YOLOv7 vs DAMO-YOLO
A detecção de objetos em tempo real continua evoluindo à medida que pesquisadores e engenheiros buscam o melhor equilíbrio entre velocidade e precisão. Esta comparação técnica analisa duas arquiteturas de destaque de 2022: YOLOv7 e DAMO-YOLO. Ambos os modelos introduziram novos conceitos na comunidade de visão computacional, abordando diferentes desafios no treinamento de modelos, no projeto arquitetônico e na implantação.
Contexto e detalhes técnicos dos modelos#
Ambos os modelos foram desenvolvidos por grupos de pesquisa de destaque e introduziram novos métodos para melhorar a detecção de objetos em tempo real.
Detalhes do YOLOv7#
Desenvolvido como continuação da família YOLO, o YOLOv7 introduziu o conceito de «bag-of-freebies» treinável para melhorar significativamente a precisão sem aumentar o custo de inferência.
- Autores: Chien-Yao Wang, Alexey Bochkovskiy e Hong-Yuan Mark Liao
- Organização: Instituto de Ciência da Informação, Academia Sinica, Taiwan
- Data: 2022-07-06
- arXiv: https://arxiv.org/abs/2207.02696
- GitHub: https://github.com/WongKinYiu/yolov7
- Documentação: https://docs.ultralytics.com/models/yolov7
Detalhes do DAMO-YOLO#
Desenvolvido por pesquisadores do Alibaba Group, DAMO-YOLO concentrou-se bastante em Neural Architecture Search (NAS) e destilação de conhecimento para criar modelos eficientes para diferentes tipos de hardware.
- 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
Inovações arquiteturais#
YOLOv7: análise do percurso do gradiente e reparametrização#
YOLOv7 dá grande ênfase às redes Extended Efficient Layer Aggregation (E-ELAN). Os autores projetaram E-ELAN analisando os caminhos do gradiente da rede para garantir que a rede possa aprender continuamente sem degradar o caminho do gradiente original. Além disso, YOLOv7 usa reparametrização do modelo durante a inferência, fundindo camadas para reduzir os FLOPs e acelerar a execução. Isso o torna altamente eficiente para inferência em tempo real em GPUs modernas.
DAMO-YOLO: pesquisa de arquiteturas neurais e RepGFPN#
O DAMO-YOLO distingue-se por recorrer amplamente à pesquisa de arquiteturas neurais (NAS) sujeita a restrições de latência. Utiliza uma estrutura chamada MAE-NAS para descobrir backbones ideais, adaptados a hardware específico, como dispositivos móveis ou aceleradores de periferia específicos. Para o neck, introduz uma RepGFPN (rede de pirâmide de características generalizada reparametrizada) eficiente e utiliza uma conceção ZeroHead para minimizar a carga computacional nas cabeças de predição.
Enquanto o YOLOv7 se baseia em otimizações arquiteturais intrínsecas robustas, o DAMO-YOLO depende fortemente de um processo complexo de destilação de conhecimento em várias etapas. É necessário treinar um modelo professor grande para destilar conhecimento para um modelo aluno mais pequeno, o que pode ser computacionalmente dispendioso durante a fase de treino.
Comparação de desempenho e métricas#
Ao comparar estes modelos, é essencial analisar o mAP (precisão média), a velocidade de inferência e a complexidade do modelo.
| Modelo | tamanho (pixels) | mAPval50-95 | Velocidade CPU ONNX (ms) | Velocidade T4 TensorRT10 (ms) | parâmetros (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
| 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 |
A tabela acima demonstra que o YOLOv7 escala bem para domínios de alta precisão (YOLOv7x), enquanto o DAMO-YOLO oferece modelos minúsculos altamente otimizados para ambientes com recursos limitados.
Eficiência de treinamento e requisitos de memória#
Uma diferença importante entre as duas arquiteturas está nas metodologias de treino. A dependência do DAMO-YOLO da destilação significa que treinar um novo modelo de raiz ou ajustá-lo a um conjunto de dados personalizado de visão computacional exige frequentemente muito mais memória VRAM e tempo de computação em GPU.
Em contrapartida, os modelos com suporte nativo no ecossistema Ultralytics, como YOLOv8 e versões posteriores, são otimizados para usar pouca memória durante o treinamento. Eles permitem que os desenvolvedores usem tamanhos de lote maiores em hardware de consumo sem encontrar erros de falta de memória, simplificando o processo de acompanhamento de experimentos e iteração.
A vantagem da Ultralytics#
Embora YOLOv7 e DAMO-YOLO ofereçam recursos atraentes, implantar modelos no ecossistema Ultralytics proporciona uma experiência de desenvolvimento mais simples.
