YOLOv7 contro DAMO-YOLO#
Il panorama del rilevamento di oggetti in tempo reale è in continua evoluzione, con ricercatori e ingegneri che si sforzano di trovare il bilanciamento ottimale tra velocità e precisione. 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 diverse sfide nell'addestramento dei modelli, nella progettazione dell'architettura e nel deployment.
Background dei modelli e dettagli tecnici#
Prima di approfondire le loro architetture, è essenziale comprendere le origini di questi due modelli. Entrambi sono stati sviluppati da gruppi di ricerca leader e hanno introdotto metodologie avanzate per spingere i confini del rilevamento di oggetti in tempo reale.
Dettagli su YOLOv7#
Sviluppato come prosecuzione della famiglia YOLO, YOLOv7 ha introdotto il concetto di "bag-of-freebies" addestrabili per migliorare significativamente la precisione 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
- Docs: https://docs.ultralytics.com/models/yolov7/
Dettagli di DAMO-YOLO#
Creato dai ricercatori di Alibaba Group, DAMO-YOLO si è concentrato pesantemente sulla Neural Architecture Search (NAS) e sulla distillazione avanzata della conoscenza per costruire modelli altamente efficienti per hardware diversificato.
- Autori: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang e Xiuyu Sun
- Organizzazione: Alibaba Group
- Data: 23-11-2022
- Arxiv: https://arxiv.org/abs/2211.15444v2
- GitHub: https://github.com/tinyvision/DAMO-YOLO
Innovazioni architettoniche#
YOLOv7: Analisi del percorso del gradiente e ri-parametrizzazione#
YOLOv7 si concentra molto sulle Extended Efficient Layer Aggregation Networks (E-ELAN). Gli autori hanno progettato le E-ELAN analizzando i percorsi dei gradienti della rete, assicurandosi che questa possa continuare ad apprendere senza degradare il percorso originale del gradiente. Inoltre, YOLOv7 utilizza efficacemente la riparametrizzazione del modello durante l'inferenza, fondendo senza problemi i layer per ridurre i FLOPs e accelerare i tempi di esecuzione. Questo lo rende altamente capace per l'inferenza in tempo reale su GPU moderne.
DAMO-YOLO: Neural Architecture Search e RepGFPN#
DAMO-YOLO diverge sfruttando pesantemente la Neural Architecture Search (NAS) sotto vincoli di latenza. Utilizza un framework chiamato MAE-NAS per scoprire backbone ottimali su misura per hardware specifici, come dispositivi mobili o acceleratori edge dedicati. Per il suo neck, introduce un'efficiente RepGFPN (Rep-parameterized Generalized Feature Pyramid Network) e impiega un design ZeroHead per ridurre al minimo il carico computazionale nelle teste di predizione.
Mentre YOLOv7 si affida a forti ottimizzazioni architettoniche intrinseche, DAMO-YOLO dipende pesantemente da un complesso processo di distillazione della conoscenza multi-stadio. Richiede l'addestramento di un grande modello teacher per distillare la conoscenza in un modello student più piccolo, il che può essere computazionalmente costoso durante la fase di addestramento.
Confronto tra prestazioni e metriche#
Quando confronti questi modelli, è fondamentale esaminare l'mAP (Mean Average Precision), la velocità di inferenza e la complessità del modello.
| Modello | dimensione (pixel) | mAPval 50-95 | Velocità CPU ONNX (ms) | Velocità T4 TensorRT10 (ms) | params (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 scala bene in domini ad alta precisione (YOLOv7x), mentre DAMO-YOLO fornisce modelli tiny altamente ottimizzati per ambienti vincolati.
Efficienza di addestramento e requisiti di memoria#
Una distinzione importante tra le due architetture risiede nelle loro metodologie di addestramento. La dipendenza di DAMO-YOLO dalla distillazione significa che addestrare un nuovo modello da zero o effettuare il fine-tuning su un dataset di computer vision personalizzato richiede spesso molta più VRAM e 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. Permettono di utilizzare batch size più grandi su hardware consumer senza riscontrare errori di memoria esaurita (out-of-memory), semplificando il processo di tracciamento degli esperimenti e di iterazione.
