Inizia

YOLOv5 vs DAMO-YOLO

Il panorama della visione artificiale in tempo reale è in continua evoluzione: ricercatori e ingegneri cercano il giusto equilibrio tra precisione, velocità e facilità d'uso. Due modelli di spicco che hanno segnato questo percorso sono Ultralytics YOLOv5 e DAMO-YOLO di Alibaba.

Questa guida offre un’analisi tecnica approfondita delle loro architetture, metriche di prestazione e metodologie di addestramento per aiutarti a scegliere il modello giusto per la tua prossima distribuzione.

Contesto dei modelli#

Prima di confrontare i dettagli tecnici, è importante conoscere le origini e le principali filosofie progettuali alla base di questi influenti modelli di visione.

Ultralytics YOLOv5#

Sviluppato da Glenn Jocher e dal team di Ultralytics, YOLOv5 è diventato uno standard di settore sin dal suo rilascio. Basato nativamente sul framework PyTorch, ha privilegiato un’esperienza di sviluppo snella e solide funzionalità di distribuzione fin da subito.

DAMO-YOLO#

Creato dai ricercatori di Alibaba Group, DAMO-YOLO si concentra molto sulla ricerca di architetture neurali (NAS) e sulle tecniche di distillazione della conoscenza. È pensato per prestazioni specifiche dell'hardware e si rivolge ad ambienti di ricerca e distribuzione che richiedono un'ampia messa a punto.

Scopri di più su DAMO-YOLO

Innovazioni architetturali#

Entrambi i modelli sfruttano concetti strutturali unici per ottenere prestazioni in tempo reale, sebbene adottino approcci significativamente diversi.

YOLOv5: stabilità e versatilità#

YOLOv5 utilizza un backbone CSP (Cross Stage Partial) modificato abbinato a un neck PANet (Path Aggregation Network). Questa struttura è efficiente e mantiene basso l'uso della memoria CUDA sia durante l'addestramento sia durante l'inferenza.

Uno dei maggiori punti di forza di YOLOv5 è la sua versatilità tra le diverse attività. Oltre alle previsioni delle bounding box, il repository originale YOLOv5 offre architetture dedicate alla segmentazione di istanze (v7.0) e alla classificazione di immagini (v6.2), consentendo agli sviluppatori di standardizzare le pipeline di visione su un framework unico e coerente.

L'innovazione centrale di DAMO-YOLO è il suo backbone MAE-NAS. Utilizzando una ricerca guidata dall'entropia massima, il team Alibaba ha individuato backbone che bilanciano la precisione del rilevamento e la velocità d'inferenza entro specifici limiti di latenza.

Inoltre, integra il neck Efficient RepGFPN per migliorare la fusione delle caratteristiche, particolarmente utile per le complesse variazioni di scala che si riscontrano spesso nell’analisi delle immagini satellitari. Il design ZeroHead semplifica i livelli finali di previsione per ridurre la latenza, ma questa complessa generazione strutturale può rendere l’architettura rigida e più difficile da modificare per applicazioni personalizzate.

Requisiti di memoria

Le architetture basate su Transformer richiedono spesso molta memoria GPU. YOLOv5 e DAMO-YOLO utilizzano entrambi design convoluzionali efficienti per mantenere ridotto l'ingombro di memoria; i modelli Ultralytics sono inoltre progettati per essere addestrati su GPU di fascia consumer, risultando accessibili a ricercatori indipendenti e startup.

Prestazioni e metriche#

Per valutare i rilevatori di oggetti in tempo reale occorre considerare insieme mAP (precisione media media), velocità di inferenza e dimensioni del modello.

Modellodimensione
(pixel)
mAPval50-95Velocità
CPU ONNX
(ms)
Velocità
T4 TensorRT10
(ms)
parametri
(M)
FLOPs
(B)
YOLOv5n64028.0-1.121.94.5
YOLOv5s64037.4-1.927.216.5
YOLOv5m64045.4-4.0321.249.0
YOLOv5l64049.0-6.6146.5109.1
YOLOv5x64050.7-11.8986.7205.7
DAMO-YOLOt64042.0-2.328.518.1
DAMO-YOLOs64046.0-3.4516.337.8
DAMO-YOLOm64049.2-5.0928.261.8
DAMO-YOLOl64050.8-7.1842.197.3

DAMO-YOLO ottiene un mAP superiore a YOLOv5 con un numero di parametri comparabile; ad esempio, DAMO-YOLOs raggiunge 46,0 mAP con 16,3 milioni di parametri, contro i 45,4 mAP di YOLOv5m, che ha 21,2 milioni di parametri. YOLOv5 offre le velocità TensorRT più elevate e il minor numero di parametri nelle configurazioni nano e small, il che lo rende adatto alle implementazioni edge in cui la latenza è critica.

Efficienza dell'addestramento ed ecosistema#

La precisione teorica di un modello è valida solo quanto la sua effettiva realizzabilità pratica. È qui che i modelli si differenziano notevolmente.