- Facilidade de utilização: O pacote Python da Ultralytics oferece uma API unificada e simples. Podes alternar rapidamente entre arquiteturas de modelos, iniciar ciclos de treino ou executar inferência com poucas linhas de código.
- Ecossistema bem mantido: A Ultralytics disponibiliza atualizações frequentes, garantindo compatibilidade nativa com as versões mais recentes do PyTorch e com os controladores CUDA. Também simplifica a exportação de modelos para formatos como ONNX, TensorRT e OpenVINO.
- Versatilidade: Ao contrário de DAMO-YOLO, que é exclusivamente um detector de objetos, o ecossistema Ultralytics oferece suporte nativo a diversas tarefas. Os modelos da família Ultralytics podem realizar detecção padrão de caixas delimitadoras, segmentação de instâncias, classificação de imagens, estimativa de pose e caixas delimitadoras orientadas (OBB); YOLO26 também adiciona segmentação semântica e estimativa de profundidade.
Exemplo de código: primeiros passos rápidos#
Veja como carregar, treinar e executar inferência com os modelos Ultralytics:
from ultralytics import YOLO
# Carrega um modelo YOLO26 pré-treinado (o Ultralytics não suporta pesos nativos do YOLOv7)
model = YOLO("yolo26n.pt")
# Treina o modelo no conjunto de dados COCO8 com gestão automatizada dos hiperparâmetros
results = model.train(data="coco8.yaml", epochs=50, imgsz=640)
# Executa a inferência numa imagem
predictions = model("https://ultralytics.com/images/bus.jpg")
# Exporta para o formato ONNX para implantação
model.export(format="onnx")Com a Ultralytics, a exportação dos pesos treinados para vários formatos acelerados por hardware, como TensorRT ou CoreML, é feita com um único argumento no comando de exportação, sem scripts de conversão separados.
A próxima geração: YOLO26#
Embora YOLOv7 continue sendo uma arquitetura legada sólida, a área avançou rapidamente. Para novas implantações, Ultralytics YOLO26 (lançado em janeiro de 2026) é a opção recomendada, com melhorias em relação às gerações anteriores tanto na precisão quanto na velocidade na CPU.
- Design de ponta a ponta sem NMS: Com base no treinamento sem NMS que o YOLOv10 introduziu nos modelos YOLO, a cabeça opcional um-para-um do YOLO26 (
nms=False) ignora o pós-processamento de supressão não máxima (NMS). Isso reduz a variação da latência e simplifica a implantação em sistemas robóticos e autônomos. - Otimizador MuSGD: Inspirado em técnicas avançadas de treinamento de LLM, como o Kimi K2 da Moonshot AI, este otimizador híbrido combina SGD e Muon para obter um treinamento mais estável e uma convergência mais rápida.
- Inferência na CPU até 43% mais rápida: Ao remover a Distribution Focal Loss (DFL), YOLO26 simplifica a exportação e acelera a inferência em dispositivos de borda e CPUs; YOLO26n funciona até 43% mais rápido na CPU que YOLO11n.
- ProgLoss + STAL: Uma função de perda progressiva e uma estratégia de atribuição de rótulos com foco em alvos pequenos melhoram a detecção de objetos pequenos, tornando YOLO26 uma opção adequada para imagens aéreas e vigilância detalhada.
Casos de utilização ideais#
Quando escolher DAMO-YOLO#
- Investigação académica em NAS: Se a tua organização estiver fortemente dedicada ao estudo de metodologias de pesquisa de arquiteturas neurais.
- Latência extremamente restrita em hardware específico: Se tiveres recursos para executar pesquisas NAS exaustivas e encontrar um backbone adaptado a um chip acelerador de IA personalizado.
Quando escolher o YOLOv7#
- Pipelines de GPU existentes: Para equipas que mantêm pipelines de produção legados, profundamente otimizados em torno da arquitetura E-ELAN específica do YOLOv7 em hardware NVIDIA de alto desempenho.
Porquê migrar para os modelos Ultralytics modernos (YOLO11 / YOLO26)#
Para a grande maioria das aplicações empresariais — de análise de varejo e manufatura inteligente à área da saúde —, os modelos modernos da Ultralytics são a opção prática padrão. A integração com a Ultralytics Platform oferece um pipeline completo de ML, com uma API simples, documentação abrangente, uma comunidade ativa e suporte a várias tarefas. Seja para rastrear o inventário num Raspberry Pi ou executar análises complexas na nuvem, modelos como YOLO26 oferecem um bom equilíbrio entre velocidade e precisão.
Comentários
Faz uma pergunta, partilha os teus resultados ou ajuda alguém.