DAMO-YOLO vs YOLOv7
A pesquisa em visão computacional produziu modelos eficientes de detecção de objetos, projetados para equilibrar precisão e custo computacional. Dois modelos importantes lançados em 2022 são o DAMO-YOLO e o YOLOv7. Embora ambos tenham como alvo tarefas de visão em tempo real, eles alcançam seus resultados com arquiteturas e métodos de treinamento muito diferentes.
Esta comparação técnica explora as abordagens distintas dos dois modelos, examinando suas arquiteturas, potencial de implantação e métricas de desempenho para ajudar engenheiros de aprendizado de máquina a escolher a ferramenta certa para suas aplicações de visão computacional específicas.
Origens e metadados dos modelos#
Antes da análise técnica, veja o histórico de cada modelo.
DAMO-YOLO#
Desenvolvido por pesquisadores do Alibaba Group, o DAMO-YOLO foi lançado para otimizar velocidade e precisão por meio da busca automatizada por arquiteturas 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
YOLOv7#
Lançado em meados de 2022 como o estado da arte em detectores de tempo real, o YOLOv7 ampliou os limites da inferência em tempo real ao introduzir um "conjunto de truques gratuitos" treinável sem aumentar os custos de implantação.
- Autores: Chien-Yao Wang, Alexey Bochkovskiy e Hong-Yuan Mark Liao
- Organização: Instituto de Ciência da Informação, Academia Sinica, Taiwan
- Data: 6 de julho de 2022
- arXiv: 2207.02696
- Documentação: Documentação do YOLOv7
A Ultralytics não publica pesos nem arquivos YAML do YOLOv7, portanto, não é possível treinar o YOLOv7 nativamente com o pacote Ultralytics. Os modelos YOLOv7 treinados no repositório upstream podem ser exportados para ONNX ou TensorRT e executados para inferência com a Ultralytics.
Inovações arquiteturais#
DAMO-YOLO: NAS e destilação#
O DAMO-YOLO incorpora várias técnicas voltadas à eficiência:
- Backbones NAS: usa a busca de arquitetura neural (NAS) para projetar automaticamente backbones eficientes (MAE-NAS) adaptados a ambientes em que a latência é crítica.
- RepGFPN eficiente: uma rede de pirâmide de características generalizada modificada que aprimora significativamente a eficiência da fusão de características em várias escalas.
- ZeroHead e AlignedOTA: incorpora uma cabeça de detecção leve e uma estratégia otimizada de atribuição de rótulos (AlignedOTA) para reduzir a sobrecarga computacional.
- Aprimoramento por destilação: Depende bastante da destilação de conhecimento durante o treinamento para aumentar o desempenho das variantes menores do modelo sem elevar a contagem de parâmetros.
YOLOv7: E-ELAN e vantagens gratuitas#
O YOLOv7 adotou uma abordagem de engenharia estrutural, com foco na otimização do caminho do gradiente e em estratégias robustas de treinamento.
- Arquitetura E-ELAN: a Rede Estendida e Eficiente de Agregação de Camadas permite que o modelo aprenda características mais diversas controlando os caminhos mais curtos e mais longos dos gradientes, garantindo uma convergência eficaz do aprendizado.
- Escalonamento do modelo: introduz um método de escalonamento composto, adaptado a modelos baseados em concatenação, que ajusta simultaneamente a profundidade e a largura para garantir o alinhamento estrutural.
- Vantagens gratuitas treináveis: emprega técnicas como convoluções reparametrizadas (RepConv) sem conexões de identidade e estratégias dinâmicas de atribuição de rótulos, que aumentam a precisão durante o treinamento sem afetar a velocidade de inferência.
Análise de desempenho#
Ao avaliar a precisão média (mAP), a velocidade e a eficiência, ambos os modelos apresentam bom desempenho, embora tenham como alvo segmentos ligeiramente diferentes. O YOLOv7 prioriza a implantação de alta precisão em GPU, enquanto as estruturas derivadas da NAS do DAMO-YOLO visam baixa latência com orçamentos limitados de GPU.
| Modelo | tamanho (pixels) | mAPval50-95 | 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 mostram as métricas, o DAMO-YOLO oferece variantes leves (como o modelo tiny, com apenas 8.5M de parâmetros), enquanto o YOLOv7 alcança um pico geral de precisão mais alto, com o YOLOv7x atingindo 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 determinada pelo seu ecossistema. Os modelos nativos da Ultralytics, como o YOLO26, beneficiam de um ecossistema bem mantido e de facilidade de uso.
- Equilíbrio de desempenho: Os modelos da Ultralytics mantêm consistentemente um ótimo equilíbrio entre velocidade de inferência e precisão de detecção, sendo adequados tanto para dispositivos de borda quanto para a implantação de modelos na nuvem.