La complessità della distillazione#

DAMO-YOLO si affida molto a una metodologia di addestramento in più fasi. Combina l'assegnazione delle etichette AlignedOTA con una tecnica di distillazione della conoscenza teacher-student. Sebbene questo approccio estragga le massime prestazioni dal modello studente, richiede prima l'addestramento di un modello insegnante di grandi dimensioni. Ciò aumenta il tempo di calcolo, i costi energetici e l'hardware necessario, potendo rallentare i team ML più piccoli.

I vantaggi di Ultralytics: facilità d’uso#

Al contrario, l'ecosistema Ultralytics è noto per le API intuitive e l'efficienza di addestramento. Grazie allo sviluppo attivo e a una vasta community open source, permette agli sviluppatori di addestrare, convalidare e distribuire modelli con una configurazione minima.

from ultralytics import YOLO

# Carica un modello YOLOv5 preaddestrato
model = YOLO("yolov5su.pt")  # YOLOv5u: pesi YOLOv5 anchor-free per il pacchetto ultralytics

# Addestra sul dataset di esempio COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Esporta in formato ONNX per la distribuzione
model.export(format="onnx")

Ultralytics offre anche il tracciamento degli esperimenti integrato tramite integrazioni come Weights & Biases e Comet.

Casi d’uso nel mondo reale#

  • YOLOv5 è adatto agli ambienti di produzione dinamici. La sua semplice esportazione lo rende una scelta comune per l'analisi del commercio al dettaglio intelligente, il rilevamento ad alta velocità dei difetti nella produzione e le applicazioni mobili tramite CoreML.
  • DAMO-YOLO è adatto al benchmarking accademico e agli scenari in cui sono disponibili ampie risorse di calcolo per lunghe sessioni di addestramento con distillazione, finalizzate a ottenere mAP aggiuntivi su hardware specifico e invariato.

Casi d'uso e consigli#

La scelta tra YOLOv5 e DAMO-YOLO dipende dai requisiti specifici del tuo progetto, dai vincoli di distribuzione e dalle preferenze relative all’ecosistema.

Quando scegliere YOLOv5#

YOLOv5 è un'ottima scelta per:

  • Sistemi di produzione collaudati: distribuzioni esistenti in cui contano la lunga esperienza di stabilità di YOLOv5, la documentazione esaustiva e l'ampia community.
  • Addestramento con risorse limitate: ambienti con risorse GPU limitate, in cui la pipeline di addestramento efficiente e i requisiti di memoria ridotti di YOLOv5 sono vantaggiosi.
  • Ampio supporto dei formati di esportazione: progetti che richiedono la distribuzione in numerosi formati, tra cui ONNX, TensorRT, CoreML e LiteRT.

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 YOLO26n è fino al 43% più veloce di YOLO11n su CPU.
  • Rilevamento di oggetti piccoli: scenari impegnativi come le immagini aeree da droni o l'analisi dei sensori IoT, in cui ProgLoss e STAL migliorano la precisione sugli oggetti minuscoli.

La prossima evoluzione: YOLO26#

Se stai avviando un nuovo progetto, prendi in considerazione Ultralytics YOLO26, che si basa sulle fondamenta di YOLOv5 e introduce diversi progressi architetturali e nell'addestramento.

Perché passare a YOLO26?

YOLO26 offre una progettazione end-to-end senza NMS: la testa opzionale one-to-one (nms=False) salta la post-elaborazione con soppressione dei massimi non locali, per una distribuzione più veloce e semplice.

Le innovazioni principali di YOLO26 includono:

  • Ottimizzatore MuSGD: ispirato alle innovazioni nell'addestramento degli LLM, questo approccio ibrido tra SGD e Muon garantisce un addestramento stabile e una convergenza rapida.
  • Inferenza CPU fino al 43% più veloce: YOLO26n è fino al 43% più veloce di YOLO11n su CPU, caratteristica adatta all'edge computing e ai dispositivi IoT senza GPU dedicate.
  • ProgLoss + STAL: una loss progressiva e una strategia di assegnazione delle etichette consapevole degli oggetti piccoli migliorano il riconoscimento degli oggetti di piccole dimensioni, fondamentale per le immagini aeree riprese da droni e la robotica.
  • Miglioramenti specifici per attività: dalla funzione di perdita angolare specializzata per i riquadri di delimitazione orientati (OBB) alla stima della log-verosimiglianza residua (RLE) per una stima della posa accurata, YOLO26 include miglioramenti per ogni attività supportata.

Conclusione#

YOLOv5 e DAMO-YOLO si sono entrambi guadagnati un posto nella storia del rilevamento di oggetti. DAMO-YOLO rimane uno studio interessante sulla ricerca di architetture neurali e sulla distillazione. Per le organizzazioni che danno priorità a un ecosistema ben mantenuto, alla facilità d'uso e a un rapido passaggio alla produzione, i modelli Ultralytics sono la scelta migliore.

Usa la piattaforma Ultralytics per annotare, addestrare e distribuire modelli più recenti come YOLO26 e creare pipeline di visione artificiale rapide, accurate e facili da mantenere.

Approfondimenti#

  • Scopri il modello Transformer RT-DETR per le applicazioni che richiedono un’elevata precisione.
  • Scopri il modello della generazione precedente YOLO11.
  • Scopri come ottimizzare le distribuzioni con OpenVINO.

Commenti

Fai una domanda, condividi i tuoi risultati o aiuta qualcun altro.