YOLOv8 contre DAMO-YOLO#

Le domaine de la vision par ordinateur évolue constamment, de nouvelles architectures repoussant les limites de ce qui est possible sur les appareils en périphérie et dans de vastes clusters cloud. Dans cette analyse technique approfondie, nous comparons deux modèles de détection d’objets en temps réel de premier plan : YOLOv8 et DAMO-YOLO. En examinant leurs architectures, leurs métriques de performance et leurs méthodes d’entraînement, les ingénieurs en ML 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 sur 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, consolidant sa réputation de modèle de pointe très fiable. Il dispose d’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 permet des prédictions de boîtes englobantes plus précises.

De plus, YOLOv8 met en œuvre la perte focale de distribution (DFL) en complément de la perte CIoU, ce qui améliore la capacité du modèle à localiser précisément les limites des objets, en particulier pour les cibles petites ou occultées. Son backbone rationalisé est hautement optimisé pour une 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’architecture neuronale (NAS) pour concevoir automatiquement son backbone. L’équipe Alibaba a présenté « MAE-NAS » pour 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.

YOLOv8 offre un équilibre exceptionnel entre les performances. Le modèle YOLOv8n (nano) nécessite seulement 3,2 millions de paramètres, contre 8,5 millions pour DAMO-YOLOt, ce qui le rend nettement supérieur pour les appareils mobiles ou les environnements soumis à des contraintes strictes de mémoire. De plus, YOLOv8 propose une gamme plus étendue de tailles, jusqu’au modèle YOLOv8x, très précis et destiné aux 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 facteurs de différenciation. L’écosystème Ultralytics est conçu pour accélérer le travail des développeurs. L’entraînement d’un modèle YOLOv8 personnalisé nécessite très peu de mémoire et peut être réalisé au moyen d’une API Python unifiée ou d’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.

Voici un exemple qui montre à quel point il est simple d’entraîner, de valider et d’exporter 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 strictement conçu pour la détection d’objets par boîtes englobantes. À l’inverse, l’architecture YOLOv8 prend nativement en charge plusieurs tâches. En changeant simplement les poids du modèle, les développeurs peuvent effectuer de la segmentation d’instances, de la classification d’images et de l’estimation de pose sans modifier leur code de déploiement sous-jacent. Cette polyvalence rend les modèles Ultralytics beaucoup plus pratiques pour les applications complexes.

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 différents matériels pour identifier les cultures ou les nuisibles en temps réel.
• Diagnostic médical : utiliser la segmentation d’instances pour cartographier rapidement et avec précision les anomalies dans les images médicales.
• Déploiements en périphérie : l’intégration fluide avec des formats d’exportation comme OpenVINO et CoreML permet à YOLOv8 d’exceller sur les appareils aux ressources limitées.

Quand utiliser DAMO-YOLO#

DAMO-YOLO peut être utile dans des cas particuliers, notamment :

• Recherche universitaire sur la NAS : pour les équipes qui étudient la reparamétrisation ou les méthodes de conception automatisée d’architectures.
• Pipelines exclusivement basés sur GPU : applications exécutées uniquement sur du matériel NVIDIA spécifique, où les structures NAS ont été fortement optimisées pour les limites d’exécution de 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 multi-tâches : les projets qui nécessitent 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 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 : les appareils dépourvus d’accélération GPU dédiée, où l’inférence CPU jusqu’à 43 % plus rapide de YOLO26 constitue un avantage décisif.
• 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.

Perspectives : les nouveaux modèles Ultralytics#

YOLOv8 reste un modèle de travail très fiable, mais le domaine de la vision par ordinateur évolue rapidement. Les utilisateurs devraient également envisager les générations plus récentes :

YOLO26 : la dernière génération, Ultralytics YOLO26, marque un changement de paradigme. Il introduit une conception native de bout en bout sans NMS (nms=False) qui élimine les goulots d’étranglement de latence liés au post-traitement par suppression des maxima non locaux. Grâce au nouvel optimiseur MuSGD (un hybride de SGD et de Muon) et aux fonctions de perte spécialisées ProgLoss + STAL, YOLO26 assure un entraînement remarquablement stable et améliore considérablement la reconnaissance des petits objets. Avec la suppression de DFL (la perte focale de distribution est supprimée pour simplifier l’exportation et améliorer la compatibilité avec les appareils en périphérie et à faible consommation), des ajustements architecturaux permettent une inférence CPU jusqu’à 43 % plus rapide que les générations précédentes, ce qui en fait le choix de référence pour l’informatique moderne en périphérie.

YOLO11 : autre excellente option, Ultralytics YOLO11 apporte des améliorations architecturales progressives par rapport à YOLOv8 et reste un modèle robuste, largement adopté par la communauté.

En conclusion, DAMO-YOLO apporte des perspectives universitaires intéressantes sur la recherche d’architecture, mais les modèles Ultralytics proposent un écosystème beaucoup plus mature, polyvalent et adapté aux développeurs. Que tu choisisses la stabilité éprouvée de YOLOv8 ou que tu passes à l’architecture sans NMS ultra-rapide de YOLO26, la gamme Ultralytics reste le meilleur choix pour l’IA de vision en temps réel.