DAMO-YOLO vs YOLOv9#

Il panorama del rilevamento di oggetti in tempo reale continua a evolversi a un ritmo vertiginoso. Mentre i team di ingegneria e i ricercatori cercano il perfetto equilibrio tra accuratezza, velocità di inferenza ed efficienza computazionale, dalla comunità di ricerca sono emerse due architetture degne di nota: DAMO-YOLO e YOLOv9. Entrambi i modelli introducono importanti innovazioni architetturali, con l'obiettivo di ampliare i limiti di ciò che è possibile fare nella visione artificiale.

Questa guida tecnica dettagliata fornisce un'analisi approfondita di questi due modelli, confrontandone gli approcci architetturali distintivi, le metodologie di addestramento e le capacità di distribuzione nel mondo reale. Esamineremo inoltre come il più ampio ecosistema software svolga un ruolo fondamentale nello sviluppo moderno dell'AI, evidenziando i vantaggi di piattaforme integrate come la Ultralytics Platform e di modelli di nuova generazione come YOLO26.

Riepilogo esecutivo: scegliere l'architettura giusta#

Sebbene entrambi i modelli rappresentino importanti traguardi nella ricerca sul deep learning, rispondono a filosofie di distribuzione leggermente diverse.

DAMO-YOLO eccelle negli ambienti in cui è possibile utilizzare un'intensa Ricerca dell'architettura neurale (NAS) per ottenere profili prestazionali specifici, risultando quindi interessante per la distribuzione edge personalizzata. YOLOv9, invece, si concentra soprattutto sulla risoluzione dei colli di bottiglia informativi del deep learning, offrendo un'efficienza dei parametri eccezionalmente elevata.

Tuttavia, per le distribuzioni pronte per la produzione, i team di ingegneria raccomandano costantemente di sfruttare l'ecosistema Ultralytics unificato. Per i nuovi progetti, il modello YOLO26 più recente offre il meglio di entrambi gli approcci: accuratezza all'avanguardia combinata con una progettazione nativa end-to-end che elimina la necessità di post-processing complessi.

Specifiche tecniche e autori#

Comprendere le origini e l'ambito di sviluppo di questi modelli fornisce un contesto essenziale per le rispettive caratteristiche distintive.

DAMO-YOLO#

Sviluppato dai ricercatori di Alibaba Group, DAMO-YOLO si concentra fortemente sulla generazione automatizzata dell'architettura e sulla fusione efficiente delle caratteristiche.

• Autori: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang e Xiuyu Sun
• Organizzazione: Alibaba Group
• Data di rilascio: 23 novembre 2022
• Articolo su Arxiv: Articolo di ricerca su DAMO-YOLO
• GitHub ufficiale: Repository tinyvision/DAMO-YOLO
• Documentazione: README di DAMO-YOLO

YOLOv9#

Presentato come soluzione alla perdita di informazioni nelle reti convoluzionali profonde, YOLOv9 spinge i limiti teorici della conservazione dei gradienti durante l'addestramento.

• Autori: Chien-Yao Wang e Hong-Yuan Mark Liao
• Organizzazione: Institute of Information Science, Academia Sinica, Taiwan
• Data di rilascio: 21 febbraio 2024
• Articolo su Arxiv: Articolo di ricerca su YOLOv9
• GitHub ufficiale: Repository WongKinYiu/yolov9
• Documentazione: Documentazione Ultralytics di YOLOv9

Scopri di più su YOLOv9

Innovazioni architetturali#

DAMO-YOLO: guidato dalla Ricerca dell'architettura neurale#

DAMO-YOLO si distingue per i componenti fortemente personalizzati e generati automaticamente. Il suo backbone viene generato tramite la Ricerca dell'architettura neurale (NAS), con un'attenzione specifica all'inferenza a bassa latenza su hardware diversi.

