DAMO-YOLO vs YOLOv9
Il rilevamento di oggetti in tempo reale continua a evolversi rapidamente. Mentre team di progettazione e ricercatori cercano il giusto 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 nella visione artificiale.
Questa guida tecnica analizza entrambi i modelli e ne confronta gli approcci architetturali, i metodi di addestramento e le capacità di deployment in scenari reali. Spiega inoltre il ruolo dell'ecosistema software più ampio nello sviluppo moderno dell'IA, mettendo in evidenza i vantaggi di piattaforme integrate come la Ultralytics Platform e dei modelli di nuova generazione come YOLO26.
Riepilogo esecutivo: scegliere l'architettura giusta#
Sebbene entrambi i modelli rappresentino tappe importanti nella ricerca sul deep learning, rispondono a filosofie di distribuzione leggermente diverse.
DAMO-YOLO dà il meglio quando la ricerca dell'architettura neurale (NAS) può essere usata per ottimizzare profili prestazionali specifici, rendendolo interessante per lo studio di deployment edge personalizzati. YOLOv9, invece, si concentra sulla risoluzione dei colli di bottiglia informativi nelle reti profonde, garantendo un'elevata efficienza dei parametri.
Per i deployment in produzione, tuttavia, il percorso consigliato è l'ecosistema Ultralytics unificato. Per i nuovi progetti, il modello YOLO26 più recente combina un'elevata accuratezza con una progettazione end-to-end opzionale che elimina la necessità di post-elaborazioni complesse.
DAMO-YOLO e YOLOv9 sono potenti modelli accademici, ma il loro deployment in produzione richiede spesso notevoli interventi di progettazione personalizzati. Ultralytics YOLO26 offre prestazioni elevate con un'API snella e facile da mantenere.
Specifiche tecniche e autori#
Le origini e gli obiettivi di sviluppo di questi modelli aiutano a contestualizzarne i rispettivi punti di forza.
DAMO-YOLO#
Sviluppato dai ricercatori di Alibaba Group, DAMO-YOLO si concentra soprattutto sulla generazione automatizzata di architetture 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 DAMO-YOLO
- GitHub ufficiale: Repository tinyvision/DAMO-YOLO
- Documentazione: README di DAMO-YOLO
YOLOv9#
Introdotto per risolvere il problema della perdita di informazioni nelle reti convoluzionali profonde, YOLOv9 si concentra sulla conservazione delle informazioni sul gradiente 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 YOLOv9
- GitHub ufficiale: Repository WongKinYiu/yolov9
- Documentazione: Documentazione Ultralytics su YOLOv9
Innovazioni architetturali#
DAMO-YOLO: guidato dalla ricerca dell'architettura neurale#
DAMO-YOLO si distingue per i suoi componenti personalizzati generati automaticamente. Il suo backbone viene generato tramite ricerca dell'architettura neurale (NAS), con l'obiettivo specifico di ottenere un'inferenza a bassa latenza su hardware diversi.
L'architettura include un RepGFPN efficiente (rete piramidale delle feature generalizzata riparametrizzata) per la fusione delle feature, che migliora il rilevamento di oggetti a più scale senza aumentare eccessivamente il carico computazionale. Usa inoltre una progettazione ZeroHead per semplificare la testa di rilevamento e AlignedOTA per l'assegnazione delle etichette, affiancati da un processo di potenziamento tramite distillazione della conoscenza durante l'addestramento. Queste tecniche garantiscono un'inferenza rapida, ma il processo di distillazione in più fasi richiede spesso molta 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 contenute nei dati di input man mano che attraversano i layer successivi.
Per affrontare questo problema, gli autori hanno introdotto le informazioni di gradiente programmabili (PGI), un framework di supervisione ausiliaria progettato per conservare dettagli cruciali nei layer profondi e generare gradienti affidabili per l'aggiornamento dei pesi. PGI è affiancato dall'architettura GELAN (rete generalizzata di aggregazione efficiente dei layer). 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 solida precisione media (mAP) su benchmark standard come COCO. YOLOv9 raggiunge una precisione superiore a parità di numero di parametri e la precisione assoluta più elevata nel complesso, sfruttando la sua architettura PGI per mantenere un'elevata fedeltà su dataset difficili.
| 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 |
| YOLOv9t | 640 | 38.3 | - | 2.3 | 2.0 | 7.7 |
| YOLOv9s | 640 | 46.8 | - | 3.54 | 7.2 | 26.7 |
| YOLOv9m | 640 | 51.4 | - | 6.43 | 20.1 | 76.8 |
| YOLOv9c | 640 | 53.0 | - | 7.16 | 25.5 | 102.8 |
| YOLOv9e | 640 | 55.6 | - | 16.77 | 58.1 | 192.5 |
Come mostrato sopra, YOLOv9-E raggiunge l'accuratezza più elevata, mentre le varianti più piccole di DAMO-YOLO e YOLOv9 mantengono velocità di inferenza competitive grazie alle ottimizzazioni TensorRT.
