YOLOv5 vs DAMO-YOLO
O panorama da visão computacional em tempo real está em constante evolução, com investigadores e engenheiros a procurarem o equilíbrio certo entre precisão, velocidade e facilidade de utilização. Dois modelos de destaque que marcaram este percurso são o Ultralytics YOLOv5 e o 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 comparar os pormenores técnicos, é importante compreender as origens e as principais filosofias de design 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: ultralytics/yolov5
- Documentação: Documentação de Ultralytics YOLOv5
DAMO-YOLO#
Criado por investigadores do Alibaba Group, o DAMO-YOLO dá grande ênfase à pesquisa de arquiteturas de redes neurais (NAS) e a técnicas de destilação de conhecimento. O modelo visa o desempenho específico do hardware e destina-se a ambientes de investigação e implementação que exigem afinação extensiva.
- Autores: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang e Xiuyu Sun
- Organização: Alibaba Group
- Data: 2022-11-23
- arXiv: 2211.15444v2
- GitHub: tinyvision/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#
O YOLOv5 utiliza um backbone CSP (Cross Stage Partial) modificado combinado com um neck PANet (Path Aggregation Network). Esta estrutura é eficiente e mantém baixo o uso de memória CUDA durante o treino e a inferência.
Um dos maiores pontos fortes do YOLOv5 é a sua versatilidade entre tarefas. Para além das previsões de caixas delimitadoras, o repositório original YOLOv5 oferece arquiteturas específicas para segmentação de instâncias (v7.0) e classificação de imagens (v6.2), permitindo aos programadores uniformizar os seus fluxos de trabalho de visão num único framework coerente.
DAMO-YOLO: pesquisa automatizada de arquiteturas#
A principal inovação do DAMO-YOLO é o seu backbone MAE-NAS. Usando uma pesquisa orientada pela entropia máxima, a equipa da Alibaba encontrou backbones que equilibram a precisão da deteção e a velocidade de inferência dentro de limites específicos de latência.
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.
As arquiteturas baseadas em Transformer costumam exigir muita memória GPU. Tanto o YOLOv5 como o DAMO-YOLO usam designs convolucionais eficientes para manter reduzido o consumo de memória, e os modelos Ultralytics são concebidos para treinar em GPUs de consumo, tornando-os acessíveis a investigadores independentes e startups.
Desempenho e métricas#
A avaliação de detetores de objetos em tempo real exige analisar em conjunto o mAP (precisão média), a velocidade de inferência e o tamanho do modelo.
| Modelo | tamanho (pixels) | mAPval50-95 | Velocidade CPU ONNX (ms) | Velocidade T4 TensorRT10 (ms) | parâmetros (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv5n | 640 | 28.0 | - | 1.12 | 1.9 | 4.5 |
| YOLOv5s | 640 | 37.4 | - | 1.92 | 7.2 | 16.5 |
| YOLOv5m | 640 | 45.4 | - | 4.03 | 21.2 | 49.0 |
| YOLOv5l | 640 | 49.0 | - | 6.61 | 46.5 | 109.1 |
| YOLOv5x | 640 | 50.7 | - | 11.89 | 86.7 | 205.7 |
| 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 |
O DAMO-YOLO alcança mAP superior ao YOLOv5 com quantidades de parâmetros comparáveis; por exemplo, o DAMO-YOLOs alcança 46,0 mAP com 16,3M de parâmetros, em comparação com 45,4 mAP do YOLOv5m, que tem 21,2M de parâmetros. O YOLOv5 oferece as velocidades mais altas com TensorRT e o menor número de parâmetros nas configurações nano e small, o que o torna adequado para implantações de borda em que a latência é crítica.
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#
O DAMO-YOLO depende muito de uma metodologia de treino em várias etapas. Combina a atribuição de rótulos 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 modelo professor de grandes dimensões. Isso aumenta o tempo de computação, os custos de energia e os requisitos de hardware, o que pode atrasar equipas de ML mais pequenas.