L'architettura presenta un'efficiente RepGFPN (Rete generalizzata di piramidi delle caratteristiche riparametrizzata) per la fusione delle caratteristiche, che migliora il rilevamento di oggetti su più scale senza aumentare eccessivamente il carico computazionale. Inoltre, utilizza una progettazione ZeroHead per semplificare la detection head e impiega AlignedOTA per l'assegnazione delle label, abbinata a un sofisticato processo di miglioramento tramite distillazione durante l'addestramento. Sebbene queste tecniche producano un'inferenza rapida, il processo di distillazione in più fasi richiede spesso una quantità significativa di VRAM e tempi di addestramento prolungati.

YOLOv9: risolvere il collo di bottiglia informativo#

YOLOv9 affronta un problema fondamentale delle reti profonde: la graduale perdita delle informazioni dei dati di input mentre attraversano strati successivi.

Per contrastare questo problema, gli autori hanno introdotto le Informazioni programmabili sui gradienti (PGI), un framework di supervisione ausiliaria progettato per conservare i dettagli cruciali negli strati profondi e generare gradienti altamente affidabili per gli aggiornamenti dei pesi. Insieme a PGI troviamo l'architettura GELAN (Rete generalizzata ed efficiente di aggregazione degli strati). GELAN ottimizza l'efficienza dei parametri combinando i punti di forza di CSPNet ed ELAN, massimizzando il flusso di informazioni e riducendo al minimo le operazioni in virgola mobile (FLOPs).

Analisi delle prestazioni e metriche#

Nella valutazione delle prestazioni, entrambi i modelli dimostrano una precisione media media (mAP) elevata su benchmark standard come COCO. YOLOv9 raggiunge una maggiore accuratezza assoluta a parità di dimensioni del modello, sfruttando la propria architettura PGI per mantenere un'elevata fedeltà sui dataset più difficili.

Come mostrato sopra, YOLOv9-E raggiunge la massima accuratezza, mentre le varianti più piccole di DAMO-YOLO e YOLOv9 mantengono velocità di inferenza altamente competitive grazie alle ottimizzazioni TensorRT.

Metodologie di addestramento ed ecosistema#

Sebbene l'architettura in sé sia importante, per le applicazioni nel mondo reale sono fondamentali l'usabilità e l'efficienza dell'addestramento determinate dall'ecosistema del modello.

La dipendenza di DAMO-YOLO dalla distillazione della conoscenza richiede spesso l'addestramento di un ingombrante modello "insegnante" prima di trasferire la conoscenza al modello "studente" target. Questo approccio di ricerca tradizionale aumenta significativamente i requisiti di memoria e la durata dei cicli di addestramento. Analogamente, il repository originale di YOLOv9 richiede di gestire file di configurazione complessi, che possono rallentare lo sviluppo agile.

Al contrario, l'integrazione dei modelli nella Ultralytics Platform trasforma completamente l'esperienza degli sviluppatori. Il pacchetto Python di Ultralytics astrae il codice ripetitivo, consentendo ai team di gestire senza difficoltà l'aumento dei dati, la regolazione degli iperparametri e l'esportazione dei modelli.

Applicazioni e casi d'uso nel mondo reale#

Architetture diverse eccellono naturalmente in settori specifici, in base ai requisiti di risorse e ai profili di accuratezza.

• DAMO-YOLO nell'Edge AI: Grazie ai suoi backbone ottimizzati con la NAS, DAMO-YOLO viene spesso esplorato nei sistemi embedded in cui la riparametrizzazione specifica per l'hardware è una stretta necessità, come il deployment di ASIC personalizzati nel controllo qualità della produzione di base.
• YOLOv9 nell'analisi di precisione: grazie all'elevata efficienza dei parametri e alla conservazione dei gradienti guidata da PGI, YOLOv9 è eccellente negli scenari di rilevamento denso di oggetti, come l'analisi di immagini aeree o il tracciamento di oggetti di piccole dimensioni in ambienti di vendita al dettaglio affollati.

Casi d'uso e raccomandazioni#

La scelta tra DAMO-YOLO e YOLOv9 dipende dai requisiti specifici del tuo progetto, dai vincoli di distribuzione e dalle preferenze relative all'ecosistema.

