YOLOv8 contro DAMO-YOLO#

Il panorama della computer vision è in costante evoluzione, con nuove architetture che spingono i confini di ciò che è possibile ottenere su dispositivi edge e massicci cloud cluster. In questo approfondimento tecnico, confrontiamo due modelli di object detection in tempo reale di spicco: YOLOv8 e DAMO-YOLO. Esaminando le loro architetture, le metriche di performance e le metodologie di addestramento, gli ingegneri ML possono prendere decisioni informate per i loro pipeline di distribuzione.

Background e origini dei modelli#

Entrambi i modelli sono stati introdotti nello stesso periodo, ma derivano da filosofie di progettazione e obiettivi di ricerca differenti.

Dettagli di YOLOv8#

• Autori: Glenn Jocher, Ayush Chaurasia e Jing Qiu
• Organizzazione: Ultralytics
• Data: 10-01-2023
• GitHub: Ultralytics GitHub Repository
• Documenti: YOLOv8 Official Documentation

Scopri di più su YOLOv8

Dettagli di DAMO-YOLO#

• Autori: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang e Xiuyu Sun
• Organizzazione: Alibaba Group
• Data: 23-11-2022
• Arxiv: DAMO-YOLO Research Paper
• GitHub: DAMO-YOLO GitHub Repository

Scopri di più su DAMO-YOLO

Innovazioni architettoniche#

YOLOv8: Design versatile senza anchor#

Ultralytics YOLOv8 ha introdotto miglioramenti significativi rispetto ai suoi predecessori, cementando il suo status di modello all'avanguardia altamente affidabile. Presenta una testa di rilevamento anchor-free, che riduce il numero di previsioni di box e accelera l'inferenza. L'architettura utilizza una testa disaccoppiata, che separa i compiti di objectness, classificazione e regressione, portando a previsioni di bounding box più accurate.

Inoltre, YOLOv8 implementa Distribution Focal Loss (DFL) insieme alla perdita CIoU, migliorando la capacità del modello di localizzare con precisione i confini degli oggetti, specialmente per bersagli più piccoli o occlusi. Il suo backbone snello è altamente ottimizzato per l'esecuzione sia su GPU che su CPU.

DAMO-YOLO: Guidato dalla ricerca dell'architettura#

DAMO-YOLO adotta un approccio diverso, affidandosi pesantemente alla Neural Architecture Search (NAS) per progettare automaticamente il proprio backbone. Il team di Alibaba ha introdotto "MAE-NAS" per trovare strutture che offrono compromessi ottimali tra latenza e accuratezza specificamente sotto l'accelerazione di TensorRT.

Il modello incorpora una RepGFPN (Reparameterized Generalized Feature Pyramid Network) per una fusione efficiente delle feature e un design "ZeroHead" per ridurre al minimo il carico computazionale della head di rilevamento. Durante l'addestramento, sfrutta AlignedOTA per l'assegnazione delle label e si affida pesantemente a un complesso processo di knowledge distillation, che richiede un modello teacher più grande per supervisionare il modello student target.

Prestazioni e metriche#

Quando distribuisci modelli di computer vision in produzione, bilanciare l'accuratezza (mAP) con la velocità di inferenza è fondamentale. La tabella sottostante illustra le performance di entrambi i modelli su varie dimensioni.

YOLOv8 dimostra un bilanciamento delle prestazioni eccezionale. Il modello YOLOv8n (nano) richiede solo 3,2 milioni di parametri rispetto agli 8,5 milioni di DAMO-YOLOt, rendendolo nettamente superiore per dispositivi mobili o ambienti con rigidi requisiti di memoria. Inoltre, YOLOv8 offre una gamma più ampia di dimensioni, scalando fino al modello altamente accurato YOLOv8x per carichi di lavoro basati su cloud.

Esperienza dello sviluppatore ed ecosistema#

Facilità d'uso ed efficienza nell'addestramento#

Uno dei fattori di differenziazione più importanti è l'esperienza utente. L'ecosistema Ultralytics è progettato per la velocità di sviluppo. L'addestramento di un modello YOLOv8 personalizzato richiede un utilizzo di memoria molto basso e può essere eseguito tramite una API Python unificata o un'interfaccia a riga di comando.

Al contrario, riprodurre l'addestramento potenziato dalla distillazione di DAMO-YOLO richiede spesso di orientarsi tra file di configurazione complessi e gestire il experiment tracking insegnante-studente multi-stadio.

Ecco un esempio di quanto sia semplice addestrare, validare ed esportare YOLOv8 utilizzando Python:

from ultralytics import YOLO

# Load a pre-trained YOLOv8 nano model
model = YOLO("yolov8n.pt")

# Train the model on the COCO8 dataset
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device="cpu")

# Export the trained model to ONNX format
path = model.export(format="onnx")

Versatilità tra le attività di visione#

DAMO-YOLO è costruito rigorosamente per il rilevamento di oggetti con bounding box. Al contrario, l'architettura di YOLOv8 supporta nativamente più compiti. Sostituendo semplicemente i pesi del modello, gli sviluppatori possono eseguire Instance Segmentation, Image Classification e Pose Estimation senza modificare la codebase di distribuzione sottostante. Questa versatilità rende i modelli Ultralytics molto più pratici per applicazioni complesse.

