DAMO-YOLO vs YOLOv7
La ricerca sulla visione artificiale ha prodotto modelli efficienti di rilevamento di oggetti, progettati per bilanciare accuratezza e costo computazionale. Due modelli degni di nota introdotti nel 2022 sono DAMO-YOLO e YOLOv7. Entrambi puntano alle attività di visione in tempo reale, ma raggiungono i propri risultati con architetture e metodi di addestramento molto diversi.
Questo confronto tecnico esamina gli approcci distinti dei due modelli, analizzandone le architetture, il potenziale di deployment e le metriche prestazionali, per aiutare gli ingegneri di machine learning a scegliere lo strumento più adatto alle proprie applicazioni di visione artificiale.
Origini e metadati dei modelli#
Prima dell'analisi tecnica, ecco il contesto di ciascun modello.
DAMO-YOLO#
Sviluppato da ricercatori di Alibaba Group, DAMO-YOLO è stato introdotto per ottimizzare sia la velocità sia la precisione tramite la ricerca automatizzata dell'architettura e la distillazione.
- Autori: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang e Xiuyu Sun
- Organizzazione: Alibaba Group
- Data: 23 novembre 2022
- arXiv: 2211.15444v2
- GitHub: tinyvision/DAMO-YOLO
YOLOv7#
Rilasciato a metà del 2022 come modello all'avanguardia per i rilevatori in tempo reale, YOLOv7 ha migliorato ulteriormente l'inferenza in tempo reale introducendo «bag of freebies» addestrabili senza aumentare i costi di deployment.
- Autori: Chien-Yao Wang, Alexey Bochkovskiy e Hong-Yuan Mark Liao
- Organizzazione: Institute of Information Science, Academia Sinica, Taiwan
- Data: 6 luglio 2022
- arXiv: 2207.02696
- Documentazione: Documentazione di YOLOv7
Ultralytics non pubblica pesi o file YAML di YOLOv7, quindi YOLOv7 non può essere addestrato in modo nativo con il pacchetto Ultralytics. I modelli YOLOv7 addestrati nel repository upstream possono essere esportati in ONNX o TensorRT ed eseguiti per l'inferenza con Ultralytics.
Innovazioni architetturali#
DAMO-YOLO: NAS e distillazione#
DAMO-YOLO integra diverse tecniche orientate all'efficienza:
- Backbone NAS: usa la ricerca dell'architettura neurale (NAS) per progettare automaticamente backbone efficienti (MAE-NAS), adattati agli ambienti in cui la latenza è un fattore critico.
- RepGFPN efficiente: una rete piramidale generalizzata delle caratteristiche modificata, che migliora notevolmente l'efficienza della fusione delle caratteristiche su più scale.
- ZeroHead e AlignedOTA: integra una testa di rilevamento leggera e una strategia ottimizzata di assegnazione delle etichette (AlignedOTA) per ridurre il carico computazionale.
- Miglioramento tramite distillazione: si basa ampiamente sulla distillazione della conoscenza durante l'addestramento per aumentare le prestazioni delle varianti di modelli più piccoli senza incrementare il numero di parametri.
YOLOv7: E-ELAN e bag-of-freebies#
YOLOv7 ha adottato un approccio di ingegneria strutturale, concentrandosi sull'ottimizzazione dei percorsi del gradiente e su strategie di addestramento robuste.
- Architettura E-ELAN: la rete estesa ed efficiente di aggregazione degli strati consente al modello di apprendere caratteristiche più diversificate controllando i percorsi dei gradienti più brevi e più lunghi, garantendo una convergenza efficace dell'apprendimento.
- Ridimensionamento del modello: introduce un metodo di ridimensionamento composto, adattato ai modelli basati sulla concatenazione, che ridimensiona simultaneamente profondità e larghezza per mantenere l'allineamento strutturale.
- Bag-of-freebies addestrabili: utilizza tecniche come le convoluzioni riparametrizzate (RepConv) senza connessioni di identità e strategie dinamiche di assegnazione delle etichette, che aumentano la precisione durante l'addestramento senza influire sulla velocità di inferenza.
Analisi delle prestazioni#
Quando si valutano mean Average Precision (mAP), velocità ed efficienza, entrambi i modelli offrono buone prestazioni, sebbene si rivolgano a segmenti leggermente diversi. YOLOv7 si concentra sulla distribuzione su GPU ad alta accuratezza, mentre le strutture derivate da NAS di DAMO-YOLO puntano a una bassa latenza con budget GPU limitati.
| 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 |
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
Come mostrano le metriche, DAMO-YOLO offre varianti leggere (come il modello tiny, con soli 8.5M di parametri), mentre YOLOv7 raggiunge un picco di accuratezza complessiva più alto: YOLOv7x ottiene 53.1 mAP sul dataset COCO.
I vantaggi dell’ecosistema Ultralytics#
Sebbene l'architettura teorica sia importante, la praticità di un modello dipende dal suo ecosistema. I modelli Ultralytics nativi, come YOLO26, beneficiano di un ecosistema ben mantenuto e di una notevole facilità d'uso.
