YOLOv8 contre DAMO-YOLO#

Le paysage de la vision par ordinateur évolue constamment, de nouvelles architectures améliorant les possibilités sur les appareils edge et les grands clusters cloud. Cette comparaison technique porte sur deux modèles remarquables de détection d’objets en temps réel : YOLOv8 et DAMO-YOLO. En examinant leurs architectures, leurs indicateurs de performance et leurs méthodes d’entraînement, les ingénieurs en apprentissage automatique peuvent prendre des décisions éclairées pour leurs pipelines de déploiement.

Origines et contexte des modèles#

Les deux modèles ont été présentés à peu près à la même époque, mais reposent sur des philosophies de conception et des objectifs de recherche différents.

Détails sur YOLOv8#

• Auteurs : Glenn Jocher, Ayush Chaurasia et Jing Qiu
• Organisation : Ultralytics
• Date : 2023-01-10
• GitHub : Dépôt GitHub d'Ultralytics
• Docs : Documentation officielle de YOLOv8

Détails sur DAMO-YOLO#

• Auteurs : Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang et Xiuyu Sun
• Organisation : groupe Alibaba
• Date : 2022-11-23
• arXiv : Article de recherche DAMO-YOLO
• GitHub : Dépôt GitHub de DAMO-YOLO

En savoir plus sur DAMO-YOLO

Innovations architecturales#

YOLOv8 : une architecture polyvalente sans ancres#

Ultralytics YOLOv8 a apporté des améliorations importantes par rapport à ses prédécesseurs et est devenu un modèle fiable largement adopté. Il possède une tête de détection sans ancres, qui réduit le nombre de prédictions de boîtes et accélère l’inférence. L’architecture utilise une tête découplée qui sépare les tâches de classification et de régression, ce qui améliore la précision des prédictions de boîtes englobantes.

De plus, YOLOv8 utilise la perte focale de distribution (DFL) avec la perte CIoU, ce qui améliore sa capacité à localiser précisément les contours des objets, en particulier ceux des cibles plus petites ou occultées. Son backbone rationalisé est optimisé pour l’exécution sur GPU et CPU.

DAMO-YOLO : guidé par la recherche d’architecture#

DAMO-YOLO adopte une approche différente et s’appuie largement sur la recherche d’architectures neuronales (NAS) pour concevoir automatiquement son backbone. L’équipe d’Alibaba a introduit « MAE-NAS » afin de trouver des structures offrant un compromis optimal entre latence et précision spécifiquement avec l’accélération TensorRT.

Le modèle intègre un RepGFPN (réseau pyramidal de caractéristiques généralisé reparamétré) pour fusionner efficacement les caractéristiques, ainsi qu’une architecture « ZeroHead » qui réduit la charge de calcul de la tête de détection. Pendant l’entraînement, il utilise AlignedOTA pour l’assignation des étiquettes et s’appuie fortement sur un processus complexe de distillation des connaissances, qui nécessite un modèle enseignant plus grand pour superviser le modèle étudiant cible.

Performances et métriques#

Lors du déploiement de modèles de vision par ordinateur en production, il est essentiel de trouver un équilibre entre précision (mAP) et vitesse d’inférence. Le tableau ci-dessous présente les performances des deux modèles pour différentes tailles.

Pour les modèles les plus petits, DAMO-YOLOt et DAMO-YOLOs obtiennent un mAP supérieur à celui de YOLOv8n et YOLOv8s, mais utilisent davantage de paramètres ; à partir de la taille moyenne, YOLOv8 offre une meilleure précision. YOLOv8n (nano) ne nécessite que 3,2 millions de paramètres, contre 8,5 millions pour DAMO-YOLOt, ce qui le rend mieux adapté aux appareils mobiles ou aux environnements soumis à des limites de mémoire strictes. YOLOv8 propose également une gamme de tailles plus étendue, jusqu’à YOLOv8x, le modèle le plus précis ici, pour les charges de travail dans le cloud.

Expérience développeur et écosystème#

Facilité d’utilisation et efficacité de l’entraînement#

L’expérience utilisateur est l’un des principaux éléments qui différencient ces modèles. L’écosystème Ultralytics est conçu pour accélérer le développement. L’entraînement d’un modèle YOLOv8 personnalisé nécessite une quantité modérée de mémoire et s’effectue via une API Python unifiée ou une interface en ligne de commande.

À l’inverse, reproduire l’entraînement de DAMO-YOLO amélioré par distillation nécessite souvent de parcourir des fichiers de configuration complexes et de gérer le suivi d’expériences enseignant-étudiant en plusieurs étapes.