Casi d'uso nel mondo reale#

Quando usare YOLOv8#

La combinazione di velocità, accuratezza e facilità di distribuzione di YOLOv8 lo rende ideale per:

• Smart Retail Analytics: Esecuzione del object tracking per monitorare il comportamento dei clienti o automatizzare i controlli dell'inventario.
• Robotica agricola: Sfruttare le sue ottime performance su hardware eterogeneo per identificare colture o parassiti in tempo reale.
• Diagnostica sanitaria: Utilizzare la instance segmentation per mappare anomalie nelle immagini mediche in modo rapido e accurato.
• Edge Deployments: L'integrazione perfetta con formati di esportazione come OpenVINO e CoreML permette a YOLOv8 di eccellere su dispositivi vincolati.

Quando usare DAMO-YOLO#

DAMO-YOLO può essere utile in scenari di nicchia, in particolare:

• Ricerca accademica NAS: Per team che studiano metodologie di ri-parametrizzazione o di progettazione automatizzata dell'architettura.
• Pipeline strettamente legate alla GPU: Applicazioni in esecuzione esclusivamente su hardware NVIDIA specifico, dove le strutture NAS sono state pesantemente ottimizzate per i limiti di esecuzione di TensorRT.

Casi d'uso e raccomandazioni#

Scegliere tra YOLOv8 e DAMO-YOLO dipende dai requisiti specifici del tuo progetto, dai vincoli di distribuzione e dalle preferenze dell'ecosistema.

Quando scegliere YOLOv8#

YOLOv8 è una scelta solida per:

• Distribuzione Multi-Task Versatile: Progetti che richiedono un modello collaudato per rilevamento, segmentazione, classificazione e stima della posa all'interno dell'ecosistema Ultralytics.
• Sistemi di produzione consolidati: Ambienti di produzione esistenti già costruiti sull'architettura YOLOv8 con pipeline di distribuzione stabili e ben testate.
• Ampio supporto dalla community ed ecosistema: Applicazioni che beneficiano degli estesi tutorial di YOLOv8, integrazioni di terze parti e risorse attive della community.

Quando scegliere DAMO-YOLO#

DAMO-YOLO è raccomandato per:

• Video Analytics ad alto throughput: Elaborazione di flussi video ad alto FPS su infrastruttura GPU NVIDIA fissa dove il throughput batch-1 è la metrica principale.
• Linee di produzione industriale: Scenari con rigorosi vincoli di latenza GPU su hardware dedicato, come l'ispezione di qualità in tempo reale sulle linee di assemblaggio.
• Ricerca sulla Neural Architecture Search: Studiare gli effetti della ricerca automatizzata dell'architettura (MAE-NAS) e delle efficienti backbone riparametrizzate sulle prestazioni di rilevamento.

Quando scegliere Ultralytics (YOLO26)#

Per la maggior parte dei nuovi progetti, Ultralytics YOLO26 offre la migliore combinazione di prestazioni ed esperienza per gli sviluppatori:

• Implementazione Edge senza NMS: Applicazioni che richiedono un'inferenza costante e a bassa latenza senza la complessità della post-elaborazione della soppressione dei non massimi.
• Ambienti solo CPU: Dispositivi senza accelerazione GPU dedicata, dove l'inferenza CPU fino al 43% più veloce di YOLO26 fornisce un vantaggio decisivo.
• Rilevamento di piccoli oggetti: Scenari complessi come aerial drone imagery o analisi di sensori IoT in cui ProgLoss e STAL aumentano significativamente l'accuratezza sugli oggetti minuscoli.

Guardando al futuro: Nuovi modelli Ultralytics#

Sebbene YOLOv8 rimanga un cavallo di battaglia altamente affidabile, il campo della computer vision si muove rapidamente. Dovresti considerare anche di esplorare le nuove generazioni:

YOLO26: L'ultima generazione, Ultralytics YOLO26, rappresenta un cambiamento di paradigma. Introduce un design nativamente End-to-End NMS-Free Design, eliminando completamente i colli di bottiglia della latenza associati al post-processing di Non-Maximum Suppression. Alimentato dal nuovo MuSGD Optimizer (un ibrido di SGD e Muon) e da funzioni di perdita specializzate ProgLoss + STAL, YOLO26 raggiunge un addestramento notevolmente stabile e un riconoscimento degli oggetti piccoli notevolmente migliorato. Con la rimozione di DFL Removal (Distribution Focal Loss rimossa per un'esportazione semplificata e una migliore compatibilità con dispositivi edge/a basso consumo), i ritocchi architetturali offrono fino a 43% Faster CPU Inference rispetto alle generazioni precedenti, rendendolo la scelta definitiva per il modern edge computing.

YOLO11: Un'altra eccellente alternativa, Ultralytics YOLO11 offre perfezionamenti architetturali incrementali rispetto a YOLOv8 e rimane un modello robusto e ampiamente adottato nella community.

In conclusione, mentre DAMO-YOLO offre interessanti spunti accademici sulla ricerca architettonica, i modelli Ultralytics forniscono un ecosistema significativamente più maturo, versatile e facile da usare per gli sviluppatori. Che tu scelga la comprovata stabilità di YOLOv8 o l'aggiornamento alla velocissima architettura senza NMS di YOLO26, la suite Ultralytics rimane la scelta principale per la vision AI in tempo reale.