Quando scegliere DAMO-YOLO#

DAMO-YOLO è una scelta solida per:

• Analisi video ad alta produttività: Elaborazione di flussi video ad alto FPS su infrastrutture GPU NVIDIA fisse, dove la produttività con batch-1 è la metrica principale.
• Linee di produzione industriale: Scenari con rigorosi vincoli di latenza GPU su hardware dedicato, come l'ispezione della qualità in tempo reale sulle linee di assemblaggio.
• Ricerca sulla ricerca dell'architettura neurale: Studio degli effetti della ricerca automatizzata dell'architettura (MAE-NAS) e dei backbone efficienti riparametrizzati sulle prestazioni di rilevamento.

Quando scegliere YOLOv9#

YOLOv9 è consigliato per:

• Ricerca sui colli di bottiglia informativi: progetti accademici che studiano le architetture basate sulle Informazioni programmabili sul gradiente (PGI) e sulla Rete generalizzata per l'aggregazione efficiente dei livelli (GELAN).
• Studi sull'ottimizzazione del flusso del gradiente: ricerche incentrate sulla comprensione e sulla mitigazione della perdita di informazioni nei livelli delle reti profonde durante l'addestramento.
• Benchmarking del rilevamento ad alta accuratezza: scenari in cui le solide prestazioni di YOLOv9 sul benchmark COCO sono necessarie come punto di riferimento per confronti architetturali.

Quando scegliere Ultralytics (YOLO26)#

Per la maggior parte dei nuovi progetti, Ultralytics YOLO26 offre la migliore combinazione di prestazioni ed esperienza per gli sviluppatori:

• Deployment edge senza NMS: applicazioni che richiedono un'inferenza coerente e a bassa latenza senza la complessità della post-elaborazione con Soppressione non massima.
• Ambienti esclusivamente CPU: dispositivi privi di accelerazione GPU dedicata, dove l'inferenza su CPU fino al 43% più veloce di YOLO26 offre un vantaggio decisivo.
• Rilevamento di oggetti piccoli: scenari complessi come le immagini aeree riprese da droni o l'analisi di sensori IoT, in cui ProgLoss e STAL migliorano significativamente l'accuratezza sugli oggetti di piccole dimensioni.

Il vantaggio di Ultralytics: il passaggio a YOLO26#

Per gli utenti che confrontano architetture legacy, il passaggio al moderno ecosistema Ultralytics, in particolare ai modelli YOLO26 più recenti, offre un vantaggio senza pari.

YOLO26 modifica radicalmente lo scenario della distribuzione grazie alla sua progettazione end-to-end senza NMS. Eliminando completamente il post-processing della Soppressione non massima (NMS), offre architetture di distribuzione più rapide e notevolmente più semplici. Grazie anche alla rimozione della Perdita focale della distribuzione (DFL), YOLO26 offre una compatibilità superiore con i dispositivi edge e a basso consumo.

Inoltre, YOLO26 integra il rivoluzionario ottimizzatore MuSGD, un ibrido tra la Discesa del gradiente stocastico e le ottimizzazioni Muon, ispirato alle innovazioni dell'addestramento degli LLM. Questo garantisce una convergenza dell'addestramento altamente stabile, mantenendo al contempo un utilizzo della memoria notevolmente ridotto rispetto alle alternative basate in larga misura sui Transformer.

from ultralytics import YOLO

# Load the latest NMS-free YOLO26 model
model = YOLO("yolo26n.pt")

# Train on your custom dataset efficiently
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Export the trained model to ONNX format
model.export(format="onnx")

Che tu abbia bisogno di una segmentazione delle istanze avanzata, di una stima della posa altamente accurata o del rilevamento standard delle bounding box, la versatilità del framework Ultralytics garantisce che il tuo team dedichi meno tempo alla configurazione degli ambienti di deep learning e più tempo alla distribuzione di solide soluzioni di AI. Grazie a miglioramenti specifici per le attività, come ProgLoss + STAL per un riconoscimento più efficace degli oggetti piccoli, YOLO26 si afferma come la scelta principale per la prossima generazione di applicazioni di visione artificiale.