DAMO-YOLO vs YOLOv7: Avaliando Detectores de Objetos em Tempo Real

A rápida evolução da visão computacional produziu modelos de detecção de objetos altamente eficientes, projetados para equilibrar precisão e custo computacional. Dois modelos notáveis introduzidos em 2022 são DAMO-YOLO e YOLOv7. Embora ambos visem expandir os limites das tarefas de visão em tempo real, eles alcançam seus resultados através de paradigmas arquitetônicos e metodologias de treinamento vastamente diferentes.

Esta comparação técnica abrangente explora as abordagens distintas de ambos os modelos, examinando as suas arquiteturas, potencial de implementação e métricas de desempenho para ajudar engenheiros de machine learning a escolher a ferramenta certa para as suas aplicações de visão computacional específicas.

Origens do Modelo e Metadados

Antes de mergulhar na análise técnica aprofundada, é essencial contextualizar as origens desses dois modelos de visão computacional.

DAMO-YOLO

Desenvolvido por investigadores do Alibaba Group, o DAMO-YOLO foi introduzido para otimizar tanto a velocidade quanto a precisão através da pesquisa arquitetónica automatizada e da destilação.

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

Saiba mais sobre o DAMO-YOLO.

YOLOv7

Lançado como o estado da arte em meados de 2022, o YOLOv7 impulsionou ainda mais a inferência em tempo real ao introduzir "bag-of-freebies" treináveis sem aumentar os custos de implantação.

Autores: Chien-Yao Wang, Alexey Bochkovskiy e Hong-Yuan Mark Liao
Organização:Institute of Information Science, Academia Sinica, Taiwan
Data: 6 de julho de 2022
Arxiv:2207.02696
Documentação:Documentação do YOLOv7

Saiba mais sobre o YOLOv7

Ecossistema Suportado

YOLOv7 é oficialmente suportado dentro do ecossistema Ultralytics, permitindo treinamento, validação e exportação contínuos com uma API unificada.

Inovações Arquiteturais

YOLO: NAS e destilação

DAMO-YOLO incorpora várias técnicas de ponta voltadas para a máxima eficiência:

Backbones NAS: Utiliza Pesquisa de Arquitetura Neural (NAS) para projetar automaticamente backbones ideais (MAE-NAS) adaptados para ambientes críticos de latência.
RepGFPN Eficiente: Uma Rede de Pirâmide de Características Generalizada modificada que aprimora significativamente a eficiência da fusão de características em múltiplas escalas.
ZeroHead & AlignedOTA: Incorpora um cabeçalho de detecção leve e uma estratégia otimizada de atribuição de rótulos (AlignedOTA) para reduzir a sobrecarga computacional.
Aprimoramento da Destilação: Utiliza intensamente a destilação de conhecimento durante o treinamento para impulsionar o desempenho de variantes de modelos menores sem inflar a contagem de seus parâmetros.

YOLOv7: E-ELAN e Bag-of-Freebies

O YOLOv7 adotou uma abordagem mais de engenharia estrutural, focando na otimização do caminho do gradiente e em estratégias de treinamento robustas.

Arquitetura E-ELAN: A Rede de Agregação de Camadas Eficiente Estendida permite que o modelo aprenda características mais diversas ao controlar os caminhos de gradiente mais curtos e mais longos, garantindo uma convergência de aprendizado eficaz.
Escalonamento de Modelo: Introduz um método de escalonamento composto adaptado para modelos baseados em concatenação, escalonando profundidade e largura simultaneamente para alinhamento estrutural.
Bag-of-Freebies Treinável: Emprega técnicas como convoluções re-parametrizadas (RepConv) sem conexões de identidade, e estratégias de atribuição dinâmica de rótulos, que aumentam a precisão durante o treinamento sem afetar a velocidade de inferência.

Análise de Desempenho

Ao avaliar a Precisão Média (mAP), velocidade e eficiência, ambos os modelos exibem métricas impressionantes, embora visem segmentos ligeiramente diferentes. YOLOv7 foca intensamente na implantação em GPU de alta precisão, enquanto as estruturas derivadas de NAS do DAMO-YOLO visam uma implantação agressiva de baixa latência em CPU e borda.

Modelo	tamanho ^(pixels)	mAP^val 50-95	Velocidade ^{CPU ONNX (ms)}	Velocidade ^{T4 TensorRT10 (ms)}	parâmetros ^(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

YOLOv7l	640	51.4	-	6.84	36.9	104.7
YOLOv7x	640	53.1	-	11.57	71.3	189.9

Como visto nas métricas, enquanto o DAMO-YOLO oferece variantes extremamente leves (como o modelo tiny com apenas 8.5M parâmetros), o YOLOv7 alcança um pico de precisão geral mais alto, com o YOLOv7x atingindo um impressionante 53.1 mAP no conjunto de dados COCO.

A Vantagem do Ecossistema Ultralytics

Embora a arquitetura teórica seja importante, a praticidade de um modelo é ditada pelo seu ecossistema. Modelos suportados pela Ultralytics, como o YOLOv7, beneficiam-se de um ecossistema bem mantido e de uma facilidade de uso incomparável.

