YOLOv8 vs DAMO-YOLO#

Il panorama della visione artificiale è in continua evoluzione e nuove architetture ampliano i limiti di ciò che è possibile sui dispositivi edge e nei grandi cluster cloud. In questo approfondimento tecnico confrontiamo due importanti modelli di rilevamento di oggetti in tempo reale: YOLOv8 e DAMO-YOLO. Esaminandone le architetture, le metriche di prestazione e le metodologie di addestramento, gli ingegneri ML possono prendere decisioni consapevoli per le proprie pipeline di distribuzione.

Origini e contesto dei modelli#

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

Dettagli su YOLOv8#

• Autori: Glenn Jocher, Ayush Chaurasia e Jing Qiu
• Organizzazione: Ultralytics
• Data: 2023-01-10
• GitHub: Repository GitHub di Ultralytics
• Documentazione: Documentazione ufficiale di YOLOv8

Dettagli su DAMO-YOLO#

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

Scopri di più su DAMO-YOLO

Innovazioni architetturali#

YOLOv8: architettura versatile senza anchor#

Ultralytics YOLOv8 ha introdotto miglioramenti significativi rispetto ai predecessori, consolidandosi come modello all'avanguardia e altamente affidabile. Include una testa di rilevamento senza anchor, che riduce il numero di riquadri previsti e velocizza l'inferenza. L'architettura utilizza una testa disaccoppiata che separa le attività di classificazione e regressione, ottenendo previsioni dei riquadri di delimitazione più precise.

Inoltre, YOLOv8 implementa la Distribution Focal Loss (DFL) insieme alla loss CIoU, migliorando la capacità del modello di localizzare con precisione i contorni degli oggetti, soprattutto quelli piccoli o parzialmente occlusi. Il backbone semplificato è altamente ottimizzato sia per l'esecuzione su GPU che su CPU.

DAMO-YOLO: basato sulla ricerca architetturale#

DAMO-YOLO adotta un approccio diverso e si affida ampiamente alla ricerca automatica delle architetture neurali (NAS) per progettare automaticamente il proprio backbone. Il team Alibaba ha introdotto "MAE-NAS" per individuare strutture che offrano il compromesso ottimale tra latenza e precisione, in particolare con l'accelerazione TensorRT.

Il modello integra RepGFPN (Reparameterized Generalized Feature Pyramid Network) per fondere le caratteristiche in modo efficiente e una progettazione "ZeroHead" per ridurre al minimo il carico computazionale della testa di rilevamento. Durante l'addestramento utilizza AlignedOTA per l'assegnazione delle etichette e si affida a un complesso processo di distillazione della conoscenza, che richiede un modello insegnante più grande per supervisionare il modello studente di destinazione.

Prestazioni e metriche#

Quando distribuisci modelli di visione artificiale in produzione, è fondamentale bilanciare la precisione (mAP) e la velocità di inferenza. La tabella seguente illustra le prestazioni dei due modelli nelle diverse dimensioni.

YOLOv8 offre un equilibrio eccezionale tra prestazioni. Il modello YOLOv8n (nano) richiede solo 3,2 milioni di parametri, contro gli 8,5 milioni di DAMO-YOLOt, risultando nettamente superiore per dispositivi mobili o ambienti con rigidi vincoli di memoria. Inoltre, YOLOv8 offre una gamma più ampia di dimensioni, fino al modello YOLOv8x, altamente preciso e adatto ai carichi di lavoro basati su cloud.

Esperienza per gli sviluppatori ed ecosistema#

Facilità d'uso ed efficienza dell'addestramento#

Uno dei principali fattori distintivi è l'esperienza utente. L'ecosistema Ultralytics è progettato per accelerare il lavoro degli sviluppatori. Addestrare un modello YOLOv8 personalizzato richiede pochissima memoria e può essere eseguito tramite un'API Python unificata o un'interfaccia a riga di comando.

Riprodurre l'addestramento di DAMO-YOLO basato sulla distillazione richiede invece spesso di destreggiarsi tra file di configurazione complessi e gestire il tracciamento degli esperimenti in più fasi con modelli insegnante e studente.

Ecco un esempio di quanto sia semplice addestrare, convalidare ed esportare YOLOv8 usando Python:

from ultralytics import YOLO

# Carica un modello YOLOv8 nano preaddestrato
model = YOLO("yolov8n.pt")

# Addestra il modello sul dataset COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device="cpu")

# Esporta il modello addestrato in formato ONNX
path = model.export(format="onnx")

Versatilità nelle attività di visione#

DAMO-YOLO è progettato esclusivamente per il rilevamento di oggetti tramite riquadri di delimitazione. L'architettura YOLOv8, invece, supporta nativamente più attività. Basta sostituire i pesi del modello perché gli sviluppatori possano eseguire la segmentazione delle istanze, la classificazione delle immagini e la stima della posa senza modificare il codice di distribuzione sottostante. Questa versatilità rende i modelli Ultralytics molto più pratici per le applicazioni complesse.

