YOLOv5 vs DAMO-YOLO#

O panorama da visão computacional em tempo real está em constante evolução, com investigadores e engenheiros à procura do equilíbrio perfeito entre precisão, velocidade e facilidade de utilização. Dois modelos importantes que marcaram este percurso são Ultralytics YOLOv5 e DAMO-YOLO da Alibaba.

Este guia apresenta uma análise técnica aprofundada das respetivas arquiteturas, métricas de desempenho e metodologias de treino para te ajudar a escolher o modelo certo para a tua próxima implementação.

Contexto dos modelos#

Antes de analisar os pormenores técnicos, é importante compreender as origens e as principais filosofias de conceção por detrás de cada um destes influentes modelos de visão.

Ultralytics YOLOv5#

Desenvolvido por Glenn Jocher e pela equipa da Ultralytics, YOLOv5 tornou-se um padrão da indústria desde o seu lançamento. Desenvolvido nativamente na framework PyTorch, priorizou desde o início uma experiência de desenvolvimento simplificada e capacidades robustas de implementação.

• Autor: Glenn Jocher
• Organização: Ultralytics
• Data: 2020-06-26
• GitHub: https://github.com/ultralytics/yolov5
• Documentação: Documentação de Ultralytics YOLOv5

DAMO-YOLO#

Criado por investigadores do Alibaba Group, DAMO-YOLO centra-se sobretudo na pesquisa de arquiteturas de redes neurais (NAS) e em técnicas avançadas de destilação. Leva ao limite teórico o desempenho específico de hardware, sendo especialmente direcionado para ambientes de investigação e de borda que exigem uma afinação extrema.

• Autores: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang e Xiuyu Sun
• Organização: Alibaba Group
• Data: 2022-11-23
• Arxiv: https://arxiv.org/abs/2211.15444v2
• GitHub: https://github.com/tinyvision/DAMO-YOLO

Saiba mais sobre o DAMO-YOLO

Inovações arquiteturais#

Ambos os modelos tiram partido de conceitos estruturais próprios para alcançar o desempenho em tempo real, embora as suas abordagens sejam significativamente diferentes.

YOLOv5: estabilidade e versatilidade#

YOLOv5 utiliza uma backbone CSP (Cross Stage Partial) modificada, combinada com um neck PANet (Path Aggregation Network). Esta estrutura é altamente eficiente e minimiza o uso de memória CUDA tanto durante o treino como durante a inferência.

Um dos maiores pontos fortes de YOLOv5 é a sua versatilidade em diferentes tarefas. Além das previsões de caixas delimitadoras, oferece arquiteturas específicas para segmentação de imagens e classificação de imagens, permitindo que os programadores normalizem os pipelines de visão numa única framework coesa.

DAMO-YOLO: pesquisa automatizada de arquiteturas#

A principal inovação de DAMO-YOLO é a sua backbone MAE-NAS. Através de uma pesquisa orientada pela entropia máxima, a equipa da Alibaba descobriu backbones que equilibram dinamicamente a precisão da deteção e a velocidade de inferência.

Além disso, inclui o neck Efficient RepGFPN para melhorar a fusão de características — uma vantagem significativa em variações complexas de escala, comuns na análise de imagens de satélite. O design ZeroHead simplifica as camadas finais de previsão para reduzir a latência, embora esta geração estrutural complexa possa tornar a arquitetura rígida e mais difícil de modificar para aplicações personalizadas.

Desempenho e métricas#

A avaliação de detetores de objetos em tempo real exige analisar uma matriz de mAP (precisão média), velocidade de inferência e parâmetros de dimensão do modelo.

Embora DAMO-YOLO alcance pontuações de mAP altamente competitivas com determinadas quantidades de parâmetros, YOLOv5 demonstra consistentemente velocidades excecionais com TensorRT e um número incrivelmente reduzido de parâmetros nas configurações nano e pequena. Este equilíbrio de desempenho garante que YOLOv5 funcione com eficiência em diversos cenários de implementação na borda.

Eficiência de treino e ecossistema#

A precisão teórica de um modelo só é tão boa quanto a sua viabilidade prática. É aqui que os modelos divergem consideravelmente.

A complexidade da destilação#

DAMO-YOLO depende muito de uma metodologia de treino em várias etapas. Combina a atribuição de etiquetas AlignedOTA com uma técnica de destilação de conhecimento professor-aluno. Embora esta abordagem extraia o máximo desempenho do modelo aluno, exige primeiro o treino de um enorme modelo professor. Isso aumenta drasticamente o tempo de computação, os custos de energia e os requisitos de hardware, criando um estrangulamento para equipas de ML ágeis.