Metodologie di training ed ecosistema#
L'architettura in sé è importante, ma nelle applicazioni reali contano soprattutto la facilità d'uso e l'efficienza di addestramento dell'ecosistema di un modello.
La dipendenza di DAMO-YOLO dalla distillazione della conoscenza richiede spesso di addestrare un ingombrante modello "insegnante" prima di trasferire le conoscenze al modello "studente" di destinazione. Questo approccio di ricerca tradizionale aumenta notevolmente i requisiti di memoria e la durata dei cicli di addestramento. Allo stesso modo, il repository originale di YOLOv9 richiede di destreggiarsi tra file di configurazione complessi, che possono rallentare lo sviluppo agile.
Al contrario, la Ultralytics Platform semplifica l'esperienza di sviluppo. Il pacchetto Python Ultralytics nasconde il codice boilerplate, consentendo ai team di gestire l'aumento dei dati, la regolazione degli iperparametri e l'esportazione dei modelli con il minimo sforzo.
Applicazioni e casi d'uso nel mondo reale#
Le diverse architetture sono adatte a settori specifici in base ai requisiti in termini di risorse e ai profili di accuratezza.
- DAMO-YOLO nell'IA edge: grazie ai backbone ottimizzati tramite NAS, DAMO-YOLO viene spesso studiato nei sistemi embedded che richiedono la riparametrizzazione specifica per l'hardware, come gli acceleratori dedicati al controllo qualità in produzione.
- YOLOv9 per l'analisi di precisione: grazie all'elevata efficienza dei parametri e alla conservazione del gradiente ottenuta con PGI, YOLOv9 è adatto a scenari di rilevamento denso di oggetti, come l'analisi di immagini aeree o il tracciamento di oggetti minuscoli in ambienti commerciali affollati.
Casi d'uso e consigli#
La scelta tra DAMO-YOLO e YOLOv9 dipende dai requisiti specifici del tuo progetto, dai vincoli di implementazione 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 YOLOv9#
YOLOv9 è consigliato per:
- Ricerca sui colli di bottiglia informativi: progetti accademici che studiano le informazioni di gradiente programmabili (PGI) e le architetture di rete di aggregazione efficiente generalizzata dei livelli (GELAN).
- Studi sull'ottimizzazione del flusso del gradiente: ricerche incentrate sulla comprensione e sulla riduzione della perdita di informazioni nei livelli delle reti profonde durante l'addestramento.
- Benchmark di rilevamento ad alta precisione: scenari in cui le prestazioni di YOLOv9 nei benchmark COCO servono come riferimento per confrontare le architetture.
Quando scegliere Ultralytics (YOLO26)#
Per la maggior parte dei nuovi progetti, Ultralytics YOLO26 offre la migliore combinazione 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 con sola CPU: dispositivi privi di accelerazione GPU dedicata, in cui l'inferenza su CPU di YOLO26n, fino al 43% più veloce 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.
Il vantaggio di Ultralytics: il passaggio a YOLO26#
Per chi confronta architetture meno recenti, passare al moderno ecosistema Ultralytics, in particolare ai modelli YOLO26 più recenti, offre vantaggi evidenti.
YOLO26 semplifica il deployment grazie alla sua progettazione end-to-end senza NMS. La testa one-to-one opzionale (nms=False) elimina la post-elaborazione con la soppressione non massima (NMS), offrendo architetture di deployment più rapide e semplici. Insieme alla rimozione di Distribution Focal Loss (DFL), YOLO26 garantisce una compatibilità maggiore con i dispositivi edge e a basso consumo.
YOLO26 include anche l'ottimizzatore MuSGD, un ibrido tra Stochastic Gradient Descent e Muon ispirato all'addestramento degli LLM. Ciò garantisce una convergenza stabile dell'addestramento mantenendo basso l'uso di memoria rispetto alle alternative basate pesantemente su Transformer.
Con l'API Ultralytics puoi addestrare un modello YOLO26 con il monitoraggio degli esperimenti integrato usando solo poche righe di Python.
from ultralytics import YOLO
# Carica il modello YOLO26 più recente
model = YOLO("yolo26n.pt")
# Addestra in modo efficiente sul tuo dataset personalizzato
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Esporta il modello addestrato in formato ONNX
model.export(format="onnx")Che tu abbia bisogno di una segmentazione di istanze avanzata, di una stima della posa altamente accurata o del normale rilevamento di bounding box, la versatilità del framework Ultralytics permette al tuo team di dedicare meno tempo alla configurazione degli ambienti di deep learning e più tempo al deployment di soluzioni IA solide. Grazie ai miglioramenti dell'addestramento, come ProgLoss + STAL per riconoscere meglio gli oggetti di piccole dimensioni, YOLO26 è la scelta consigliata per le nuove applicazioni di visione.
Commenti
Fai una domanda, condividi i tuoi risultati o aiuta qualcun altro.