traitement par suppression des non-maxima pour un déploiement plus rapide et plus simple.

Principales innovations de YOLO26 :

  • Optimiseur MuSGD : inspiré des innovations de l'entraînement des LLM, cet hybride de SGD et Muon assure un entraînement stable et une convergence rapide.
  • Inférence CPU jusqu'à 43 % plus rapide : YOLO26n s'exécute jusqu'à 43 % plus rapidement que YOLO11n sur CPU, ce qui le rend adapté à l'informatique en périphérie et aux appareils IoT sans GPU dédié.
  • ProgLoss + STAL : une perte progressive et une stratégie d'attribution des étiquettes tenant compte des petites cibles améliorent la reconnaissance des petits objets, essentielle pour l'imagerie aérienne par drone et la robotique.
  • Améliorations propres aux tâches : de la perte angulaire spécialisée pour les boîtes englobantes orientées (OBB) à l'estimation de vraisemblance logarithmique résiduelle (RLE) pour une estimation de pose précise, YOLO26 apporte des améliorations à chaque tâche prise en charge.

Conclusion#

YOLOv5 et DAMO-YOLO ont tous deux marqué l'histoire de la détection d'objets. DAMO-YOLO reste un cas d'étude intéressant en recherche d'architectures neuronales et en distillation. Pour les organisations qui privilégient un écosystème bien maintenu, la facilité d'utilisation et un passage rapide en production, les modèles Ultralytics sont le meilleur choix.

Utilise la plateforme Ultralytics pour annoter, entraîner et déployer des modèles plus récents comme YOLO26, afin de créer une chaîne de traitement de vision par ordinateur rapide, précise et facile à maintenir.

Pour aller plus loin#

  • Découvre le modèle RT-DETR fondé sur Transformer pour les applications qui exigent une grande précision.
  • Découvre le modèle YOLO11 de la génération précédente.
  • Découvre comment optimiser les déploiements avec OpenVINO.

Commentaires

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