DAMO-YOLO vs YOLOv9#

O panorama da deteção de objetos em tempo real continua a evoluir a um ritmo vertiginoso. À medida que as equipas de engenharia e os investigadores procuram o equilíbrio perfeito entre precisão, velocidade de inferência e eficiência computacional, surgiram duas arquiteturas notáveis na comunidade de investigação: DAMO-YOLO e YOLOv9. Ambos os modelos introduzem inovações arquitetónicas significativas destinadas a expandir os limites do que é possível na visão computacional.

Este guia técnico detalhado apresenta uma análise aprofundada destes dois modelos, comparando as suas abordagens arquitetónicas únicas, metodologias de treino e capacidades de implementação no mundo real. Exploraremos também como o ecossistema de software mais amplo desempenha um papel crucial no desenvolvimento moderno de IA, destacando as vantagens de plataformas integradas como a Ultralytics Platform e de modelos da nova geração como o YOLO26.

Resumo executivo: escolher a arquitetura certa#

Embora ambos os modelos representem marcos significativos na investigação em deep learning, destinam-se a filosofias de implementação ligeiramente diferentes.

O DAMO-YOLO destaca-se em ambientes onde é possível utilizar uma Pesquisa de Arquitetura Neural (NAS) intensiva para obter perfis de desempenho específicos, o que o torna interessante para implementação personalizada em dispositivos edge. Por outro lado, o YOLOv9 concentra-se fortemente na resolução de estrangulamentos de informação no deep learning, proporcionando uma eficiência de parâmetros excecionalmente elevada.

No entanto, para implementações prontas para produção, as equipas de engenharia recomendam consistentemente tirar partido do ecossistema Ultralytics unificado. Para novos projetos, o mais recente modelo YOLO26 oferece o melhor dos dois mundos: precisão de vanguarda combinada com um design nativo de ponta a ponta que elimina a necessidade de pós-processamento complexo.

Especificações técnicas e autoria#

Compreender as origens e o foco de desenvolvimento destes modelos fornece um contexto essencial para os respetivos pontos fortes.

DAMO-YOLO#

Desenvolvido por investigadores do Alibaba Group, o DAMO-YOLO concentra-se fortemente na geração automatizada de arquiteturas e na fusão eficiente de características.

• Autores: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang e Xiuyu Sun
• Organização: Alibaba Group
• Data de lançamento: 23 de novembro de 2022
• Artigo do Arxiv: Artigo de investigação do DAMO-YOLO
• GitHub oficial: Repositório tinyvision/DAMO-YOLO
• Documentação: README do DAMO-YOLO

Learn more about DAMO-YOLO

YOLOv9#

Apresentado como uma solução para a perda de informação em redes convolucionais profundas, o YOLOv9 expande os limites teóricos da preservação de gradientes durante o treino.

• Autores: Chien-Yao Wang e Hong-Yuan Mark Liao
• Organização: Institute of Information Science, Academia Sinica, Taiwan
• Data de lançamento: 21 de fevereiro de 2024
• Artigo do Arxiv: Artigo de investigação do YOLOv9
• GitHub oficial: Repositório WongKinYiu/yolov9
• Documentação: Documentação Ultralytics do YOLOv9

Saiba mais sobre o YOLOv9

Inovações arquiteturais#

DAMO-YOLO: orientado por Pesquisa de Arquitetura Neural#

O DAMO-YOLO distingue-se pelos seus componentes altamente personalizados e gerados por máquina. O seu backbone é gerado através de Pesquisa de Arquitetura Neural (NAS), tendo como alvo específico a inferência de baixa latência em diferentes tipos de hardware.

A arquitetura inclui uma RepGFPN (Rede de Pirâmide de Características Generalizada Reparametrizada) eficiente para a fusão de características, que melhora a deteção de objetos em várias escalas sem aumentar excessivamente a sobrecarga computacional. Além disso, utiliza um design ZeroHead para simplificar a cabeça de deteção e recorre a AlignedOTA para a atribuição de etiquetas, associado a um sofisticado processo de melhoria por destilação durante o treino. Embora estas técnicas proporcionem uma inferência rápida, o processo de destilação em várias etapas requer frequentemente uma quantidade significativa de VRAM e tempos de treino prolongados.

YOLOv9: Resolução do Gargalo de Informação#

O YOLOv9 aborda um problema fundamental das redes profundas: a perda gradual de informação dos dados de entrada à medida que estes atravessam camadas sucessivas.

Para combater este problema, os autores introduziram a Informação de Gradiente Programável (PGI), uma estrutura de supervisão auxiliar concebida para preservar detalhes cruciais nas camadas profundas, gerando gradientes altamente fiáveis para as atualizações dos pesos. A acompanhar a PGI está a arquitetura GELAN (Rede Generalizada de Agregação Eficiente de Camadas). A GELAN otimiza a eficiência dos parâmetros ao combinar os pontos fortes da CSPNet e da ELAN, maximizando o fluxo de informação e minimizando rigorosamente as Operações de Ponto Flutuante (FLOPs).

Análise de desempenho e métricas#

Ao avaliar o desempenho, ambos os modelos demonstram uma Precisão Média (mAP) elevada em benchmarks padrão como o COCO. O YOLOv9 alcança uma precisão absoluta superior em tamanhos de modelo equivalentes, utilizando a sua arquitetura PGI para manter uma elevada fidelidade em conjuntos de dados difíceis.

