DAMO-YOLO vs YOLOX
La computer vision in tempo reale continua a evolversi. Due tappe importanti sono DAMO-YOLO e YOLOX, ciascuno con le proprie innovazioni nel rilevamento di oggetti ad alta velocità e accuratezza. Entrambi i modelli hanno contribuito in modo significativo alla community open source e gli ingegneri del machine learning possono trarre vantaggio dalla comprensione delle differenze architetturali, dei metodi di addestramento e degli scenari di deployment più adatti.
Questa guida approfondisce gli aspetti tecnici di entrambi i modelli e spiega perché le alternative moderne come Ultralytics YOLO26 offrono prestazioni migliori e maggiore semplicità d'uso negli attuali ambienti di produzione.
Panoramica dei modelli#
Dettagli su DAMO-YOLO#
Sviluppato da un team di ricercatori di Alibaba Group, DAMO-YOLO è stato presentato come un metodo efficiente di rilevamento degli oggetti che utilizza la ricerca automatizzata dell'architettura.
- Autori: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang e Xiuyu Sun
- Organizzazione: Alibaba Group
- Data: 2022-11-23
- arXiv: https://arxiv.org/abs/2211.15444v2
- GitHub: https://github.com/tinyvision/DAMO-YOLO
- Documentazione: Documentazione di DAMO-YOLO
Dettagli su YOLOX#
Creato dai ricercatori di Megvii, YOLOX mirava a colmare il divario tra la comunità della ricerca e quella industriale, passando a un design senza anchor per la serie YOLO e semplificando l'architettura, pur ottenendo prestazioni migliori per l'epoca.
- Autori: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li e Jian Sun
- Organizzazione: Megvii
- Data: 2021-07-18
- arXiv: https://arxiv.org/abs/2107.08430
- GitHub: https://github.com/Megvii-BaseDetection/YOLOX
- Documentazione: Documentazione di YOLOX
Analisi architetturale#
Architettura di DAMO-YOLO#
DAMO-YOLO si affida ampiamente alla ricerca dell'architettura neurale (NAS). I componenti principali includono:
- Backbone MAE-NAS: utilizza una ricerca guidata dalla massima entropia per individuare backbone che bilanciano velocità di inferenza e accuratezza.
- RepGFPN efficiente: Un neck complesso progettato per la fusione delle feature, che aiuta il modello a mantenere un'elevata accuratezza con oggetti di dimensioni diverse.
- ZeroHead: Una head di rilevamento semplificata e leggera, che riduce il carico computazionale nei livelli finali di predizione.
Architettura di YOLOX#
YOLOX ha adottato un approccio diverso, puntando sulla semplicità strutturale e su un design anchor-free:
- Meccanismo anchor-free: Predicendo direttamente le coordinate delle bounding box senza anchor predefinite, YOLOX riduce il numero di parametri di progettazione e le regolazioni euristiche necessarie.
- Head disaccoppiata: Separa le attività di classificazione e regressione in rami di feature distinti, migliorando la velocità di convergenza e l'accuratezza complessiva.
- Assegnazione delle etichette SimOTA: una strategia di assegnazione delle etichette che distribuisce dinamicamente i campioni positivi alle ground truth, migliorando l'efficienza dell'addestramento.
DAMO-YOLO utilizza una NAS guidata dalla macchina per trovare architetture efficienti entro vincoli stringenti, mentre YOLOX si affida a semplificazioni progettate da esseri umani (come le head senza anchor) per snellire la pipeline di rilevamento degli oggetti.
Confronto delle prestazioni#
Per valutare questi modelli è necessario esaminare la precisione media (mAP), la velocità di inferenza e il numero di parametri. La tabella seguente confronta le varianti standard e leggere di entrambe le architetture.
| 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 |
| YOLOXnano | 416 | 25.8 | - | - | 0.91 | 1.08 |
| YOLOXtiny | 416 | 32.8 | - | - | 5.06 | 6.45 |
| YOLOXs | 640 | 40.5 | - | 2.56 | 9.0 | 26.8 |
| YOLOXm | 640 | 46.9 | - | 5.43 | 25.3 | 73.8 |
| YOLOXl | 640 | 49.7 | - | 9.04 | 54.2 | 155.6 |
| YOLOXx | 640 | 51.1 | - | 16.1 | 99.1 | 281.9 |
YOLOXx raggiunge il mAP assoluto più alto, pari a 51.1, mentre DAMO-YOLOl offre un competitivo 50.8 mAP con meno della metà dei parametri (42.1M contro 99.1M) e un'esecuzione TensorRT decisamente più rapida.
Metodologie di training#
Addestramento di DAMO-YOLO#
Durante l'addestramento, DAMO-YOLO utilizza un complesso potenziamento basato sulla distillazione della conoscenza. Spesso si addestra prima un grande modello "insegnante", la cui conoscenza viene poi distillata nei modelli "studente" più piccoli. Il modello impiega anche AlignedOTA per l'assegnazione dinamica delle etichette. Pur essendo efficace, questo processo di addestramento in più fasi aumenta notevolmente il tempo di calcolo su GPU e l'overhead di memoria necessari.
