Começar

DAMO-YOLO vs YOLOv10

As arquiteturas de detecção de objetos em tempo real evoluíram rapidamente na visão computacional. O DAMO-YOLO e o YOLOv10 representam duas filosofias de design distintas: busca automatizada de arquitetura versus otimização de ponta a ponta sem NMS. Embora ambos aprimorem a precisão e a velocidade, suas estruturas subjacentes e os melhores casos de uso diferem significativamente.

DAMO-YOLO: busca de arquitetura neural em escala#

Desenvolvido pelo Grupo Alibaba, o DAMO-YOLO é um detector que usa descoberta automatizada de arquitetura 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#

O DAMO-YOLO depende bastante da busca de arquitetura neural (NAS) para equilibrar desempenho e latência. Seu backbone, chamado MAE-NAS, usa uma busca guiada por entropia máxima, sob limites computacionais rigorosos, para encontrar a melhor profundidade e largura das camadas.

Para realizar a fusão de características entre escalas, o modelo usa uma RepGFPN (Rede de Pirâmide de Características Generalizada Reparametrizada) eficiente. Esse design com pescoço pesado é adequado para extrair hierarquias espaciais complexas, sendo útil em cenários como a análise de imagens aéreas. O DAMO-YOLO também introduz o ZeroHead, uma cabeça de detecção simplificada que reduz bastante a complexidade das camadas finais de predição, e depende de um processo de aprimoramento por destilação durante o treinamento.

Treinamento por destilação

O DAMO-YOLO costuma usar um processo de destilação de conhecimento em várias etapas. Ele exige treinar um modelo "professor" maior para orientar um modelo "aluno" menor, que alcança um mAP (precisão média) mais alto, mas aumenta significativamente o tempo necessário de computação em GPU.

Saiba mais sobre o DAMO-YOLO

YOLOv10: detecção em tempo real sem NMS#

Lançado um ano e meio depois, o YOLOv10 eliminou a necessidade de supressão não máxima (NMS) durante a inferência.

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 design de modelo abrangente, orientado pelo equilíbrio entre eficiência e precisão. Ao analisar cuidadosamente a redundância computacional das arquiteturas existentes, otimizaram o backbone e a cabeça para reduzir o número de FLOPs e parâmetros. Esse design leve proporciona ao YOLOv10 baixa latência de inferência 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.

Modelotamanho
(pixels)
mAPval50-95Velocidade
CPU ONNX
(ms)
Velocidade
T4 TensorRT10
(ms)
parâmetros
(M)
FLOPs
(B)
DAMO-YOLOt64042.0-2.328.518.1
DAMO-YOLOs64046.0-3.4516.337.8
DAMO-YOLOm64049.2-5.0928.261.8
DAMO-YOLOl64050.8-7.1842.197.3
YOLOv10n64038.5-1.842.36.7
YOLOv10s64046.3-2.497.221.6
YOLOv10m64051.1-4.7415.459.1
YOLOv10b64052.5-5.7419.192.0
YOLOv10l64053.2-7.2824.4120.3
YOLOv10x64054.4-10.7029.5160.4

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

Eficiência e usabilidade do treinamento#

Ao passar da pesquisa acadêmica para a produção, a facilidade de uso é fundamental. O processo de destilação em várias etapas e as configurações complexas de NAS do DAMO-YOLO representam uma curva de aprendizado acentuada para as equipes de engenharia.

Em contrapartida, o YOLOv10 se beneficia da integração completa ao pacote 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 rastreamento 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 a inferência numa imagem
prediction = model("path/to/image.jpg")
prediction[0].show()
Prototipagem rápida

Usar o ecossistema Ultralytics permite que os desenvolvedores passem de um protótipo para um modelo ONNX exportado em apenas algumas linhas de código, sem precisar configurar os ambientes complexos exigidos por estruturas mais antigas.

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 oferece latência previsível, essencial para sistemas de segurança em direção autônoma.
  • Automação industrial (YOLOv10): detectar defeitos em linhas de montagem rápidas exige modelos que maximizem a velocidade de inferência em tempo real sem consumir grandes quantidades de VRAM, o que faz do YOLOv10 uma ótima opção 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 apenas com CPU: dispositivos sem aceleração dedicada por GPU, nos quais a inferência até 43% mais rápida da YOLO26 (YOLO26n vs YOLO11n) oferece uma vantagem clara.
  • 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 o YOLOv10 tenha lançado as bases para a detecção sem NMS, a tecnologia evoluiu rapidamente. Para aplicações modernas, o modelo Ultralytics YOLO26 combina alto desempenho e facilidade de uso, aprimorando as melhores ideias das gerações anteriores para a produção.

O YOLO26 oferece um modo de ponta a ponta (nms=False) nativo que dispensa o pós-processamento de NMS, simplificando os pipelines de implantação em dispositivos de borda. A remoção do Distribution Focal Loss (DFL) também melhora a compatibilidade com hardware de IA de borda de baixo consumo.

No treinamento, o YOLO26 introduz o otimizador MuSGD, um método híbrido inspirado em técnicas de treinamento de modelos de linguagem grandes (LLM) para proporcionar um treinamento mais estável e convergência mais rápida. Combinado com ProgLoss + STAL (função de perda progressiva e atribuição de rótulos sensível a objetos pequenos), o YOLO26 aprimora o reconhecimento de objetos pequenos, um recurso essencial para a conservação da vida selvagem e operações com drones.

O YOLO26 é mais do que um detector de objetos. Ele oferece melhorias específicas para cada tarefa e oferece suporte nativo à segmentação de instâncias, à estimativa de pose usando 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 no YOLO26n que no YOLO11n, ele é a opção recomendada 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.

Comentários

Faz uma pergunta, partilha os teus resultados ou ajuda alguém.