DAMO-YOLO vs YOLOv10
Le architetture di rilevamento di oggetti in tempo reale si sono evolute rapidamente nella visione artificiale. DAMO-YOLO e YOLOv10 rappresentano due filosofie progettuali distinte: ricerca automatizzata dell'architettura e ottimizzazione end-to-end senza NMS. Entrambe migliorano accuratezza e velocità, ma le strutture sottostanti e i casi d'uso più adatti differiscono notevolmente.
DAMO-YOLO: ricerca di architetture neurali su larga scala#
Sviluppato da Alibaba Group, DAMO-YOLO è un rilevatore che usa la scoperta automatizzata dell'architettura per ottenere efficienza strutturale.
- Autori: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang e Xiuyu Sun
- Data: 23 novembre 2022
- arXiv: 2211.15444v2
- GitHub: tinyvision/DAMO-YOLO
Punti salienti dell'architettura#
DAMO-YOLO si affida ampiamente alla ricerca dell'architettura neurale (NAS) per bilanciare prestazioni e latenza. Il suo backbone, chiamato MAE-NAS, usa una ricerca guidata dalla massima entropia entro rigidi limiti computazionali per individuare la profondità e la larghezza ottimali dei layer.
Per gestire la fusione delle feature a diverse scale, il modello usa un RepGFPN efficiente (rete piramidale delle feature generalizzata riparametrizzata). Questa progettazione con un neck complesso è adatta all'estrazione di gerarchie spaziali articolate, rendendola utile in scenari come l'analisi di immagini aeree. DAMO-YOLO introduce anche ZeroHead, una testa di rilevamento snella che riduce notevolmente la complessità dei layer di predizione finali, e si affida a un processo di potenziamento tramite distillazione durante l'addestramento.
DAMO-YOLO utilizza spesso un processo di distillazione della conoscenza in più fasi. Richiede di addestrare un modello "insegnante" più pesante per guidare il modello "studente" più piccolo, ottenendo un mAP (precisione media) più elevato ma aumentando notevolmente il tempo di calcolo su GPU richiesto.
YOLOv10: rilevamento in tempo reale senza NMS#
Rilasciato un anno e mezzo dopo, YOLOv10 ha eliminato la necessità della soppressione non massima (NMS) durante l'inferenza.
- Autori: Ao Wang, Hui Chen, Lihao Liu, et al.
- Organizzazione: Università Tsinghua
- Data: 23 maggio 2024
- arXiv: 2405.14458
- Documentazione: Ultralytics YOLOv10
Punti salienti dell'architettura#
La caratteristica distintiva di YOLOv10 è l'uso di assegnazioni duali coerenti per l'addestramento senza NMS. I rilevatori tradizionali prevedono più riquadri di delimitazione sovrapposti per un singolo oggetto, rendendo necessaria la NMS per filtrare i duplicati. Questa fase di post-elaborazione crea un collo di bottiglia, soprattutto sui dispositivi edge. YOLOv10 risolve il problema consentendo al modello di prevedere naturalmente un unico riquadro di delimitazione accurato per ogni oggetto.
Gli autori si sono concentrati anche su una progettazione del modello che bilancia in modo olistico efficienza e accuratezza. Analizzando attentamente la ridondanza computazionale nelle architetture esistenti, hanno ottimizzato il backbone e la testa per ridurre il numero di FLOPs e parametri. Questa progettazione leggera conferisce a YOLOv10 una bassa latenza di inferenza quando viene esportato in formati come TensorRT o OpenVINO.
Prestazioni e benchmark#
La tabella seguente illustra le metriche di prestazione grezze sul dataset COCO. I migliori valori complessivi di ogni colonna sono evidenziati in grassetto.
| Modello | dimensione (pixel) | mAPval50-95 | Velocità CPU ONNX (ms) | Velocità T4 TensorRT10 (ms) | parametri (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 |
| YOLOv10n | 640 | 38.5 | - | 1.84 | 2.3 | 6.7 |
| YOLOv10s | 640 | 46.3 | - | 2.49 | 7.2 | 21.6 |
| YOLOv10m | 640 | 51.1 | - | 4.74 | 15.4 | 59.1 |
| YOLOv10b | 640 | 52.5 | - | 5.74 | 19.1 | 92.0 |
| YOLOv10l | 640 | 53.2 | - | 7.28 | 24.4 | 120.3 |
| YOLOv10x | 640 | 54.4 | - | 10.70 | 29.5 | 160.4 |
DAMO-YOLO offre un'accuratezza competitiva, ma YOLOv10 raggiunge un'accuratezza superiore a scale comparabili e usa pesi del modello notevolmente più piccoli. Per esempio, YOLOv10s raggiunge un mAP leggermente superiore a DAMO-YOLOs (46,3% contro 46,0%) usando meno della metà dei parametri (7,2 M contro 16,3 M). I minori requisiti di memoria fanno di YOLOv10 una scelta versatile per i sistemi embedded.
Efficienza e usabilità dell'addestramento#
Nel passaggio dalla ricerca accademica alla produzione, la facilità d'uso è fondamentale. Il processo di distillazione in più fasi e le complesse configurazioni NAS di DAMO-YOLO comportano una curva di apprendimento ripida per i team di progettazione.
YOLOv10, invece, beneficia della piena integrazione nel pacchetto Python Ultralytics. Addestrare un modello personalizzato richiede pochissimo codice boilerplate. Ultralytics gestisce automaticamente l'aumento dei dati, la regolazione degli iperparametri e il monitoraggio degli esperimenti.
from ultralytics import YOLO
# Carica un modello nano YOLOv10 preaddestrato
model = YOLO("yolov10n.pt")
# Addestra su un dataset personalizzato con validazione integrata
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Esegui l'inferenza su un'immagine
prediction = model("path/to/image.jpg")
prediction[0].show()L'ecosistema Ultralytics consente agli sviluppatori di passare da un prototipo a un modello ONNX esportato completo con poche righe di codice, evitando le complesse configurazioni degli ambienti richieste dai framework meno recenti.