- Equilibrio delle prestazioni: i modelli Ultralytics trovano costantemente un buon compromesso tra velocità di inferenza e accuratezza di rilevamento, risultando adatti sia ai dispositivi edge sia alla distribuzione dei modelli basata su cloud.
- Requisiti di memoria: a differenza dei modelli più pesanti basati su Transformer, i modelli Ultralytics YOLO richiedono poca memoria CUDA durante l'addestramento. Questo consente di usare dimensioni di batch maggiori e semplifica il processo di addestramento anche su hardware di fascia consumer.
- Versatilità: il framework Ultralytics va oltre il rilevamento degli oggetti e supporta attività come la segmentazione di istanze e la stima della posa, offrendo agli sviluppatori un toolkit completo per la visione artificiale.
Il pacchetto Ultralytics ti permette di passare rapidamente da un dataset a un modello completamente addestrato, grazie a data loader ottimizzati e pesi preaddestrati.
Esempio di codice: eseguire YOLOv7 con Ultralytics#
Dopo aver convertito un'esportazione ONNX upstream di YOLOv7 come descritto negli esempi di utilizzo di YOLOv7, puoi eseguirla con l'API Python di Ultralytics.
from ultralytics import YOLO
# Carica un modello ONNX di YOLOv7 convertito per Ultralytics
model = YOLO("yolov7-ultralytics.onnx", task="detect")
# Esegui l'inferenza
predictions = model.predict("https://ultralytics.com/images/bus.jpg", save=True)Il nuovo standard: ecco YOLO26#
Nel 2022, YOLOv7 e DAMO-YOLO hanno rappresentato progressi significativi, ma il campo dell'IA per la visione evolve rapidamente. Per i team che iniziano oggi nuovi progetti, il modello consigliato è Ultralytics YOLO26, rilasciato a gennaio 2026.
YOLO26 migliora sia le prestazioni sia l'usabilità:
- Design end-to-end senza NMS: YOLO26 offre una testa end-to-end nativa (
nms=False). Eliminando la post-elaborazione Non-Maximum Suppression (NMS), consente una logica di distribuzione più rapida e semplice, un approccio introdotto per la prima volta con YOLOv10. - Ottimizzatore MuSGD: ispirato alle tecniche di addestramento dei modelli linguistici di grandi dimensioni, come quelle usate per Kimi K2 di Moonshot AI, YOLO26 utilizza una combinazione di SGD e Muon per garantire dinamiche di addestramento stabili e una convergenza più rapida.
- Inferenza su CPU fino al 43% più veloce: grazie alla rimozione della Distribution Focal Loss (DFL) e a un'architettura snellita, YOLO26 è ottimizzato per l'edge computing a basso consumo; YOLO26n è fino al 43% più veloce di YOLO11n su CPU.
- ProgLoss + STAL: una nuova loss progressiva e un'assegnazione delle etichette consapevole degli oggetti piccoli, progettate per migliorare esplicitamente il riconoscimento degli oggetti piccoli, una capacità essenziale per le applicazioni di immagini aeree, robotica e monitoraggio della sicurezza.
- Miglioramenti specifici per attività: oltre al rilevamento standard, YOLO26 introduce miglioramenti mirati per diverse attività, tra cui la prototipazione multi-scala per la segmentazione, RLE per la stima della posa e funzioni di perdita angolare specifiche per i riquadri delimitatori orientati (OBB).
Casi d'uso ideali#
La scelta dell'architettura giusta dipende dall'ambiente di distribuzione di destinazione e dai vincoli del progetto.
Quando scegliere DAMO-YOLO:
- Stai distribuendo il modello su hardware GPU dedicato con requisiti di latenza rigorosi, dove le varianti compatte di DAMO-YOLO, individuate tramite NAS, mantengono basso il numero di parametri.
- Stai facendo ricerca sulla ricerca di architetture neurali o sulla distillazione della conoscenza.
Quando scegliere YOLOv7:
- Hai pipeline GPU legacy già ottimizzate per l'inferenza basata su anchor e ad alta precisione.
- Operi in ambienti in cui la precisione in tempo reale è fondamentale, come i veicoli autonomi ad alta velocità o la robotica avanzata.
Quando scegliere YOLO26 (consigliato):
- Stai sviluppando da zero una nuova applicazione di visione artificiale e ti servono sia un'elevata accuratezza sia un'inferenza rapida su CPU e dispositivi edge.
- Ti serve una distribuzione rapida e semplice (ad esempio, l'esportazione in CoreML o TensorRT) senza dover gestire i vincoli degli operatori NMS.
- Vuoi sfruttare appieno le funzionalità della Ultralytics Platform per l'addestramento nel cloud, la gestione dei dataset e la distribuzione automatizzata.
Utilizzando l'ecosistema Ultralytics, gli sviluppatori possono ridurre significativamente i tempi di ingegnerizzazione mantenendo prestazioni predittive elevate nelle applicazioni del mondo reale.
Commenti
Fai una domanda, condividi i tuoi risultati o aiuta qualcun altro.