Vai al contenuto

YOLO YOLOv7: un'analisi approfondita del rilevamento di oggetti in tempo reale

Il 2022 ha segnato un momento cruciale nell'evoluzione della visione artificiale, con il lancio di due architetture di grande influenza: YOLO e YOLOv7. Entrambi i modelli hanno cercato di ridefinire i confini del compromesso tra velocità e precisione, ma hanno affrontato questa sfida partendo da filosofie ingegneristiche fondamentalmente diverse.

YOLO, sviluppato da Alibaba Group, sfrutta la ricerca dell'architettura neurale (NAS) e una pesante riparametrizzazione per ottenere il massimo rendimento dall'hardware. Al contrario, YOLOv7, creato dagli autori di YOLOv4, si concentra sull'ottimizzazione dei percorsi di propagazione del gradiente e sulle strategie di addestramento "bag-of-freebies" per ottenere una precisione all'avanguardia.

Questa guida fornisce un rigoroso confronto tecnico tra questi due modelli, analizzandone l'architettura, le metriche di prestazione e l'idoneità alle moderne applicazioni di visione artificiale. Esploreremo anche come il panorama sia cambiato con l'introduzione di Ultralytics , che integra il meglio di questi approcci tradizionali in un framework unificato e intuitivo.

Metriche di performance e benchmark

Per comprendere le differenze pratiche tra queste architetture, è essenziale esaminare le loro prestazioni su benchmark standard come il COCO . La tabella seguente mette a confronto i modelli in base alla precisione media (mAP), alla velocità di inferenza (latenza) e alla complessità computazionale.

Modellodimensione
(pixel)		mAPval
50-95		Velocità
CPU ONNX
(ms)		Velocità
T4 TensorRT10
(ms)		parametri
(M)		FLOPs
(B)
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
YOLOv7l64051.4-6.8436.9104.7
YOLOv7x64053.1-11.5771.3189.9

Come illustrano i dati, YOLOv7 domina generalmente in termini di accuratezza grezza, con la variante YOLOv7 che raggiunge un notevole mAP del 53,1%. Ciò lo rende un forte candidato per scenari in cui la precisione è imprescindibile, come l'analisi di immagini mediche o la revisione di documenti forensi. Tuttavia, YOLO eccelle in termini di efficienza, in particolare con la sua variante "Tiny", che offre una latenza estremamente bassa (2,32 ms) su hardware TensorRT, rendendolo adatto allo smistamento industriale ad alta velocità.

Innovazioni Architetturali

La differenza fondamentale tra questi due modelli risiede nel modo in cui sono state concepite le loro architetture.

YOLO: L'approccio NAS

YOLO Distillation-Augmented MOdel) si basa in larga misura sulla ricerca dell'architettura neurale (NAS). Anziché creare manualmente ogni blocco, gli autori hanno utilizzato un metodo chiamato MAE-NAS per individuare automaticamente strutture backbone efficienti.

  • RepGFPN: introduce una rete piramidale generalizzata riparametrizzata efficiente. Ciò consente una fusione multiscala superiore delle caratteristiche, garantendo il rilevamento efficace sia degli oggetti piccoli che di quelli grandi.
  • ZeroHead: Per ridurre il costo computazionale della testa di rilevamento,YOLO una strategia "ZeroHead", semplificando gli strati finali per risparmiare millisecondi critici durante l'inferenza.
  • Distillazione: una parte fondamentale del processo di formazione consiste nella distillazione intensiva delle conoscenze, in cui un modello insegnante più grande guida il modello studente più piccolo, aumentando la precisione senza aggiungere costi di inferenza.

YOLOv7: Ottimizzazione del percorso del gradiente

YOLOv7 sui "trainable bags-of-freebies", ottimizzazioni che migliorano la precisione durante l'addestramento senza aumentare il costo dell'inferenza.

  • E-ELAN: la rete Extended Efficient Layer Aggregation Network è la spina dorsale di YOLOv7. Crea un'architettura che consente alla rete di apprendere più caratteristiche controllando i percorsi di gradiente più brevi e più lunghi, garantendo una convergenza efficiente della rete.
  • Scalabilità del modello: a differenza delle versioni precedenti che si limitavano ad ampliare o approfondire la rete, YOLOv7 questi attributi di scalabilità, mantenendo un equilibrio ottimale per i diversi vincoli hardware.
  • Testa ausiliaria: il processo di addestramento utilizza una testa ausiliaria per fornire una supervisione approfondita, aiutando gli strati intermedi ad apprendere caratteristiche ricche.

Scopri di più su YOLOv7

L'alternativa moderna: Ultralytics

SebbeneYOLO YOLOv7 risultati ingegneristici significativi, il settore ha registrato rapidi progressi. Per gli sviluppatori che iniziano nuovi progetti nel 2026, Ultralytics offre una soluzione unificata che supera i limiti di entrambi i modelli precedenti.

YOLO26 non è solo un aggiornamento incrementale, ma un vero e proprio cambiamento di paradigma progettato per un mondo che privilegia l'edge computing. Incorpora l'elevata precisione associata a YOLOv7 gli obiettivi di efficienza diYOLO, ma con una usabilità superiore e innovazioni architetturali all'avanguardia.

