YOLOv10 vs DAMO-YOLO
Quando crei pipeline moderne di computer vision, scegliere la giusta architettura per il rilevamento degli oggetti in tempo reale è fondamentale. Questa analisi tecnica esamina le architetture, le metriche di prestazione e i casi d'uso ideali di YOLOv10 e DAMO-YOLO. Entrambi i modelli hanno fatto progredire il rilevamento in tempo reale, ma seguono percorsi architetturali diversi.
Che il tuo progetto richieda la distribuzione su hardware di IA edge con risorse limitate o la massima precisione sulle GPU cloud, comprendere le differenze tra queste architetture ti aiuterà a prendere una decisione consapevole.
Alla scoperta di YOLOv10#
Introdotto dai ricercatori della Tsinghua University, YOLOv10 ha portato nella famiglia YOLO un approccio nativamente end-to-end, eliminando la necessità della soppressione dei non massimi (NMS) durante la post-elaborazione.
Dettagli su YOLOv10:
- Autori: Ao Wang, Hui Chen, Lihao Liu, et al.
- Organizzazione: Università Tsinghua
- Data: 2024-05-23
- arXiv: https://arxiv.org/abs/2405.14458
- GitHub: https://github.com/THU-MIG/yolov10
- Documentazione: https://docs.ultralytics.com/models/yolov10
Caratteristiche architetturali principali#
La principale innovazione di YOLOv10 è la strategia delle assegnazioni doppie coerenti per l'addestramento senza NMS. I rilevatori di oggetti tradizionali usano NMS per filtrare i riquadri di delimitazione sovrapposti, introducendo una latenza variabile che rappresenta un collo di bottiglia per le applicazioni in tempo reale come i veicoli autonomi e la robotica ad alta velocità. Predicendo direttamente un singolo riquadro di delimitazione per oggetto, YOLOv10 raggiunge una latenza di inferenza bassa e prevedibile.
Inoltre, il modello adotta una progettazione olistica guidata da efficienza e precisione. L'architettura ottimizza vari componenti, tra cui una head di classificazione leggera e un sottocampionamento disaccoppiato spaziale e per canale, riducendo la ridondanza computazionale. Ne risulta un'architettura con meno parametri e FLOPs, che mantiene una precisione media (mAP) competitiva.
Esempio d'uso#
YOLOv10 è integrato nell'ecosistema Ultralytics, quindi puoi usarlo tramite il pacchetto Python Ultralytics.
from ultralytics import YOLO
# Carica un modello nano YOLOv10 pre-addestrato
model = YOLO("yolov10n.pt")
# Addestra il modello sul dataset COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Esegui l'inferenza su un'immagine di test
results = model("https://ultralytics.com/images/bus.jpg")
# Esporta il modello in formato TensorRT
model.export(format="engine", quantize=16)Alla scoperta di DAMO-YOLO#
Sviluppato da Alibaba Group, DAMO-YOLO si concentra sulla ricerca di strutture di rete efficienti tramite la ricerca automatizzata dell'architettura neurale (NAS), con l'obiettivo di spostare la frontiera di Pareto tra velocità e precisione.
Dettagli su DAMO-YOLO:
- 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
Caratteristiche architetturali principali#
DAMO-YOLO introduce diverse tecniche pensate per le applicazioni industriali. Le fondamenta del modello sono costituite dal suo backbone MAE-NAS, generato tramite una ricerca guidata dalla massima entropia. Questo processo automatizzato individua strutture di backbone conformi a budget computazionali predefiniti, bilanciando precisione e latenza di inferenza.
L'architettura usa anche un neck Efficient RepGFPN. Questa rete piramidale di feature è progettata per migliorare la fusione delle feature a scale diverse, aspetto fondamentale per attività complesse come l'analisi di immagini aeree, in cui gli oggetti variano notevolmente di dimensione. DAMO-YOLO implementa inoltre ZeroHead, una head di rilevamento minimale che riduce la complessità degli strati di predizione finali e i calcoli durante l'inferenza.
Confronto delle prestazioni#
Quando valuti le architetture per il rilevamento degli oggetti, è essenziale trovare il giusto compromesso tra velocità di inferenza, efficienza dei parametri e precisione del rilevamento. La tabella seguente confronta le prestazioni di YOLOv10 e DAMO-YOLO nelle rispettive dimensioni dei modelli.
| Modello | dimensione (pixel) | mAPval50-95 | Velocità CPU ONNX (ms) | Velocità T4 TensorRT10 (ms) | parametri (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv10n | 640 | 38.5 | - | 1.84 | 2.3 | 6.7 |
| YOLOv10s | 640 | 46.3 | - | 2.49 | 7.2 | 21.6 |
| YOLOv10m | 640 | 51.1 | - | 4.74 | 15.4 | 59.1 |
| YOLOv10b | 640 | 52.5 | - | 5.74 | 19.1 | 92.0 |
| YOLOv10l | 640 | 53.2 | - | 7.28 | 24.4 | 120.3 |
| YOLOv10x | 640 | 54.4 | - | 10.70 | 29.5 | 160.4 |
| 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 |
YOLOv10 è più preciso di DAMO-YOLO a scale comparabili e usa meno parametri: YOLOv10s raggiunge 46,3 mAP con 7,2M di parametri in 2,49 ms, contro 46,0 mAP con 16,3M di parametri in 3,45 ms per DAMO-YOLOs. DAMO-YOLOt offre una buona precisione per le sue dimensioni (42,0 mAP) e DAMO-YOLOl è leggermente più veloce di YOLOv10l su TensorRT con T4 (7,18 ms contro 7,28 ms), ma l'efficienza dei parametri della famiglia YOLOv10 rappresenta un vantaggio negli ambienti di distribuzione con risorse limitate.