Casi d’uso nel mondo reale#
- Retail intelligente (DAMO-YOLO): l'accuratezza di DAMO-YOLO è adatta agli ambienti server ad alta densità che analizzano il comportamento dei clienti, dove le GPU sono abbondanti e i colli di bottiglia della NMS in tempo reale sono gestibili.
- Veicoli autonomi (YOLOv10): l'architettura senza NMS offre una latenza prevedibile, fondamentale per i sistemi di sicurezza della guida autonoma.
- Automazione industriale (YOLOv10): rilevare difetti sulle linee di assemblaggio ad alta velocità richiede modelli che massimizzino la velocità di inferenza in tempo reale senza consumare grandi quantità di VRAM, rendendo YOLOv10 un ottimo candidato per il deployment edge.
Casi d'uso e consigli#
La scelta tra DAMO-YOLO e YOLOv10 dipende dai requisiti specifici del tuo progetto, dai vincoli di distribuzione e dalle preferenze relative all'ecosistema.
Quando scegliere DAMO-YOLO#
DAMO-YOLO è un'ottima scelta per:
- Analisi video ad alto throughput: elaborazione di flussi video ad alto FPS su infrastrutture GPU NVIDIA fisse, dove il throughput con batch di dimensione 1 è la metrica principale.
- Linee di produzione industriale: scenari con rigidi vincoli di latenza GPU su hardware dedicato, come l'ispezione della qualità in tempo reale sulle linee di assemblaggio.
- Ricerca sulla ricerca di architetture neurali: studio degli effetti della ricerca automatizzata delle architetture (MAE-NAS) e dei backbone efficienti riparametrizzati sulle prestazioni di rilevamento.
Quando scegliere YOLOv10#
YOLOv10 è consigliato per:
- Rilevamento in tempo reale senza NMS: applicazioni che traggono vantaggio dal rilevamento end-to-end senza soppressione non massima, riducendo la complessità della distribuzione.
- Compromesso equilibrato tra velocità e precisione: progetti che richiedono un buon equilibrio tra velocità di inferenza e precisione di rilevamento con modelli di diverse dimensioni.
- Applicazioni con latenza costante: scenari di distribuzione in cui i tempi di inferenza prevedibili sono fondamentali, ad esempio nella robotica o nei sistemi autonomi.
Quando scegliere Ultralytics (YOLO26)#
Per la maggior parte dei nuovi progetti, Ultralytics YOLO26 offre la combinazione migliore di prestazioni ed esperienza per gli sviluppatori:
- Distribuzione edge senza NMS: applicazioni che richiedono inferenza costante a bassa latenza senza la complessità della post-elaborazione con soppressione non massima.
- Ambienti solo CPU: dispositivi senza accelerazione GPU dedicata, in cui l'inferenza CPU fino al 43% più veloce di YOLO26 (YOLO26n rispetto a YOLO11n) offre un chiaro vantaggio.
- Rilevamento di oggetti di piccole dimensioni: scenari complessi come le immagini aeree acquisite da droni o l'analisi dei sensori IoT, in cui ProgLoss e STAL migliorano notevolmente la precisione sugli oggetti molto piccoli.
La prossima generazione: arriva Ultralytics YOLO26#
YOLOv10 ha gettato le basi per il rilevamento senza NMS, ma la tecnologia si è evoluta rapidamente. Per le applicazioni moderne, il modello Ultralytics YOLO26 combina prestazioni elevate e facilità d'uso, perfezionando le idee migliori delle generazioni precedenti per la produzione.
YOLO26 include una modalità end-to-end nativa (nms=False) che salta la post-elaborazione NMS, semplificando le pipeline di deployment sui dispositivi edge. La rimozione di Distribution Focal Loss (DFL) migliora inoltre la compatibilità con l'hardware IA edge a basso consumo.
Per quanto riguarda l'addestramento, YOLO26 introduce l'ottimizzatore MuSGD, un ibrido ispirato alle tecniche di addestramento dei modelli linguistici di grandi dimensioni (LLM), che rende l'addestramento più stabile e accelera la convergenza. Insieme a ProgLoss + STAL (funzione di perdita progressiva e assegnazione delle etichette consapevole degli oggetti piccoli), YOLO26 migliora il riconoscimento degli oggetti di piccole dimensioni, una funzionalità fondamentale per la conservazione della fauna selvatica e le operazioni con i droni.
YOLO26 è molto più di un rilevatore di oggetti. Offre miglioramenti specifici per ogni attività e supporta nativamente la segmentazione di istanze, la stima della posa tramite stima della log-verosimiglianza residua (RLE) e funzioni di perdita angolare specializzate per le bounding box orientate (OBB). Con un'inferenza su CPU fino al 43% più veloce per YOLO26n rispetto a YOLO11n, è la scelta consigliata per i team di progettazione agili.
Per la gestione centralizzata, l'annotazione e l'addestramento in cloud dei modelli YOLO26, la Ultralytics Platform offre un'interfaccia intuitiva che semplifica l'intero ciclo di vita della computer vision.
Gli sviluppatori interessati a esplorare altri progressi recenti possono valutare anche Ultralytics YOLO11 o il framework RT-DETR basato su Transformer per gli scenari che richiedono soluzioni architetturali diverse.
Commenti
Fai una domanda, condividi i tuoi risultati o aiuta qualcun altro.