DAMO-YOLO vs YOLOv10#

O campo da visão computacional testemunhou uma rápida evolução nas arquiteturas de detecção de objetos em tempo real. Ao comparar DAMO-YOLO e YOLOv10, observamos duas filosofias distintas de projeto de modelos: busca automatizada de arquitetura versus otimização ponta a ponta sem NMS. Embora ambos ampliem os limites da precisão e da velocidade, as estruturas subjacentes e os casos de uso ideais diferem significativamente.

DAMO-YOLO: busca de arquitetura neural em escala#

Desenvolvido pelo Grupo Alibaba, DAMO-YOLO surgiu como um detector poderoso, focado em aproveitar a descoberta automatizada para obter eficiência estrutural.

• Autores: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang e Xiuyu Sun
• Data: 23 de novembro de 2022
• Arxiv: 2211.15444v2
• GitHub: tinyvision/DAMO-YOLO

Destaques arquitetônicos#

DAMO-YOLO depende fortemente da Busca de Arquitetura Neural (NAS) para equilibrar desempenho e latência. Seu backbone, chamado MAE-NAS, usa uma busca orientada pela entropia máxima com orçamentos computacionais rigorosos para encontrar a profundidade e a largura ideais das camadas.

Para lidar com a fusão de características entre escalas, o modelo utiliza uma RepGFPN (Rede de Pirâmide de Recursos Generalizada Reparametrizada) eficiente. Esse projeto com neck pesado é especialmente eficaz na extração de hierarquias espaciais complexas, sendo útil em cenários como a análise de imagens aéreas. Além disso, DAMO-YOLO apresenta o ZeroHead, um cabeçalho de detecção simplificado que reduz bastante a complexidade das camadas de predição finais e depende de um processo robusto de aprimoramento por destilação durante o treinamento.

Saiba mais sobre o DAMO-YOLO

YOLOv10: Pioneiro na deteção de objetos ponta a ponta#

Lançado um ano e meio depois, YOLOv10 introduziu uma mudança de paradigma ao eliminar completamente a necessidade da supressão não máxima (NMS) durante a inferência.

• Autores: Ao Wang, Hui Chen, Lihao Liu, et al.
• Organização: Universidade Tsinghua
• Data: 23 de maio de 2024
• Arxiv: 2405.14458
• Documentação: Ultralytics YOLOv10

Destaques arquitetônicos#

O principal destaque de YOLOv10 são suas atribuições duplas consistentes para o treinamento sem NMS. Os detectores tradicionais preveem várias caixas delimitadoras sobrepostas para um único objeto, o que exige NMS para filtrar as duplicatas. Essa etapa de pós-processamento cria um gargalo, especialmente em dispositivos de borda. YOLOv10 resolve esse problema permitindo que o modelo preveja naturalmente uma única caixa delimitadora precisa por objeto.

Os autores também se concentraram em um projeto de modelo holístico, orientado ao equilíbrio entre eficiência e precisão. Ao analisar cuidadosamente a redundância computacional em arquiteturas existentes, otimizaram o backbone e o cabeçalho para reduzir a quantidade de FLOPs e parâmetros. Esse projeto leve garante que YOLOv10 ofereça latência de inferência excepcional quando exportado para formatos como TensorRT ou OpenVINO.

Sabe mais sobre o YOLOv10

Desempenho e benchmarks#

A tabela abaixo apresenta as métricas de desempenho brutas no conjunto de dados COCO. Os melhores valores gerais de cada coluna estão destacados em negrito.

DAMO-YOLO tem um bom desempenho em termos de precisão, mas YOLOv10 oferece maior precisão em escalas comparáveis e pesos do modelo significativamente menores. Por exemplo, YOLOv10s alcança um mAP ligeiramente superior (46,3%) ao de DAMO-YOLOs (46,0%), usando menos da metade dos parâmetros (7,2M contra 16,3M). Os menores requisitos de memória tornam YOLOv10 uma opção excepcionalmente versátil para sistemas embarcados.

Eficiência e usabilidade do treinamento#

Na transição da pesquisa acadêmica para a produção, a facilidade de uso é fundamental. O processo de destilação em várias etapas de DAMO-YOLO e as configurações complexas de NAS podem representar uma curva de aprendizado íngreme para as equipes de engenharia.