Vantaggi principali di YOLO26

  1. Progettazione end-to-end NMS: a differenza di YOLOv7, che richiede la soppressione non massima (NMS) per filtrare i rilevamenti duplicati, YOLO26 è nativamente end-to-end. Ciò elimina la varianza di latenza causata dalla NMS , con conseguente velocità di inferenza deterministica fondamentale per la robotica in tempo reale.
  2. Ottimizzatore MuSGD: ispirato alle innovazioni nella formazione dei modelli linguistici di grandi dimensioni (LLM) (in particolare Kimi K2 di Moonshot AI), YOLO26 utilizza l'ottimizzatore MuSGD. Questo ibrido di SGD Muon offre una stabilità senza precedenti alla formazione della visione artificiale, consentendo ai modelli di convergere più rapidamente con un numero inferiore di epoche.
  3. Efficienza Edge-First: eliminando la Distribution Focal Loss (DFL), YOLO26 semplifica il grafico del modello per l'esportazione. Ciò si traduce in CPU fino al 43% più veloce rispetto alle generazioni precedenti, rendendolo la scelta ideale per dispositivi come Raspberry Pi o telefoni cellulari privi di GPU.
  4. ProgLoss + STAL: l'integrazione di Programmable Loss (ProgLoss) e Soft-Target Anchor Labeling (STAL) offre vantaggi significativi nel rilevamento di oggetti di piccole dimensioni, un punto debole tradizionale dei modelli più leggeri comeYOLO.

Flusso di lavoro semplificato con Ultralytics

Il passaggio dai repository di ricerca alla produzione è spesso complicato a causa della frammentazione dei codici. La Ultralytics risolve questo problema offrendo un'interfaccia unificata. È possibile addestrare un modello YOLO26, track e implementare formati come ONNX o CoreML un solo clic, in netto contrasto con gli script di esportazione manuale richiesti daYOLO.

Scopri di più su YOLO26

Usabilità ed ecosistema

L'architettura di un modello è solo metà della storia; l'ecosistema determina la facilità con cui è possibile implementarlo.

YOLO è principalmente un archivio di ricerca. Sebbene il codice sia open source, manca di un'API standardizzata che ne faciliti l'integrazione in Python più grandi. Gli utenti spesso devono gestire manualmente i caricatori di dati, i file di configurazione e gli script di esportazione.

YOLOv7 ha migliorato questo aspetto con una documentazione più completa, ma si basa ancora su un flusso di lavoro più tradizionale basato su script (train.py, detect.py).

Ultralytics i modelli danno priorità alla facilità d'uso. La libreria fornisce un'API Python che tratta i modelli come oggetti. Ciò consente una perfetta integrazione negli stack software esistenti.

from ultralytics import YOLO

# Load the cutting-edge YOLO26 model
model = YOLO("yolo26n.pt")

# Train on a custom dataset with MuSGD optimizer enabled automatically
results = model.train(data="coco8.yaml", epochs=100)

# Run inference with NMS-free speed
# No post-processing steps required by the user
results = model("https://ultralytics.com/images/bus.jpg")

Inoltre, Ultralytics sono rinomati per la loro versatilità. MentreYOLO strettamente un rilevatore di oggetti, il Ultralytics supporta la classificazione delle immagini, la segmentazione delle istanze, la stima della posa e il rilevamento Oriented Bounding Box (OBB). Ciò consente a un unico team di gestire diverse attività di visione artificiale utilizzando un'unica libreria ben mantenuta.

Efficienza e Risorse di Addestramento

L'addestramento dei modelli di visione moderni può richiedere molte risorse. YOLOv7 è noto per il suo "bag-of-freebies", che implica che il modello apprende in modo molto efficace, ma il processo di addestramento può essere pesante in termini di VRAM. L'affidamento YOLO alla distillazione significa che è necessario eseguire effettivamente due modelli (insegnante e studente) durante l'addestramento, il che aumenta il sovraccarico di memoria e la complessità della pipeline di addestramento.

Ultralytics risponde alle esigenze di memoria ottimizzando l'architettura per un minor utilizzo CUDA . Ciò consente agli sviluppatori di utilizzare batch di dimensioni maggiori su GPU di livello consumer. Inoltre, la rimozione di componenti complessi come DFL e l'introduzione dell'ottimizzatore MuSGD garantiscono che l'addestramento non solo sia stabile, ma anche efficiente dal punto di vista computazionale.

Conclusione

SiaYOLO YOLOv7 un contributo fondamentale al campo dell'intelligenza artificiale. YOLOv7 i limiti di precisione grazie a ottimizzazioni personalizzate, mentreYOLO la potenza della ricerca automatizzata di architetture per applicazioni a bassa latenza.

Tuttavia, per gli sviluppatori alla ricerca di una soluzione robusta e a prova di futuro nel 2026, Ultralytics è la scelta più indicata. Combina l'elevata precisione tipica della YOLO con innovazioni moderne come il rilevamento NMS e ottimizzatori ispirati all'LLM. Supportato dalla vasta documentazione e dalla comunità attiva Ultralytics , YOLO26 offre il perfetto equilibrio tra prestazioni, facilità d'uso e flessibilità di implementazione.

YOLO

YOLOv7


Commenti