YOLOv7 e PP-YOLOE+
Quando valutano modelli di visione artificiale per pipeline di produzione, gli sviluppatori spesso soppesano i vantaggi delle diverse architetture. Due modelli importanti nel panorama del rilevamento di oggetti sono YOLOv7 e PP-YOLOE+. Questa guida offre un confronto tecnico dettagliato delle architetture, delle metriche di prestazione e degli scenari di distribuzione ideali per aiutarti a prendere una decisione informata per il tuo prossimo progetto di visione artificiale.
Innovazioni architetturali#
Comprendere le differenze strutturali fondamentali tra questi modelli è essenziale per prevederne il comportamento durante l’addestramento e l’inferenza.
Caratteristiche principali dell’architettura YOLOv7#
YOLOv7 ha introdotto diversi importanti progressi, progettati per migliorare l’accuratezza senza aumentare significativamente i costi di inferenza.
- Reti di aggregazione dei livelli estese ed efficienti (E-ELAN): Questa architettura controlla i percorsi del gradiente più brevi e quelli più lunghi. In questo modo, consente alla rete di apprendere caratteristiche più diversificate e migliora la capacità di apprendimento complessiva senza distruggere il percorso originale del gradiente.
- Strategie di scaling del modello: YOLOv7 utilizza lo scaling composto del modello, regolando simultaneamente profondità e larghezza e concatenando i livelli per mantenere una struttura architetturale ottimale nelle diverse dimensioni.
- Bag-of-freebies addestrabile: Gli autori hanno integrato un metodo di convoluzione riparametrizzata (RepConv) senza connessioni identità, che migliora notevolmente la velocità di inferenza senza compromettere la capacità predittiva del modello.
Dettagli di YOLOv7:
- 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
Caratteristiche principali dell’architettura PP-YOLOE+#
Sviluppato da Baidu nell’ecosistema PaddlePaddle, PP-YOLOE+ si basa sul predecessore PP-YOLOv2 e si concentra soprattutto sulle metodologie anchor-free e su rappresentazioni delle caratteristiche migliorate.
- Architettura anchor-free: A differenza degli approcci basati su anchor, questa architettura semplifica la head di predizione e riduce il numero di iperparametri, rendendo il modello più facile da ottimizzare per dataset personalizzati.
- Backbone CSPRepResNet: questo backbone integra connessioni residue e reti Cross Stage Partial per migliorare le capacità di estrazione delle caratteristiche mantenendo al contempo l'efficienza computazionale.
- Apprendimento dell'allineamento dei task (TAL): PP-YOLOE+ utilizza ET-head (testa efficiente allineata ai task) per allineare meglio i task di classificazione e localizzazione, affrontando un collo di bottiglia comune nei rilevatori one-stage.
Dettagli su PP-YOLOE+:
- Autori: Autori di PaddlePaddle
- Organizzazione: Baidu
- Data: 2022-04-02
- arXiv: https://arxiv.org/abs/2203.16250
Metriche di prestazione e benchmark#
La scelta del modello giusto dipende spesso dai vincoli specifici dell'hardware e dai requisiti di latenza. La tabella seguente illustra i compromessi tra accuratezza (mAP), velocità e complessità del modello.
| Modello | dimensione (pixel) | mAPval50-95 | 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 |
| PP-YOLOE+t | 640 | 39.9 | - | 2.84 | 4.85 | 19.15 |
| PP-YOLOE+s | 640 | 43.7 | - | 2.62 | 7.93 | 17.36 |
| PP-YOLOE+m | 640 | 49.8 | - | 5.56 | 23.43 | 49.91 |
| PP-YOLOE+l | 640 | 52.9 | - | 8.36 | 52.2 | 110.07 |
| PP-YOLOE+x | 640 | 54.7 | - | 14.3 | 98.42 | 206.59 |
Analisi dei risultati#
- Scenari ad alta accuratezza: YOLOv7x offre prestazioni solide, raggiungendo un mAP elevato e competitivo per le attività di rilevamento complesse. PP-YOLOE+x raggiunge un mAP leggermente superiore, ma comporta un notevole aumento dei parametri e dei FLOPs.
- Efficienza e velocità: Le varianti più piccole di PP-YOLOE+ (t e s) offrono una latenza TensorRT molto bassa e sono quindi adatte alle distribuzioni edge, dove i vincoli hardware sono rigidi.
- Il giusto equilibrio: YOLOv7l offre un compromesso convincente: supera il 51% di mAP mantenendo un tempo di inferenza inferiore a 7 ms sulle GPU T4, risultando una scelta solida per le applicazioni server standard in tempo reale.