L’exemple suivant entraîne et exporte YOLOv8 avec Python :

from ultralytics import YOLO

# Charger un modèle YOLOv8 nano préentraîné
model = YOLO("yolov8n.pt")

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

# Exporter le modèle entraîné au format ONNX
path = model.export(format="onnx")

Polyvalence pour les tâches de vision#

DAMO-YOLO est exclusivement conçu pour la détection d’objets par boîtes englobantes. À l’inverse, l’architecture YOLOv8 prend nativement en charge plusieurs tâches. En changeant les poids du modèle, les développeurs peuvent effectuer la segmentation d’instances, la classification d’images et l’estimation de pose sans modifier leur base de code de déploiement, ce qui rend les modèles Ultralytics plus pratiques pour les applications multitâches.

Cas d'utilisation concrets#

Quand utiliser YOLOv8#

Grâce à sa combinaison de vitesse, de précision et de facilité de déploiement, YOLOv8 est idéal pour :

• Analyse du commerce de détail intelligent : effectuer le suivi d’objets pour surveiller le comportement des clients ou automatiser les contrôles d’inventaire.
• Robotique agricole : tirer parti de ses solides performances sur du matériel varié pour identifier des cultures ou des nuisibles en temps réel.
• Diagnostic médical : utiliser la segmentation d’instances pour cartographier rapidement et avec précision les anomalies dans les images médicales.
• Déploiements edge : l’export intégré vers des formats comme OpenVINO et CoreML rend YOLOv8 bien adapté aux appareils aux ressources limitées.

Quand utiliser DAMO-YOLO#

DAMO-YOLO peut être utile dans certains cas précis, notamment :

• Recherche universitaire sur la NAS : pour les équipes qui étudient la reparamétrisation ou les méthodes de conception automatisée d’architectures.
• Pipelines strictement limités par le GPU : applications exécutées exclusivement sur du matériel NVIDIA spécifique, dont les structures conçues par NAS ont été optimisées pour l’exécution avec TensorRT.

Cas d’utilisation et recommandations#

Le choix entre YOLOv8 et DAMO-YOLO dépend des exigences spécifiques de ton projet, des contraintes de déploiement et de tes préférences en matière d’écosystème.

Quand choisir YOLOv8#

YOLOv8 est un bon choix pour :

• Déploiement polyvalent multitâche : projets nécessitant un modèle éprouvé pour la détection, la segmentation, la classification et l’estimation de pose dans l’écosystème Ultralytics.
• Systèmes de production établis : les environnements de production existants déjà basés sur l’architecture YOLOv8 et dotés de pipelines de déploiement stables et bien testés.
• Large soutien de la communauté et de l’écosystème : les applications qui tirent parti des nombreux tutoriels, intégrations tierces et ressources communautaires actives de YOLOv8.

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 edge sans NMS : applications nécessitant une inférence cohérente à faible latence, sans la complexité du post-traitement par suppression non maximale (NMS).
• Environnements utilisant uniquement le CPU : les appareils dépourvus d’accélération GPU dédiée bénéficient d’un avantage décisif grâce à l’inférence CPU de YOLO26n, jusqu’à 43 % plus rapide que celle de YOLO11n.
• 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.

Perspectives : les nouveaux modèles Ultralytics#

YOLOv8 reste une solution fiable, mais le domaine de la vision par ordinateur évolue rapidement ; les utilisateurs devraient donc aussi envisager les générations plus récentes :

YOLO26 : la dernière génération, Ultralytics YOLO26, introduit une architecture native de bout en bout sans NMS (nms=False) qui élimine la latence liée au post-traitement NMS. L’optimiseur MuSGD (un hybride de SGD et Muon) stabilise l’entraînement, tandis que ProgLoss + STAL (perte progressive et assignation des étiquettes adaptée aux petites cibles) améliorent la détection des petits objets. Grâce à la suppression de DFL (Distribution Focal Loss), qui simplifie l’exportation et améliore la compatibilité avec les appareils de périphérie et à faible consommation, YOLO26n offre une inférence CPU jusqu’à 43 % plus rapide que YOLO11n, ce qui en fait un excellent choix pour l’informatique en périphérie.

YOLO11 : Ultralytics YOLO11 affine l’architecture de YOLOv8 et reste largement adopté par la communauté.

En conclusion, bien que DAMO-YOLO apporte des pistes de recherche utiles sur la recherche d’architectures, les modèles Ultralytics offrent un écosystème plus mature, polyvalent et adapté aux développeurs. Que tu conserves YOLOv8 ou passes à l’architecture YOLO26 sans NMS, Ultralytics te fournit une boîte à outils complète pour l’IA visuelle en temps réel.