Equilíbrio de Desempenho: Os modelos Ultralytics consistentemente alcançam um equilíbrio ideal entre velocidade de inferência e precisão de detecção, tornando-os ideais tanto para dispositivos de borda quanto para implantação de modelos baseada em nuvem.
Requisitos de Memória: Ao contrário de modelos mais pesados baseados em Transformadores, os modelos Ultralytics YOLO mantêm baixos requisitos de memória CUDA durante o treino. Isso permite tamanhos de batch maiores, otimizando o processo de treino mesmo em hardware de nível de consumidor.
Versatilidade: O framework Ultralytics se estende além da detect de objetos para tarefas como Segmentação de Instância e Estimativa de Pose, oferecendo aos desenvolvedores um kit de ferramentas completo de visão computacional.

Eficiência do Treinamento

O pacote Ultralytics permite transitar de conjuntos de dados para um modelo totalmente treinado em apenas minutos, aproveitando carregadores de dados altamente otimizados e pesos pré-treinados.

Exemplo de Código: Treinamento de YOLOv7 com Ultralytics

A integração do YOLOv7 em seu pipeline de visão computacional é incrivelmente simples usando a API Python da Ultralytics.

from ultralytics import YOLO

# Load a pre-trained YOLOv7 model
model = YOLO("yolov7.pt")

# Train the model on your custom dataset
results = model.train(data="coco8.yaml", epochs=50, imgsz=640)

# Run inference and validate results
metrics = model.val()
predictions = model.predict("https://ultralytics.com/images/bus.jpg", save=True)

O Novo Padrão: Apresentando o YOLO26

Embora YOLOv7 e DAMO-YOLO tenham representado avanços significativos em 2022, o campo da IA de visão avança rapidamente. Para equipes que iniciam novos projetos hoje, o modelo recomendado é o avançado Ultralytics YOLO26, lançado em janeiro de 2026.

YOLO26 traz um salto geracional em desempenho e usabilidade, incorporando inovações de ponta:

Design End-to-End sem NMS: YOLO26 é nativamente end-to-end. Ao eliminar o pós-processamento de Non-Maximum Suppression (NMS), ele oferece uma lógica de implementação mais rápida e simples—uma mudança de paradigma inicialmente introduzida por YOLOv10.
Otimizador MuSGD: Inspirado por inovações de modelos de linguagem grandes como o Kimi K2 da Moonshot AI, o YOLO26 utiliza um híbrido de SGD e Muon. Este otimizador garante dinâmicas de treinamento altamente estáveis e taxas de convergência dramaticamente mais rápidas.
Até 43% Mais Rápido na Inferência da CPU: Com a remoção direcionada da Distribution Focal Loss (DFL) e profundas melhorias estruturais, o YOLO26 é altamente otimizado para computação de borda de baixa potência, superando as gerações anteriores em hardware sem GPU.
ProgLoss + STAL: Incorpora novas funções de perda avançadas que visam e melhoram explicitamente o reconhecimento de objetos pequenos, uma capacidade essencial para aplicações em imagens aéreas, robótica e monitoramento de segurança.
Melhorias Específicas da Tarefa: Além da detecção padrão, o YOLO26 apresenta aprimoramentos personalizados para diversas tarefas, incluindo prototipagem multi-escala para segmentação, RLE para estimativa de pose e perdas de ângulo específicas para Caixas Delimitadoras Orientadas (OBB).

Saiba mais sobre YOLO26

Casos de Uso Ideais

A escolha da arquitetura certa depende inteiramente do seu ambiente de implantação alvo e das restrições do projeto.

Quando escolher DAMO-YOLO:

Você está trabalhando em ambientes edge altamente restritos e com recursos limitados, onde a contagem bruta de parâmetros deve ser mantida extremamente baixa (por exemplo, microcontroladores).
Você está utilizando pipelines de aprendizado de máquina automatizados especificamente integrados com os serviços de nuvem proprietários da Alibaba.

Quando escolher YOLOv7:

Você possui pipelines de GPU legados já otimizados para inferência baseada em âncoras e de alta precisão.
Você está operando em ambientes onde a precisão em tempo real é fundamental, como em veículos autônomos de alta velocidade ou robótica avançada.

Quando escolher YOLO26 (Recomendado):

Você está construindo uma nova aplicação de visão computacional do zero e precisa do que há de mais avançado tanto em precisão quanto em velocidade de inferência em CPU/edge.
Você precisa de uma implantação rápida e sem interrupções (como exportar para CoreML ou TensorRT) sem lidar com as restrições do operador NMS.
Você deseja utilizar todas as capacidades da Plataforma Ultralytics para treinamento em nuvem, gerenciamento de conjuntos de dados e implantação automatizada.

Ao aproveitar o robusto ecossistema de modelos Ultralytics, os desenvolvedores podem reduzir drasticamente o tempo de engenharia, garantindo um desempenho preditivo de alto nível para suas aplicações do mundo real.