A vantagem da Ultralytics: facilidade de uso#

Em contrapartida, o ecossistema Ultralytics é reconhecido mundialmente pelas suas APIs intuitivas e pela eficiência do treino. Com o apoio de um desenvolvimento ativo e de uma enorme comunidade de código aberto, os programadores podem treinar, validar e implementar modelos sem dificuldades.

from ultralytics import YOLO

# Carrega um modelo YOLOv5 pré-treinado
model = YOLO("yolov5su.pt")  # YOLOv5u: pesos YOLOv5 sem âncoras para o pacote ultralytics

# Treina facilmente com um conjunto de dados personalizado
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Exporta para o formato ONNX para implantação
model.export(format="onnx")

Ultralytics também oferece suporte integrado ao acompanhamento de experimentos através de ferramentas como Weights & Biases e Comet ML, criando um fluxo de trabalho sem fricção.

Casos de uso no mundo real#

• YOLOv5 destaca-se em ambientes de produção acelerados. A sua facilidade de exportação faz dele a melhor opção para análise inteligente do retalho, deteção de defeitos em linhas de produção de alta velocidade e integração em aplicações móveis através de CoreML.
• DAMO-YOLO é especialmente adequado para avaliações académicas rigorosas e cenários em que há vastos recursos computacionais disponíveis para executar longos treinos destilados, com o objetivo de obter melhorias fracionárias de mAP para destinos de hardware específicos e fixos.

Casos de uso e recomendações#

A escolha entre YOLOv5 e DAMO-YOLO depende dos requisitos específicos do teu projeto, das restrições de implementação e das preferências de ecossistema.

Quando escolher o YOLOv5#

O YOLOv5 é uma ótima opção para:

• Sistemas de produção comprovados: implantações existentes em que são valorizados o longo histórico de estabilidade do YOLOv5, sua documentação abrangente e o enorme suporte da comunidade.
• Treinamento com recursos limitados: ambientes com recursos de GPU limitados, nos quais o pipeline de treinamento eficiente e os menores requisitos de memória do YOLOv5 são vantajosos.
• Amplo suporte a formatos de exportação: projetos que exigem implantação em vários formatos, incluindo ONNX, TensorRT, CoreML e LiteRT.

Quando escolher DAMO-YOLO#

O DAMO-YOLO é recomendado 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 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 evolução: YOLO26#

Se estiveres a começar um novo projeto, recomendamos vivamente que olhes para o futuro. Ultralytics YOLO26 desenvolve-se sobre os fundamentos excecionais de YOLOv5 e incorpora avanços revolucionários que redefinem a IA de visão de última geração.

As principais inovações de YOLO26 incluem:

• Otimizador MuSGD: Inspirada nas inovações do treino de LLM, esta combinação de SGD e Muon garante um treino muito estável e uma convergência rápida.
• Inferência na CPU até 43% mais rápida: Altamente otimizado para computação de borda, é ideal para dispositivos IoT que funcionam sem GPUs dedicadas.
• ProgLoss + STAL: Funções de perda avançadas que melhoram drasticamente o reconhecimento de objetos pequenos, essencial para imagens aéreas captadas por drones e para a robótica.
• Melhorias específicas por tarefa: Desde a perda angular especializada para caixas delimitadoras orientadas (OBB) até à estimativa da verosimilhança logarítmica residual (RLE) para uma estimativa de pose precisa, YOLO26 lida facilmente com domínios complexos.

Conclusão#

YOLOv5 e DAMO-YOLO conquistaram ambos um lugar na história da deteção de objetos. DAMO-YOLO continua a ser um estudo fascinante sobre pesquisa de arquiteturas de redes neurais e destilação. No entanto, para organizações que dão prioridade a um ecossistema bem mantido, à facilidade de utilização e a um percurso rápido até à produção, os modelos Ultralytics continuam sem paralelo.

Recomendamos vivamente que utilizes a Plataforma Ultralytics para anotar, treinar e implementar a próxima geração de modelos, como YOLO26, garantindo que o teu pipeline de visão computacional esteja preparado para o futuro, seja rápido e tenha uma precisão extraordinária.

Leitura adicional#

• Explora o RT-DETR baseado em Transformer para aplicações de elevada precisão.
• Fica a conhecer o modelo da geração anterior, YOLO11.
• Descobre como otimizar implementações com OpenVINO.