コンテンツにスキップ

DAMO-YOLOとYOLOv8:技術比較

適切な物体検出モデルの選択は、精度、速度、実装の容易さのバランスを取る上で重要な決定です。このページでは、Alibaba Groupの高性能モデルであるDAMO-YOLOと、汎用性と堅牢なエコシステムで知られる最先端モデルであるUltralytics YOLOv8との詳細な技術比較を提供します。アーキテクチャの違い、パフォーマンス指標、理想的なユースケースを掘り下げ、コンピュータビジョンプロジェクトに最適なモデルを選択するのにお役立てください。

DAMO-YOLO:Alibabaによる高速かつ高精度な手法

著者: Xianzhe Xu、Yiqi Jiang、Weihua Chen、Yilun Huang、Yuan Zhang、Xiuyu Sun
組織: Alibaba Group
日付: 2022-11-23
Arxiv: https://arxiv.org/abs/2211.15444v2
GitHub: https://github.com/tinyvision/DAMO-YOLO
ドキュメント: https://github.com/tinyvision/DAMO-YOLO/blob/master/README.md

アーキテクチャと主な機能

DAMO-YOLOは、Alibabaの研究から生まれた強力な物体検出器であり、速度と精度のトレードオフの限界を押し広げるための革新的な技術をいくつか導入しています。そのアーキテクチャは、ニューラルアーキテクチャ探索(NAS)と高度な設計原則を組み合わせた包括的なアプローチの結果です。

  • NAS搭載バックボーン: DAMO-YOLOは、NASを通じて生成されたバックボーンを採用しており、オブジェクト検出に特化した、非常に効率的な特徴抽出構造を発見できます。
  • Efficient RepGFPN Neck: 新しいネック構造であるGeneralized Feature Pyramid Network(GFPN)を導入します。これは、最小限の計算量で特徴融合を改善するために、再パラメータ化技術で強化されています。
  • ZeroHead: このモデルは、軽量なアンカーフリー検出ヘッドであるZeroHeadを利用しており、高いパフォーマンスを維持しながら、計算の複雑さを軽減します。
  • AlignedOTA ラベル割り当て: AlignedOTAと呼ばれる高度なラベル割り当て戦略を使用します。これは、ポジティブサンプルを適切な正解オブジェクトとより適切に整合させることにより、トレーニングの安定性とモデルの精度を向上させます。
  • 知識蒸留: DAMO-YOLOファミリーのより大きなモデルは、知識蒸留によって強化され、パフォーマンスがさらに向上します。

DAMO-YOLOの詳細

長所

  • High Accuracy and Speed on GPU: DAMO-YOLOはGPUハードウェア向けに高度に最適化されており、mAPと推論速度の優れたバランスを実現し、GPUパフォーマンスが重要なアプリケーションにとって強力な候補となります。
  • 革新的なアーキテクチャ: NASと、RepGFPNやZeroHeadのようなカスタムコンポーネントの使用は、高度な研究を示し、非常に効率的なアーキテクチャを提供します。

弱点

  • 限定的なエコシステム: Ultralytics YOLOと比較して、DAMO-YOLOのエコシステムは十分に開発されていません。エンドツーエンドのワークフローを簡素化する、Ultralytics HUBのような広範なドキュメント、チュートリアル、統合ツールが不足しています。
  • タスクの特異性: DAMO-YOLOは主に物体検出用に設計されています。同じフレームワーク内でセグメンテーション、姿勢推定、分類のような他のビジョンタスクに対するネイティブサポートは提供していません。
  • コミュニティとサポート: 価値のあるオープンソースの貢献ではありますが、Ultralytics YOLOシリーズほど活発なコミュニティサポートや頻繁なアップデートはありません。

Ultralytics YOLOv8:汎用性と性能

著者: Glenn Jocher, Ayush Chaurasia, and Jing Qiu
所属: Ultralytics
日付: 2023-01-10
GitHub: https://github.com/ultralytics/ultralytics
ドキュメント: https://docs.ultralytics.com/models/yolov8/

アーキテクチャと主な機能

Ultralytics YOLOv8は、これまでのYOLOバージョンの成功を基に構築された最先端のモデルです。高速、高精度、そして非常に使いやすいように設計されており、さまざまなコンピュータビジョンタスクのための統合フレームワークも提供します。

  • 改良されたCSPDarknetバックボーン: YOLOv8は高度なCSPDarknetバックボーンを使用し、より優れたパフォーマンスのために特徴抽出プロセスを最適化します。
  • C2f Neck: ネックにC2fモジュールが組み込まれており、YOLOv5のC3モジュールを置き換えることで、より効率的な特徴融合を可能にしています。
  • Anchor-Free Decoupled Head: DAMO-YOLOと同様に、YOLOv8はアンカーフリーであり、トレーニング中のマッチングプロセスを簡素化します。そのデカップリングされたヘッドは、分類タスクと回帰タスクを分離し、モデル全体の精度を向上させます。

YOLOv8の詳細について。

長所

  • 使いやすさ: YOLOv8は、ユーザーフレンドリーな設計で知られています。効率化されたPython APICLIにより、開発者はわずか数行のコードでモデルをトレーニング、検証、およびデプロイできます。
  • 優れたメンテナンス体制: 広範なドキュメント、活発な開発、強力なコミュニティサポート、そしてノーコードトレーニングとMLOpsのためのUltralytics HUBのようなツールとのシームレスな統合を含む、包括的なUltralyticsエコシステムによって支えられています。
  • パフォーマンスのバランス: YOLOv8は、エッジデバイスから強力なクラウドGPUまで、さまざまなハードウェアで速度と精度の間で並外れたトレードオフを提供します。
  • 多様性: YOLOv8の主な利点は、物体検出インスタンスセグメンテーション画像分類ポーズ推定傾斜物体検出(OBB)など、複数のタスクをネイティブにサポートしていることです。これにより、複雑なビジョンプロジェクトに対応できるワンストップソリューションとなっています。
  • Training and Memory Efficiency: YOLOv8モデルは効率的なトレーニング用に設計されており、多くの場合、代替手段よりもCUDAメモリの使用量が少なくなります。COCOのようなデータセットで事前にトレーニングされた重みが利用できるため、カスタムモデルの開発が加速されます。