Por outro lado, YOLOv10 se beneficia muito da integração completa ao SDK Python da Ultralytics. Treinar um modelo personalizado exige pouquíssimo código boilerplate. A Ultralytics cuida automaticamente do aumento de dados, do ajuste de hiperparâmetros e do acompanhamento de experimentos.

from ultralytics import YOLO

# Carregue um modelo nano YOLOv10 pré-treinado
model = YOLO("yolov10n.pt")

# Treine em um conjunto de dados personalizado com validação integrada
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Executa inferências em uma imagem sem complicações
prediction = model("path/to/image.jpg")
prediction[0].show()

Casos de uso no mundo real#

• Varejo inteligente (DAMO-YOLO): a precisão de DAMO-YOLO é adequada a ambientes de servidor de alta densidade que analisam o comportamento do cliente, onde há muitas GPUs e os gargalos de NMS em tempo real são administráveis.
• Veículos autônomos (YOLOv10): a arquitetura sem NMS garante latência determinística e previsível, essencial para sistemas de segurança na condução autônoma.
• Automação industrial (YOLOv10): detectar defeitos em linhas de montagem de alta velocidade exige modelos que maximizem a velocidade de inferência em tempo real sem consumir muita VRAM, o que faz de YOLOv10 um excelente candidato para implantação em dispositivos de borda.

Casos de uso e recomendações#

A escolha entre DAMO-YOLO e YOLOv10 depende dos requisitos específicos do teu projeto, das restrições de implantação e das preferências de ecossistema.

Quando escolher DAMO-YOLO#

O DAMO-YOLO é uma boa opção para:

• Análise de vídeo de alto rendimento: Processamento de transmissões de vídeo com alto FPS em uma infraestrutura fixa de GPU NVIDIA, na qual o rendimento com lote 1 é a principal métrica.
• Linhas de fabricação industrial: Cenários com restrições rigorosas de latência da GPU em hardware dedicado, como inspeção de qualidade em tempo real em linhas de montagem.
• Pesquisa em busca de arquitetura neural: Estudo dos efeitos da busca automatizada de arquitetura (MAE-NAS) e de backbones eficientes com reparametrização no desempenho da detecção.

Quando escolher o YOLOv10#

O YOLOv10 é recomendado para:

• Detecção em tempo real sem NMS: Aplicações que se beneficiam da detecção de ponta a ponta sem supressão não máxima, reduzindo a complexidade da implantação.
• Equilíbrio entre velocidade e precisão: Projetos que exigem um bom equilíbrio entre velocidade de inferência e precisão de detecção em várias escalas de modelo.
• Aplicações com latência consistente: Cenários de implantação nos quais tempos de inferência previsíveis são essenciais, como em robótica ou sistemas autônomos.

Quando escolher Ultralytics (YOLO26)#

Para a maioria dos projetos novos, Ultralytics YOLO26 oferece a melhor combinação de desempenho e experiência para desenvolvedores:

• Implantação de borda sem NMS: Aplicações que exigem inferência consistente e de baixa latência, sem a complexidade do pós-processamento com supressão não máxima.
• Ambientes que usam apenas CPU: Dispositivos sem aceleração dedicada por GPU, nos quais a inferência na CPU até 43% mais rápida do YOLO26 oferece uma vantagem decisiva.
• Detecção de objetos pequenos: Cenários desafiadores, como imagens aéreas de drones ou análise de sensores de IoT, nos quais ProgLoss e STAL melhoram significativamente a precisão na detecção de objetos minúsculos.

A próxima geração: conheça Ultralytics YOLO26#

Embora YOLOv10 tenha estabelecido as bases para a detecção sem NMS, a tecnologia evoluiu rapidamente. Para aplicações modernas, o modelo Ultralytics YOLO26 oferece desempenho e usabilidade incomparáveis, aproveitando o melhor das gerações anteriores e aprimorando-o para a produção.

YOLO26 tem um modo ponta a ponta nativo (nms=False) que ignora o pós-processamento de NMS, simplificando os pipelines de implantação em dispositivos de borda. Além disso, a remoção da Perda Focal de Distribuição (DFL) melhorou drasticamente a compatibilidade com hardware de IA de borda de baixo consumo.

Na etapa de treinamento, YOLO26 apresenta o otimizador MuSGD, um modelo híbrido inspirado nas técnicas de treinamento de Modelos de Linguagem de Grande Escala (LLM). Isso garante um treinamento mais estável e uma convergência mais rápida. Em conjunto com as funções de perda ProgLoss + STAL, YOLO26 apresenta melhorias notáveis no reconhecimento de objetos pequenos, um recurso essencial para a conservação da vida selvagem e as operações com drones.

É importante destacar que YOLO26 não é apenas um detector de objetos. Ele oferece melhorias específicas para cada tarefa e oferece suporte nativo à segmentação de instâncias, à estimativa de pose com Estimativa de Log-Verossimilhança Residual (RLE) e a funções de perda de ângulo especializadas para caixas delimitadoras orientadas (OBB). Com inferência na CPU até 43% mais rápida que a das gerações anteriores, é a escolha definitiva para equipes de engenharia ágeis.

Para o gerenciamento centralizado, a anotação e o treinamento na nuvem de modelos YOLO26, a Ultralytics Platform oferece uma interface intuitiva que simplifica todo o ciclo de vida da visão computacional.

Os desenvolvedores interessados em explorar outros avanços recentes também podem avaliar Ultralytics YOLO11 ou a estrutura baseada em Transformer RT-DETR para cenários que exigem soluções arquitetônicas distintas.