Addestramento di YOLOX#
YOLOX si affida a solide strategie di aumento dei dati come MixUp e Mosaic. Gli autori hanno però scoperto che disattivare questi intensi aumenti dei dati nelle 15 epoche finali consente al modello di adattarsi alla distribuzione naturale delle immagini, migliorando notevolmente l'accuratezza finale.
Casi d'uso ideali#
- DAMO-YOLO: Ideale per deployment industriali critici, in cui è possibile supportare pipeline di distillazione lato server e in cui l'hardware di destinazione, come specifiche GPU NVIDIA, trae vantaggio diretto dalla sua architettura NAS con neck complesso.
- YOLOX: una buona scelta per gli sviluppatori che cercano un approccio puramente senza anchor. Il leggero
YOLOXnanoè adatto ai dispositivi Android meno recenti, all'edge computing e ai sensori IoT con risorse molto limitate, dove il numero di parametri è il principale collo di bottiglia.
Il vantaggio Ultralytics: arriva YOLO26#
Sebbene DAMO-YOLO e YOLOX siano tappe importanti, oggi gli sviluppatori hanno bisogno di soluzioni più complete, versatili e facili da usare. È qui che si distinguono la Ultralytics Platform e il nuovo Ultralytics YOLO26.
Rilasciato a gennaio 2026, YOLO26 è il modello Ultralytics consigliato per tutte le attività di computer vision supportate. Introduce diversi miglioramenti rispetto alle architetture precedenti:
- Design end-to-end senza NMS: la head one-to-one opzionale di YOLO26 (
nms=False) salta la post-elaborazione con la soppressione non massima (NMS). Questo consente un deployment molto più semplice e rapido, evitando i colli di bottiglia della latenza tipici delle head di rilevamento tradizionali. - Inferenza su CPU fino al 43% più veloce: rimuovendo la Distribution Focal Loss (DFL) e ottimizzando i layer, YOLO26 offre un'inferenza rapida su CPU e hardware edge; YOLO26n è fino al 43% più veloce su CPU rispetto a YOLO11n.
- Ottimizzatore MuSGD: ispirato alle tecniche di addestramento dei modelli linguistici di grandi dimensioni (LLM), YOLO26 introduce l'ottimizzatore MuSGD (un ibrido di SGD e Muon), che consente sessioni di addestramento stabili e una convergenza più rapida rispetto alla configurazione di addestramento precedente di YOLOX.
- ProgLoss + STAL: la Progressive Loss e l'assegnazione delle etichette consapevole degli oggetti piccoli migliorano notevolmente il riconoscimento degli oggetti piccoli, rendendo YOLO26 più adatto ai filmati acquisiti da droni e alla robotica.
- Versatilità: a differenza di DAMO-YOLO, che è dedicato esclusivamente al rilevamento degli oggetti, YOLO26 gestisce nativamente la segmentazione di istanza, la classificazione, la stima della posa e le bounding box orientate (OBB) all'interno dello stesso ecosistema ben mantenuto.
Facilità d’uso con Ultralytics#
L'API Python di Ultralytics semplifica l'esperienza di sviluppo. Addestrare un modello YOLO26 richiede molto meno codice boilerplate ed evita le complesse pipeline di distillazione di DAMO-YOLO. Inoltre, durante l'addestramento i modelli Ultralytics hanno requisiti di memoria CUDA ridotti rispetto ai pesanti modelli basati su Transformer.
from ultralytics import YOLO
# Carica l'ultimo modello nano Ultralytics YOLO26
model = YOLO("yolo26n.pt")
# Addestra il modello sul tuo dataset personalizzato con una sola riga di codice
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Esegui un'inferenza rapida e senza NMS su un'immagine
results = model("https://ultralytics.com/images/bus.jpg", nms=False)
# Esporta in ONNX o TensorRT
model.export(format="onnx")Puoi annotare automaticamente, addestrare e distribuire modelli edge con la Ultralytics Platform, che gestisce per te il versionamento dei dati e il provisioning delle GPU nel cloud.
Conclusione#
La scelta tra DAMO-YOLO e YOLOX dipende da vincoli specifici: grazie alla NAS, DAMO-YOLO offre un buon rapporto tra velocità e accuratezza su determinate GPU, mentre YOLOX propone un design essenziale e senza anchor, adatto agli scenari edge leggeri.
Tuttavia, per i team che cercano una soluzione moderna, mantenuta attivamente e supportata da una community vivace, l'architettura Ultralytics YOLO26 è la scelta consigliata. L'inferenza opzionale senza NMS, la rapidità di inferenza su CPU e l'API unificata per le attività di rilevamento, segmentazione e posa lo rendono ideale per passare dalla ricerca alla produzione nel mondo reale.
Se vuoi esplorare altre architetture moderne, puoi prendere in considerazione Ultralytics YOLO11 o modelli basati su Transformer come RT-DETR, disponibili nella documentazione completa di Ultralytics.
Commenti
Fai una domanda, condividi i tuoi risultati o aiuta qualcun altro.