I vantaggi di Ultralytics#
Sebbene YOLOv7 e PP-YOLOE+ offrano entrambi ottime prestazioni nei benchmark, l'esperienza di sviluppo e il supporto dell'ecosistema sono altrettanto fondamentali per il successo di un progetto.
Esperienza utente semplificata#
I modelli Ultralytics danno priorità alla facilità d’uso grazie a un’API Python unificata. A differenza di PP-YOLOE+, che richiede di orientarsi nell’ecosistema PaddlePaddle e nei relativi file di configurazione specifici, Ultralytics ti consente di passare dall’addestramento alla distribuzione con poche righe di codice.
from ultralytics import YOLO
# Carica un modello YOLO26 pretrained (il pacchetto Ultralytics non supporta l'addestramento di YOLOv7)
model = YOLO("yolo26n.pt")
# Addestra il modello sul dataset di esempio COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Esporta per una distribuzione ottimizzata
model.export(format="engine") # Esportazione TensorRTEfficienza nell'uso delle risorse#
Un importante punto di forza dei modelli Ultralytics YOLO è il minore fabbisogno di memoria durante l’addestramento e l’inferenza. Questa efficienza permette a ricercatori e sviluppatori di usare batch più grandi su hardware consumer, accelerando l’addestramento rispetto ai modelli più pesanti o alle architetture basate su Transformer come RT-DETR.
Ecosistema e versatilità#
L’ecosistema Ultralytics è mantenuto con cura, con aggiornamenti frequenti, documentazione completa e supporto nativo per diverse attività oltre al rilevamento standard. Con Ultralytics, un unico framework supporta la segmentazione delle istanze, la classificazione, la stima della posa e le bounding box orientate (OBB); YOLO26 aggiunge la segmentazione semantica e la stima della profondità, offrendo una versatilità che manca ai modelli dedicati solo al rilevamento.
Il futuro della vision AI: YOLO26#
Con l’evoluzione della visione artificiale, le nuove architetture continuano a innalzare l’asticella in termini di velocità ed efficienza. Rilasciato a gennaio 2026, Ultralytics YOLO26 è la scelta consigliata per i nuovi progetti.
Innovazioni principali di YOLO26:
- Design end-to-end senza NMS: La head opzionale one-to-one di YOLO26 (
nms=False) salta la post-elaborazione con soppressione non massima (NMS). Questa opzione end-to-end semplifica la logica di distribuzione e riduce la variabilità della latenza, sviluppando un approccio introdotto per la prima volta in YOLOv10. - Prestazioni edge più veloci: Eliminando la Distribution Focal Loss (DFL), YOLO26n raggiunge un’inferenza su CPU fino al 43% più veloce rispetto a YOLO11n, rendendo YOLO26 particolarmente adatto ai dispositivi IoT ed edge.
- Dinamiche di addestramento avanzate: l'integrazione dell'ottimizzatore MuSGD, ispirato alle innovazioni degli LLM come Kimi K2 di Moonshot AI, garantisce un addestramento più stabile e una convergenza più rapida.
- Rilevamento migliorato degli oggetti piccoli: Le tecniche di addestramento avanzate, in particolare ProgLoss + STAL, affrontano le debolezze storiche nel riconoscimento degli oggetti di piccole dimensioni, essenziale per applicazioni come le immagini aeree.
Applicazioni nel mondo reale#
La scelta tra queste architetture dipende spesso dall'ambiente di distribuzione specifico.
Quando scegliere PP-YOLOE+#
- Integrazione con PaddlePaddle: se la tua infrastruttura è già profondamente integrata nell'ecosistema PaddlePaddle di Baidu, PP-YOLOE+ è una scelta naturale.
- Ispezione industriale sugli stack Baidu: Distribuzioni nel settore manifatturiero in cui hardware e software sono già configurati per gli strumenti Baidu.
Quando scegliere YOLOv7#
- Sistemi con accelerazione GPU: Offre buone prestazioni su GPU di classe server per attività che richiedono un throughput elevato, come l’analisi video.
- Integrazione nella robotica: Adatto all’integrazione della visione artificiale nella robotica, per consentire decisioni rapide in ambienti dinamici.
- Ricerca accademica: è ampiamente supportato e spesso utilizzato come baseline affidabile nella ricerca basata su PyTorch.
Anche se i modelli più datati hanno importanza storica, passare ad architetture moderne come YOLO26 o YOLO11 tramite la Ultralytics Platform offre le ottimizzazioni più recenti, flussi di lavoro di addestramento più semplici e un supporto più ampio per le attività multiple.
Commenti
Fai una domanda, condividi i tuoi risultati o aiuta qualcun altro.