YOLOv7 vs DAMO-YOLO#
Il panorama del rilevamento degli oggetti in tempo reale è in continua evoluzione, mentre ricercatori e ingegneri cercano di trovare l'equilibrio ottimale tra velocità e accuratezza. In questo confronto tecnico analizzeremo a fondo due architetture degne di nota del 2022: YOLOv7 e DAMO-YOLO. Entrambi i modelli hanno introdotto concetti innovativi nella comunità della computer vision, affrontando sfide diverse nell'addestramento dei modelli, nella progettazione dell'architettura e nella distribuzione.
Contesto dei modelli e dettagli tecnici#
Prima di analizzare le loro architetture, è essenziale comprendere l'origine di questi due modelli. Entrambi sono stati sviluppati da importanti gruppi di ricerca e hanno introdotto metodologie avanzate per ampliare i confini del rilevamento degli oggetti in tempo reale.
Dettagli di YOLOv7#
Sviluppato come continuazione della famiglia YOLO, YOLOv7 ha introdotto il concetto di "bag-of-freebies" addestrabili per migliorare significativamente l'accuratezza senza aumentare il costo dell'inferenza.
- Autori: Chien-Yao Wang, Alexey Bochkovskiy e Hong-Yuan Mark Liao
- Organizzazione: Institute of Information Science, Academia Sinica, Taiwan
- Data: 2022-07-06
- Arxiv: https://arxiv.org/abs/2207.02696
- GitHub: https://github.com/WongKinYiu/yolov7
- Documentazione: https://docs.ultralytics.com/models/yolov7
Dettagli su DAMO-YOLO#
Creato da ricercatori di Alibaba Group, DAMO-YOLO si è concentrato fortemente sulla ricerca dell'architettura neurale (NAS) e sulla distillazione avanzata della conoscenza per costruire modelli altamente efficienti per hardware diversi.
- 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
Innovazioni architetturali#
YOLOv7: analisi dei percorsi del gradiente e riparametrizzazione#
YOLOv7 si concentra fortemente sulle reti di aggregazione dei livelli efficienti estese (E-ELAN). Gli autori hanno progettato E-ELAN analizzando i percorsi del gradiente della rete, assicurandosi che la rete potesse continuare ad apprendere senza degradare il percorso del gradiente originale. Inoltre, YOLOv7 utilizza efficacemente la riparametrizzazione del modello durante l'inferenza, fondendo i livelli in modo trasparente per ridurre i FLOPs e accelerare i tempi di esecuzione. Questo lo rende altamente adatto all'inferenza in tempo reale sulle GPU moderne.
DAMO-YOLO: ricerca dell'architettura neurale e RepGFPN#
DAMO-YOLO si distingue per l'ampio ricorso alla ricerca dell'architettura neurale (NAS) in condizioni di latenza vincolata. Utilizza un framework chiamato MAE-NAS per individuare backbone ottimali adattati a hardware specifici, come dispositivi mobili o determinati acceleratori edge. Per il neck introduce una rete piramidale generalizzata delle caratteristiche parametrizzata con Rep (RepGFPN) efficiente e utilizza una progettazione ZeroHead per ridurre al minimo il carico computazionale nelle teste di predizione.
Mentre YOLOv7 si basa su solide ottimizzazioni architetturali intrinseche, DAMO-YOLO dipende fortemente da un complesso processo di distillazione della conoscenza a più fasi. Richiede l'addestramento di un modello insegnante di grandi dimensioni per trasferire la conoscenza a un modello studente più piccolo, con costi computazionali potenzialmente elevati durante la fase di addestramento.
Confronto di prestazioni e metriche#
Nel confrontare questi modelli, è fondamentale considerare mAP (precisione media media), velocità di inferenza e complessità del modello.
| Modello | dimensione (pixel) | mAPval 50-95 | Velocità CPU ONNX (ms) | Velocità T4 TensorRT10 (ms) | parametri (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
| 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 |
La tabella sopra dimostra che YOLOv7 si adatta bene agli ambiti ad alta accuratezza (YOLOv7x), mentre DAMO-YOLO offre modelli molto piccoli e altamente ottimizzati per gli ambienti con risorse limitate.
Efficienza dell'addestramento e requisiti di memoria#
Una distinzione fondamentale tra le due architetture riguarda le metodologie di addestramento. La dipendenza di DAMO-YOLO dalla distillazione fa sì che l'addestramento di un nuovo modello da zero o il fine-tuning su un dataset personalizzato di computer vision richiedano spesso molta più VRAM e più tempo di calcolo su GPU.
Al contrario, i modelli integrati nell'ecosistema Ultralytics, come YOLOv7 e le versioni successive, sono fortemente ottimizzati per i requisiti di memoria. Consentono agli sviluppatori di utilizzare batch di dimensioni maggiori sull'hardware consumer senza incorrere in errori di memoria esaurita, semplificando il monitoraggio degli esperimenti e il processo iterativo.