- Requisitos de memória: ao contrário dos modelos mais pesados baseados em Transformers, os modelos YOLO da Ultralytics exigem pouca memória CUDA durante o treinamento. Isso permite usar tamanhos de lote maiores, simplificando o processo de treinamento até mesmo em hardware de consumo.
- Versatilidade: a estrutura da Ultralytics vai além da detecção de objetos e abrange tarefas como segmentação de instâncias e estimativa de pose, oferecendo aos desenvolvedores um kit completo de ferramentas de visão computacional.
O pacote Ultralytics permite passar rapidamente de um conjunto de dados para um modelo totalmente treinado, com carregadores de dados otimizados e pesos pré-treinados.
Exemplo de código: execução do YOLOv7 com a Ultralytics#
Depois de converter uma exportação ONNX do YOLOv7 upstream, conforme descrito nos exemplos de uso do YOLOv7, você pode executá-la com a API Python da Ultralytics.
from ultralytics import YOLO
# Carrega um modelo ONNX do YOLOv7 convertido para a Ultralytics
model = YOLO("yolov7-ultralytics.onnx", task="detect")
# Executar inferência
predictions = model.predict("https://ultralytics.com/images/bus.jpg", save=True)O novo padrão: conheça o YOLO26#
Embora o YOLOv7 e o DAMO-YOLO tenham representado avanços significativos em 2022, a área de IA para visão evolui rapidamente. Para equipes que iniciam novos projetos hoje, o modelo recomendado é o Ultralytics YOLO26, lançado em janeiro de 2026.
O YOLO26 melhora tanto o desempenho quanto a usabilidade:
- Design de ponta a ponta sem NMS: O YOLO26 oferece uma cabeça nativa de ponta a ponta (
nms=False). Ao eliminar o pós-processamento de supressão não máxima (NMS), proporciona uma lógica de implantação mais rápida e simples — uma abordagem introduzida pela primeira vez no YOLOv10. - Otimizador MuSGD: Inspirado em técnicas de treinamento de grandes modelos de linguagem, como as usadas no Kimi K2 da Moonshot AI, o YOLO26 usa uma combinação de SGD e Muon para obter uma dinâmica de treinamento estável e convergência mais rápida.
- Inferência na CPU até 43% mais rápida: Com a remoção da perda focal de distribuição (DFL) e uma arquitetura simplificada, o YOLO26 é otimizado para computação de borda de baixo consumo, e o YOLO26n executa até 43% mais rápido que o YOLO11n na CPU.
- ProgLoss + STAL: Uma nova função de perda progressiva e uma atribuição de rótulos sensível a alvos pequenos que visam explicitamente melhorar o reconhecimento de objetos pequenos, uma capacidade essencial para aplicações de imagens aéreas, robótica e monitoramento de segurança.
- Melhorias específicas para cada tarefa: além da detecção padrão, o YOLO26 apresenta melhorias adaptadas a várias tarefas, incluindo prototipagem multiescala para segmentação, RLE para estimativa de pose e perdas angulares específicas para caixas delimitadoras orientadas (OBB).
Casos de utilização ideais#
A escolha da arquitetura certa depende do ambiente de implantação desejado e das restrições do projeto.
Quando escolher o DAMO-YOLO:
- Você está implantando em hardware dedicado com GPU e limites rigorosos de latência, onde as variantes pequenas do DAMO-YOLO, pesquisadas por NAS, mantêm baixa a contagem de parâmetros.
- Você está pesquisando busca de arquitetura neural ou destilação de conhecimento.
Quando escolher o YOLOv7:
- Você já tem pipelines legados de GPU otimizados para inferência baseada em âncoras e de alta precisão.
- Estás a operar em ambientes onde a precisão em tempo real é fundamental, como em veículos autónomos de alta velocidade ou em robótica avançada.
Quando escolher YOLO26 (recomendado):
- Você está criando do zero uma nova aplicação de visão computacional e precisa de alta precisão, além de inferência rápida na CPU e em dispositivos de borda.
- Você precisa de uma implantação rápida e simples (por exemplo, exportando para CoreML ou TensorRT) sem lidar com as restrições dos operadores NMS.
- Queres aproveitar todos os recursos da Ultralytics Platform para treino na cloud, gestão de conjuntos de dados e implementação automatizada.
Com o ecossistema Ultralytics, os desenvolvedores podem reduzir significativamente o tempo de engenharia e, ao mesmo tempo, manter um alto desempenho preditivo em aplicações do mundo real.
Comentários
Faz uma pergunta, partilha os teus resultados ou ajuda alguém.