Casi d'uso e consigli#
La scelta tra YOLOv10 e DAMO-YOLO dipende dai requisiti specifici del tuo progetto, dai vincoli di distribuzione e dalle tue preferenze in fatto di ecosistema.
Quando scegliere YOLOv10#
YOLOv10 è una scelta valida per:
- Rilevamento in tempo reale senza NMS: applicazioni che traggono vantaggio dal rilevamento end-to-end senza soppressione non massima, riducendo la complessità della distribuzione.
- Compromesso equilibrato tra velocità e precisione: progetti che richiedono un buon equilibrio tra velocità di inferenza e precisione di rilevamento con modelli di diverse dimensioni.
- Applicazioni con latenza costante: scenari di distribuzione in cui i tempi di inferenza prevedibili sono fondamentali, ad esempio nella robotica o nei sistemi autonomi.
Quando scegliere DAMO-YOLO#
DAMO-YOLO è consigliato 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 Ultralytics (YOLO26)#
Per la maggior parte dei nuovi progetti, Ultralytics YOLO26 offre la combinazione migliore 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 solo CPU: dispositivi senza accelerazione GPU dedicata, sui quali l'inferenza CPU di YOLO26, fino al 43% più rapida (YOLO26n rispetto a YOLO11n), offre un vantaggio decisivo.
- Rilevamento di oggetti piccoli: Scenari complessi come le immagini aeree riprese da droni o l’analisi dei sensori IoT, in cui ProgLoss e STAL migliorano la precisione sugli oggetti piccoli.
I vantaggi di Ultralytics#
Scegliere un'architettura per la produzione richiede di guardare oltre le metriche grezze. Sviluppare con modelli supportati dall'ecosistema Ultralytics offre diversi vantaggi pratici a sviluppatori e ricercatori.
Facilità d'uso e un ecosistema mantenuto con cura#
A differenza dei repository accademici autonomi, che potrebbero ricevere aggiornamenti poco frequenti, Ultralytics offre un ecosistema mantenuto attivamente. Configurare ambienti complessi per i modelli che dipendono da pipeline NAS può essere difficile. Ultralytics mette invece a disposizione un'API Python e una CLI standardizzate, supportate da una documentazione esaustiva, che riducono il time-to-market delle soluzioni di visione personalizzate.
Efficienza dell'addestramento e requisiti di memoria#
L'addestramento di modelli di grandi dimensioni può diventare rapidamente costoso dal punto di vista computazionale. Le architetture YOLO di Ultralytics sono note da tempo per il basso consumo di memoria CUDA durante l'addestramento e l'inferenza. Questa efficienza consente agli sviluppatori di addestrare modelli su hardware consumer o istanze cloud convenienti, senza incorrere in errori di memoria esaurita, comuni con i modelli basati su Transformer come RT-DETR.
Ultralytics si integra con i più diffusi strumenti MLOps. Puoi monitorare i progressi dell'addestramento dei tuoi modelli integrando Weights & Biases, Comet o ClearML, senza dover aggiungere codice boilerplate.
Versatilità in diverse attività#
Un limite di molti modelli di rilevamento specializzati, tra cui YOLOv10 e DAMO-YOLO, è il loro ambito ristretto, limitato al rilevamento. Nell'ecosistema Ultralytics, modelli come YOLO11 e YOLO26 estendono gli stessi strumenti a più attività di computer vision, tra cui segmentazione delle istanze, classificazione delle immagini, stima della posa e rilevamento di bounding box orientate (OBB).
Uno sguardo al futuro: l'evoluzione di YOLO26#
YOLOv10 ha introdotto l'inferenza senza NMS nei modelli YOLO e DAMO-YOLO ha mostrato le potenzialità della NAS. Agli sviluppatori che iniziano nuovi progetti oggi consigliamo Ultralytics YOLO26.
Rilasciato a gennaio 2026 come successore di YOLO11, YOLO26 si basa sulle fondamenta senza NMS poste da YOLOv10 e offre una head opzionale one-to-one (nms=False).
I principali progressi di YOLO26 includono:
- Inferenza CPU fino al 43% più veloce: YOLO26n raggiunge velocità fino al 43% superiori a YOLO11n su CPU, risultando adatto all'edge computing e ai dispositivi a basso consumo.
- Rimozione di DFL: la Distribution Focal Loss è stata rimossa, semplificando le esportazioni e migliorando la compatibilità con diversi target di distribuzione.
- Ottimizzatore MuSGD: un ibrido di SGD e Muon che porta nella computer vision la stabilità di addestramento e la convergenza più rapida dei modelli linguistici di grandi dimensioni (LLM).
- ProgLoss + STAL: la Progressive Loss e l'assegnazione delle etichette consapevole degli oggetti piccoli (STAL) migliorano il riconoscimento degli oggetti piccoli, essenziale per casi d'uso come l'agricoltura e il telerilevamento.
Con la Ultralytics Platform, gli sviluppatori possono annotare i dati, addestrare e distribuire modelli come YOLO26 da un'unica piattaforma.
Commenti
Fai una domanda, condividi i tuoi risultati o aiuta qualcun altro.