Il vantaggio di Ultralytics#
Sebbene YOLOv7 e DAMO-YOLO offrano entrambi funzionalità interessanti, distribuire i modelli nell'ecosistema Ultralytics offre un'esperienza di sviluppo senza pari.
- Facilità d'uso: il pacchetto Python di Ultralytics offre un'API unificata e semplice. Puoi passare rapidamente da un'architettura del modello all'altra, avviare cicli di addestramento o eseguire l'inferenza con poche righe di codice.
- Ecosistema ben mantenuto: Ultralytics fornisce aggiornamenti frequenti, garantendo la compatibilità nativa con le versioni più recenti di PyTorch e con i driver CUDA. Semplifica inoltre l'esportazione dei modelli in formati come ONNX, TensorRT e OpenVINO.
- Versatilità: a differenza di DAMO-YOLO, che è esclusivamente un rilevatore di oggetti, l'ecosistema Ultralytics supporta nativamente attività diverse. I modelli della famiglia Ultralytics possono eseguire il rilevamento standard dei riquadri di delimitazione, la stima della posa, la segmentazione delle istanze e i riquadri di delimitazione orientati (OBB).
Esempio di codice: iniziare rapidamente#
Ecco quanto è semplice caricare, addestrare ed eseguire l'inferenza utilizzando i modelli Ultralytics:
from ultralytics import YOLO
# Load a pre-trained YOLOv7 model (or newer models like yolo26n.pt)
model = YOLO("yolov7.pt")
# Train the model on the COCO8 dataset with automated hyperparameter handling
results = model.train(data="coco8.yaml", epochs=50, imgsz=640)
# Run inference on an image
predictions = model("https://ultralytics.com/images/bus.jpg")
# Export to ONNX format for deployment
model.export(format="onnx")Con Ultralytics, l'esportazione dei pesi addestrati in diversi formati con accelerazione hardware (come TensorRT o CoreML) viene gestita tramite un singolo argomento nel comando di esportazione, risparmiando ore di configurazioni complesse degli script.
La prossima generazione: YOLO26#
Sebbene YOLOv7 rimanga una solida architettura legacy, il settore ha fatto rapidi progressi. Per le nuove distribuzioni, Ultralytics YOLO26 (rilasciato a gennaio 2026) è lo standard consigliato e supera le generazioni precedenti in quasi ogni metrica.
- Progettazione end-to-end senza NMS: introdotta per la prima volta in YOLOv10, YOLO26 elimina nativamente la post-elaborazione della soppressione non massima (NMS). Questo garantisce un'inferenza deterministica e con latenza estremamente bassa, fondamentale per la robotica e le tecnologie di guida autonoma.
- Ottimizzatore MuSGD: ispirato a tecniche avanzate di addestramento degli LLM (come Kimi K2 di Moonshot AI), questo ottimizzatore ibrido combina SGD e Muon per offrire un addestramento altamente stabile e una convergenza più rapida su diversi dataset.
- Inferenza su CPU fino al 43% più veloce: rimuovendo strategicamente la Distribution Focal Loss (DFL), YOLO26 migliora significativamente le prestazioni sulle piattaforme di edge computing e sulle CPU.
- ProgLoss + STAL: queste funzioni di perdita avanzate migliorano notevolmente il rilevamento degli oggetti piccoli, rendendo YOLO26 particolarmente adatto alle immagini aeree e alla videosorveglianza dettagliata.
Casi d'uso ideali#
Quando scegliere DAMO-YOLO#
- Ricerca accademica nel NAS: se la tua organizzazione è fortemente impegnata nello studio delle metodologie di ricerca dell'architettura neurale.
- Latenza fortemente vincolata su hardware specifico: se disponi delle risorse necessarie per eseguire ricerche NAS esaustive e trovare un backbone personalizzato per un chip acceleratore AI specifico.
Quando scegliere YOLOv7#
- Pipeline GPU esistenti: per i team che mantengono pipeline di produzione legacy profondamente ottimizzate sulla specifica architettura E-ELAN di YOLOv7 su hardware NVIDIA di fascia alta.
Perché migrare ai moderni modelli Ultralytics (YOLO11 / YOLO26)#
Per la stragrande maggioranza delle applicazioni aziendali, dall'analisi per la vendita al dettaglio alla produzione intelligente, fino alla sanità, i moderni modelli Ultralytics sono imbattibili. L'integrazione con la piattaforma Ultralytics offre una pipeline ML completa, con facilità d'uso, documentazione superiore, solido supporto della community e versatilità multi-task. Che tu stia monitorando l'inventario su un Raspberry Pi o eseguendo analisi intensive nel cloud, modelli come YOLO26 offrono l'equilibrio ideale tra prestazioni e requisiti per il futuro della computer vision.