A vantagem da Ultralytics: facilidade de uso#
Em contrapartida, o ecossistema Ultralytics é conhecido pelas suas APIs intuitivas e pela eficiência de treino. Com desenvolvimento ativo e uma grande comunidade de código aberto, permite aos programadores treinar, validar e implementar modelos com configuração mínima.
from ultralytics import YOLO
# Carrega um modelo YOLOv5 pré-treinado
model = YOLO("yolov5su.pt") # YOLOv5u: pesos YOLOv5 sem âncoras para o pacote ultralytics
# Treina com o conjunto de dados de exemplo COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Exporta para o formato ONNX para implantação
model.export(format="onnx")A Ultralytics também oferece acompanhamento de experiências integrado através de integrações como Weights & Biases e Comet.
Casos de uso no mundo real#
- O YOLOv5 é adequado para ambientes de produção dinâmicos. A exportação simples faz dele uma escolha comum para análise inteligente de retalho, deteção de defeitos de fabrico em alta velocidade e aplicações móveis através de CoreML.
- O DAMO-YOLO é adequado para avaliação comparativa académica e cenários em que há recursos computacionais abundantes para longos treinos com destilação, destinados a obter mAP adicional em hardware específico e fixo.
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 nas quais são valorizados o longo histórico de estabilidade do YOLOv5, sua ampla documentação e sua grande 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 somente com CPU: dispositivos sem aceleração dedicada por GPU, nos quais YOLO26n é até 43% mais rápido na CPU do que YOLO11n.
- Detecção de objetos pequenos: cenários desafiadores, como imagens aéreas capturadas por drones ou análise de sensores IoT, em que ProgLoss e STAL melhoram a precisão em objetos minúsculos.
A próxima evolução: YOLO26#
Se estás a iniciar um novo projeto, considera o Ultralytics YOLO26, que se baseia nos fundamentos do YOLOv5 e inclui vários avanços arquiteturais e de treino.
O YOLO26 oferece um design de ponta a ponta sem NMS: a sua cabeça opcional um-para-um (nms=False) ignora o pós-processamento de supressão não máxima, permitindo uma implementação mais rápida e simples.
As principais inovações do YOLO26 incluem:
- Otimizador MuSGD: Inspirado em inovações no treino de LLM, este híbrido de SGD e Muon proporciona um treino estável e uma convergência rápida.
- Inferência na CPU até 43% mais rápida: O YOLO26n funciona até 43% mais depressa do que o YOLO11n na CPU, sendo adequado para computação de borda e dispositivos IoT sem GPUs dedicadas.
- ProgLoss + STAL: Uma perda progressiva e uma estratégia de atribuição de rótulos com atenção a alvos pequenos melhoram o reconhecimento de objetos pequenos, algo essencial para imagens aéreas de drones e robótica.
- Melhorias específicas por tarefa: Desde uma perda angular especializada para caixas delimitadoras orientadas (OBB) até à estimativa de log-verosimilhança residual (RLE) para uma estimativa de pose precisa, o YOLO26 inclui melhorias para cada tarefa suportada.
Conclusão#
Tanto o YOLOv5 como o DAMO-YOLO conquistaram o seu lugar na história da deteção de objetos. O DAMO-YOLO continua a ser um estudo interessante de pesquisa de arquiteturas de redes neurais e destilação. Para as organizações que dão prioridade a um ecossistema bem mantido, à facilidade de utilização e a um percurso rápido até à produção, os modelos Ultralytics são a escolha mais sólida.
Utiliza a Plataforma Ultralytics para anotar, treinar e implementar modelos mais recentes, como o YOLO26, criando um fluxo de trabalho de visão computacional rápido, preciso e fácil de manter.
Leitura adicional#
Comentários
Faz uma pergunta, partilha os teus resultados ou ajuda alguém.