Casi d’uso nel mondo reale#

Quando usare YOLOv8#

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

• Analisi per il commercio al dettaglio intelligente: usare il tracciamento degli oggetti per monitorare il comportamento dei clienti o automatizzare il controllo delle scorte.
• Robotica agricola: sfruttarne le prestazioni elevate su hardware diversi per identificare colture o parassiti in tempo reale.
• Diagnostica sanitaria: usare la segmentazione delle istanze per mappare anomalie nelle immagini mediche in modo rapido e preciso.
• Distribuzioni edge: la perfetta integrazione con formati di esportazione come OpenVINO e CoreML permette a YOLOv8 di eccellere sui dispositivi con risorse limitate.

Quando usare DAMO-YOLO#

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

• Ricerca accademica sulla NAS: per i team che studiano la riparametrizzazione o le metodologie di progettazione automatizzata delle architetture.
• Pipeline vincolate esclusivamente alla GPU: applicazioni eseguite solo su hardware NVIDIA specifico, per il quale le strutture NAS sono state ampiamente ottimizzate entro i limiti di esecuzione di TensorRT.

Casi d'uso e consigli#

La scelta tra YOLOv8 e DAMO-YOLO dipende dai requisiti specifici del tuo progetto, dai vincoli di distribuzione e dalle preferenze relative all'ecosistema.

Quando scegliere YOLOv8#

YOLOv8 è un'ottima scelta per:

• Distribuzioni versatili e multi-attività: progetti che richiedono un modello collaudato per rilevamento, segmentazione, classificazione e stima della posa nell’ecosistema Ultralytics.
• Sistemi di produzione consolidati: ambienti di produzione esistenti già basati sull’architettura YOLOv8, con pipeline di distribuzione stabili e ben testate.
• Ampio supporto della community e dell’ecosistema: applicazioni che traggono vantaggio dagli estesi tutorial di YOLOv8, dalle integrazioni di terze parti e dalle risorse della community attiva.

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 con sola CPU: dispositivi senza accelerazione GPU dedicata, sui quali l'inferenza su CPU di YOLO26, fino al 43% più veloce, offre un vantaggio decisivo.
• Rilevamento di oggetti di piccole dimensioni: scenari complessi come le immagini aeree acquisite da droni o l'analisi dei sensori IoT, in cui ProgLoss e STAL migliorano notevolmente la precisione sugli oggetti molto piccoli.

Uno sguardo al futuro: i modelli Ultralytics più recenti#

YOLOv8 resta un modello estremamente affidabile, ma il settore della visione artificiale evolve rapidamente. Gli utenti dovrebbero valutare anche le generazioni più recenti:

YOLO26: l'ultima generazione, Ultralytics YOLO26, rappresenta un cambio di paradigma. Introduce un'architettura end-to-end senza NMS nativa (nms=False) che elimina i colli di bottiglia della latenza associati alla post-elaborazione con la soppressione non massima. Grazie al nuovo ottimizzatore MuSGD (un ibrido di SGD e Muon) e alle funzioni di loss specializzate ProgLoss + STAL, YOLO26 garantisce un addestramento notevolmente stabile e un riconoscimento degli oggetti piccoli molto più efficace. Con la rimozione di DFL (la Distribution Focal Loss viene rimossa per semplificare l'esportazione e migliorare la compatibilità con dispositivi edge e a basso consumo), le modifiche architetturali consentono un'inferenza su CPU fino al 43% più veloce rispetto alle generazioni precedenti, rendendolo la scelta ideale per l'edge computing moderno.

YOLO11: un'altra ottima alternativa, Ultralytics YOLO11 offre miglioramenti architetturali graduali rispetto a YOLOv8 e resta un modello solido, ampiamente adottato dalla community.

In conclusione, DAMO-YOLO offre spunti accademici interessanti sulla ricerca architetturale, ma i modelli Ultralytics forniscono un ecosistema molto più maturo, versatile e adatto agli sviluppatori. Che tu scelga la comprovata stabilità di YOLOv8 o passi all'architettura YOLO26 senza NMS e velocissima, la gamma Ultralytics resta la scelta d'eccellenza per l'IA visiva in tempo reale.