弱点

  • 大規模モデルのリソース需要: 最大のモデルであるYOLOv8xは、最高の精度を提供しますが、かなりの計算リソースを必要とします。これは、トップパフォーマンスモデルの一般的なトレードオフです。

性能分析:速度と精度

COCOデータセットでの直接比較により、DAMO-YOLOとYOLOv8の間の競争状況が明らかになります。次の表は、それらのパフォーマンス指標をまとめたものです。

モデル サイズ
(ピクセル)
mAPval
50-95
速度
CPU ONNX
(ms)
速度
T4 TensorRT10
(ms)
params
(M)
FLOPs
(B)
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
YOLOv8n 640 37.3 80.4 1.47 3.2 8.7
YOLOv8s 640 44.9 128.4 2.66 11.2 28.6
YOLOv8m 640 50.2 234.7 5.86 25.9 78.9
YOLOv8l 640 52.9 375.2 9.06 43.7 165.2
YOLOv8x 640 53.9 479.1 14.37 68.2 257.8

表から、いくつかの結論を導き出すことができます。

  • 精度: YOLOv8xは53.9%という最高のmAPを達成し、すべてのDAMO-YOLOバリアントを上回っています。ミディアムサイズでは、YOLOv8m(50.2 mAP)はDAMO-YOLOm(49.2 mAP)よりも高精度です。ただし、DAMO-YOLOs(46.0 mAP)はYOLOv8s(44.9 mAP)をわずかに上回っています。
  • GPU速度: どちらのモデルファミリーも GPU 上で非常に高速です。YOLOv8n は 1.47 ミリ秒で全体的に最速です。DAMO-YOLOt は 2.32 ミリ秒という目覚ましい速度を示し、YOLOv8s よりも高速です。
  • CPU速度: YOLOv8は、多くのエッジAIアプリケーションにとって重要な要素であるCPU推論の明確なベンチマークを提供します。DAMO-YOLOには公式のCPUベンチマークがないため、CPUバウンドのデプロイメントでの評価が困難ですが、YOLOv8はこれらのシナリオで実績のあるパフォーマーです。
  • 効率性: YOLOv8モデルは、一般的にパラメータ効率に優れています。例えば、YOLOv8sは、同等の精度を提供しながら、DAMO-YOLOsよりも少ないパラメータ (11.2M vs. 16.3M) とFLOPs (28.6B vs. 37.8B) を持っています。

トレーニング方法論とユーザビリティ

DAMO-YOLOのトレーニングプロセスでは、AlignedOTAや知識蒸留などの高度な技術を活用しており、高いパフォーマンスを達成できますが、構成と調整にはより深い専門知識が必要となる場合があります。

対照的に、Ultralyticsフレームワークは、シームレスなユーザーエクスペリエンスを優先します。YOLOv8モデルのトレーニングは、CLIまたはpython SDKを使用するかどうかにかかわらず、簡単です。このフレームワークは、複雑さの多くを抽象化し、ユーザーがデータとアプリケーションの目標に集中できるようにします。効率的なトレーニングプロセスは、すぐに利用できる事前トレーニング済みの重みと、ハイパーパラメータ調整などのトピックに関する広範なガイドと組み合わされ、YOLOv8を初心者と専門家の両方がアクセスできるようにします。

結論: どのモデルを選ぶべきか?

DAMO-YOLOとYOLOv8はどちらも、最先端技術を駆使した優れた物体検出モデルです。

DAMO-YOLOは、GPUの生(raw)の性能を重視し、研究中心のフレームワークで作業することに抵抗がない研究者や開発者にとって、優れた選択肢となります。その革新的なアーキテクチャは、特にGPUリソースが豊富なシナリオにおいて、目覚ましい結果をもたらします。

しかし、圧倒的多数の開発者とアプリケーションにとって、Ultralytics YOLOv8が優れた選択肢として際立っています。その主な利点により、実世界のコンピュータビジョンソリューションを構築するための、より実用的で強力なツールとなっています。

  • 比類なき汎用性: 1つのフレームワークで検出、セグメンテーション、ポーズ、分類、トラッキングをサポートすることで、開発時間を大幅に節約できます。
  • 優れた使いやすさ: シンプルで直感的なAPIと豊富なドキュメントにより、参入障壁が低くなり、プロジェクトのタイムラインが加速されます。
  • 堅牢なエコシステム: 継続的なアップデート、強力なコミュニティサポート、およびUltralytics HUBのようなツールは、AIライフサイクル全体にわたる包括的な環境を提供します。
  • Balanced Performance:: YOLOv8は、CPUとGPUの両方で速度と精度の卓越したブレンドを提供し、多様なデプロイメントターゲットに対する柔軟性を保証します。

結局のところ、DAMO-YOLOは最先端の研究の証ですが、YOLOv8はより完全で、ユーザーフレンドリーで、汎用性の高いパッケージを提供しており、堅牢でスケーラブルなAIソリューションを構築するための推奨される選択肢となっています。

その他のモデル比較

これらのモデルと他の主要なアーキテクチャとの比較にご興味があれば、以下の比較もご覧ください。



📅 1年前に作成 ✏️ 1か月前に更新

コメント