Il vantaggio di Ultralytics#
Sebbene sia YOLOv7 che DAMO-YOLO offrano funzionalità interessanti, distribuire modelli all'interno dell'ecosistema Ultralytics garantisce un'esperienza di sviluppo senza eguali.
- Facilità d'uso: Il pacchetto Python di Ultralytics offre un'API unificata e semplice. Puoi passare rapidamente da un'architettura di modello all'altra, avviare loop di addestramento o eseguire l'inferenza con poche righe di codice.
- Ecosistema ben mantenuto: Ultralytics fornisce aggiornamenti frequenti, garantendo la compatibilità nativa con le ultime release di PyTorch e i driver CUDA. Semplifica inoltre l'esportazione dei modelli in formati come ONNX, TensorRT e OpenVINO.
- Versatilità: A differenza di DAMO-YOLO, che è rigorosamente un rilevatore di oggetti, l'ecosistema Ultralytics supporta nativamente diverse attività. I modelli della famiglia Ultralytics possono eseguire il rilevamento di bounding box standard, la stima della posa, la segmentazione d'istanza e i bounding box orientati (OBB).
Esempio di codice: Iniziare rapidamente#
Ecco quanto è facile 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 tuoi pesi addestrati in vari formati accelerati dall'hardware (come TensorRT o CoreML) viene gestita tramite un singolo argomento nel comando di esportazione, risparmiando ore di complesse configurazioni di script.
La prossima generazione: YOLO26#
Sebbene YOLOv7 rimanga una forte architettura legacy, il settore si è evoluto rapidamente. Per le nuove distribuzioni, Ultralytics YOLO26 (rilasciato a gennaio 2026) è lo standard consigliato, superando le generazioni precedenti in quasi tutte le metriche.
- Design end-to-end senza NMS: Introdotto per la prima volta in YOLOv10, YOLO26 elimina nativamente la post-elaborazione di soppressione dei massimi non locali (NMS). Ciò garantisce un'inferenza deterministica e a bassissima latenza, fondamentale per la robotica e le tecnologie a guida autonoma.
- Ottimizzatore MuSGD: Ispirato alle tecniche avanzate di addestramento LLM (come Kimi K2 di Moonshot AI), questo ottimizzatore ibrido fonde SGD e Muon per offrire un addestramento altamente stabile e una convergenza più rapida su tutti i dataset.
- Inferenza CPU fino al 43% più veloce: Rimuovendo strategicamente la Distribution Focal Loss (DFL), YOLO26 aumenta significativamente le prestazioni su piattaforme di edge computing e CPU.
- ProgLoss + STAL: Queste funzioni di loss avanzate apportano notevoli miglioramenti nel rilevamento di oggetti di piccole dimensioni, rendendo YOLO26 eccezionalmente adatto per l'immaginario aereo e la sorveglianza 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 Neural Architecture Search.
- Latenza iper-vincolata su hardware specifico: Se hai le risorse per eseguire ricerche NAS esaustive per trovare un backbone su misura per un chip acceleratore AI personalizzato.
Quando scegliere YOLOv7#
- Pipeline GPU esistenti: Per i team che mantengono pipeline di produzione legacy profondamente ottimizzate attorno alla 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 retail e la produzione intelligente alla sanità, i moderni modelli Ultralytics non hanno rivali. L'integrazione con la piattaforma Ultralytics fornisce una pipeline ML completa, offrendo facilità d'uso, documentazione superiore, solido supporto della community e versatilità multi-task. Che tu stia tracciando l'inventario su un Raspberry Pi o eseguendo analisi complesse nel cloud, modelli come YOLO26 offrono il perfetto equilibrio di prestazioni per il futuro della computer vision.