Como mostrado acima, o YOLOv9-E alcança a maior precisão, enquanto as variantes mais pequenas do DAMO-YOLO e do YOLOv9 mantêm velocidades de inferência altamente competitivas através de otimizações do TensorRT.

Metodologias de treino e ecossistema#

Embora a arquitetura em si seja importante, a facilidade de utilização e a eficiência de treino determinadas pelo ecossistema de um modelo são fundamentais para aplicações no mundo real.

A dependência do DAMO-YOLO da destilação de conhecimento requer frequentemente o treino de um modelo "professor" complexo antes de transferir o conhecimento para o modelo "aluno" alvo. Esta abordagem de investigação tradicional aumenta significativamente os requisitos de memória e a duração dos ciclos de treino. Do mesmo modo, o repositório original do YOLOv9 exige a navegação por ficheiros de configuração complexos, o que pode tornar mais lento o desenvolvimento ágil.

Em contrapartida, integrar modelos na Ultralytics Platform transforma completamente a experiência do programador. O pacote Python da Ultralytics abstrai o código boilerplate, permitindo às equipas gerir o aumento de dados, o ajuste de hiperparâmetros e a exportação de modelos sem esforço.

Aplicações e casos de utilização no mundo real#

As diferentes arquiteturas destacam-se naturalmente em setores específicos, com base nos seus requisitos de recursos e perfis de precisão.

• DAMO-YOLO em Edge AI: Devido aos seus backbones otimizados por NAS, o DAMO-YOLO é frequentemente explorado em sistemas embarcados onde a reparametrização específica de hardware é uma necessidade estrita, como na implementação de ASIC personalizada no controle de qualidade de manufatura básico.
• YOLOv9 em análise de precisão: com a sua elevada eficiência de parâmetros e retenção de gradientes orientada por PGI, o YOLOv9 é excelente em cenários de deteção densa de objetos, como a análise de imagens aéreas ou o seguimento de objetos minúsculos em ambientes de retalho movimentados.

Casos de uso e recomendações#

A escolha entre DAMO-YOLO e YOLOv9 depende dos requisitos específicos do teu projeto, das restrições de implementação e das preferências relativas ao ecossistema.

Quando escolher o DAMO-YOLO#

O DAMO-YOLO é uma boa escolha para:

• Análise de vídeo de elevado débito: Processamento de streams de vídeo com FPS elevado em infraestruturas GPU NVIDIA fixas, nas quais o débito com batch-1 é a principal métrica.
• Linhas de fabrico industrial: Cenários com restrições rigorosas de latência GPU em hardware dedicado, como a inspeção de qualidade em tempo real em linhas de montagem.
• Investigação sobre pesquisa de arquitetura neural: Estudo dos efeitos da pesquisa automatizada de arquiteturas (MAE-NAS) e de backbones eficientemente reparametrizados no desempenho da deteção.

Quando escolher o YOLOv9#

O YOLOv9 é recomendado para:

• Investigação sobre gargalos de informação: Projetos académicos que estudam as arquiteturas de Informação de Gradiente Programável (PGI) e Rede Generalizada de Agregação de Camadas Eficiente (GELAN).
• Estudos de otimização do fluxo de gradientes: Investigação centrada na compreensão e mitigação da perda de informação nas camadas profundas da rede durante o treino.
• Avaliação comparativa de deteção de alta precisão: Cenários nos quais o forte desempenho do YOLOv9 no benchmark COCO é necessário como ponto de referência para comparações arquiteturais.

Quando escolher Ultralytics (YOLO26)#

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

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

A vantagem da Ultralytics: avançar para o YOLO26#

Para utilizadores que comparam arquiteturas legadas, a transição para o ecossistema moderno da Ultralytics — especificamente para os mais recentes modelos YOLO26 — proporciona uma vantagem sem paralelo.

O YOLO26 altera fundamentalmente o panorama da implementação através do seu design de ponta a ponta sem NMS. Ao eliminar completamente o pós-processamento de Supressão de Máximos Não Locais (NMS), proporciona arquiteturas de implementação mais rápidas e significativamente mais simples. Em conjunto com a remoção da Perda Focal de Distribuição (DFL), o YOLO26 oferece uma compatibilidade superior com dispositivos edge e de baixo consumo energético.

Além disso, o YOLO26 incorpora o revolucionário otimizador MuSGD, um híbrido da Descida do Gradiente Estocástico e das otimizações Muon, inspirado nas inovações do treino de LLM. Isto proporciona uma convergência de treino altamente estável, mantendo uma utilização de memória notavelmente baixa em comparação com alternativas que dependem fortemente de Transformer.

from ultralytics import YOLO

# Load the latest NMS-free YOLO26 model
model = YOLO("yolo26n.pt")

# Train on your custom dataset efficiently
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Export the trained model to ONNX format
model.export(format="onnx")

Quer necessites de segmentação de instâncias avançada, de estimativa de pose altamente precisa ou de deteção padrão de caixas delimitadoras, a versatilidade da estrutura Ultralytics garante que a tua equipa passa menos tempo a configurar ambientes de deep learning e mais tempo a implementar soluções de IA robustas. Com melhorias especializadas para tarefas, como ProgLoss + STAL para um reconhecimento melhorado de objetos pequenos, o YOLO26 afirma-se como a escolha principal para a próxima geração de aplicações de visão.