YOLO YOLO11: подробное исследование обнаружения объектов в реальном времени

Область обнаружения объектов постоянно развивается, и исследователи и инженеры стремятся найти баланс между такими конкурирующими требованиями, как точность, скорость вывода и вычислительная эффективность. Две примечательные архитектуры, появившиеся в этой области, — этоYOLO, разработанная Alibaba Group, и YOLO11, мощная итерация от Ultralytics.

В то время какYOLO новые концепции в области поиска нейронных архитектур (NAS) и глубокой перепараметризации, YOLO11 усовершенствованный, ориентированный на пользователя подход, направленный на готовность к производству и универсальность. В этом сравнении рассматриваются архитектурные нюансы, показатели производительности и практические соображения по развертыванию обеих моделей.

Обзор DAMO-YOLO

YOLO высокопроизводительный детектор объектов, предложенный исследователями из DAMO Academy компании Alibaba. Он отличается использованием Neural Architecture Search (NAS) для автоматического проектирования эффективных базовых структур, адаптированных к конкретным ограничениям.

Авторы: Сяньчжэ Сюй, Ици Цзян, Вэйхуа Чэнь, Илунь Хуан, Юань Чжан и Сююй Сунь
Организация:Alibaba Group
Дата: 2022-11-23
Arxiv:https://arxiv.org/abs/2211.15444v2
GitHub:https://github.com/tinyvision/DAMO-YOLO

Архитектура объединяет специализированную сеть RepGFPN (Reparameterized Generalized Feature Pyramid Network) для слияния признаков и облегченную головку, получившую название «ZeroHead». Ключевым компонентом стратегии обучения является «AlignedOTA» — метод динамического присвоения меток, разработанный для решения проблем несоответствия между задачами классификации и регрессии. Кроме того, он в значительной степени полагается на дистилляцию из более крупных «учительских» моделей для повышения производительности меньших вариантов.

YOLO11

YOLO11 на наследииYOLO Ultralytics YOLO и усовершенствует дизайн сети CSP (Cross Stage Partial) для максимальной эффективности параметров. В отличие от моделей, ориентированных на исследования, которые могут требовать сложных настроек, YOLO11 для немедленного применения в реальных условиях и предлагает готовое к использованию решение.

Авторы: Гленн Джочер и Цзин Цю
Организация:Ultralytics
Дата: 2024-09-27
Документация:https://docs.ultralytics.com/models/yolo11/
GitHub:https://github.com/ultralytics/ultralytics

YOLO11 конструкцию блока C3k2 и вводит модули C2PSA (Cross Stage Partial with Spatial Attention) для лучшего учета глобального контекста. Он полностью интегрирован в Ultralytics и поддерживает беспрепятственное обучение, валидацию и развертывание на различном оборудовании, включая ЦП, ГП и периферийные устройства.

Узнайте больше о YOLO11

Техническое сравнение

В следующей таблице показаны различия в производительности между моделями. ХотяYOLO высокую теоретическую производительность, YOLO11 обеспечивает более сбалансированный профиль по скорости и точности в практических сценариях, особенно с учетом накладных расходов на экспорт и развертывание.

Модель	размер ^{(пиксели)}	mAP^val 50-95	Скорость ^{CPU ONNX (мс)}	Скорость ^{T4 TensorRT10 (мс)}	параметры ^(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

YOLO11n	640	39.5	56.1	1.5	2.6	6.5
YOLO11s	640	47.0	90.0	2.5	9.4	21.5
YOLO11m	640	51.5	183.2	4.7	20.1	68.0
YOLO11l	640	53.4	238.6	6.2	25.3	86.9
YOLO11x	640	54.7	462.8	11.3	56.9	194.9

Архитектура и методологии обучения

YOLO использует MAE-NAS (Masked Autoencoder Neural Architecture Search) для поиска оптимальных базовых структур при определенных ограничениях по задержке. В результате получаются модели, которые теоретически эффективны, но могут быть сложны для модификации или тонкой настройки без исходного конвейера NAS. Процесс обучения сложен и часто требует двухэтапного подхода, при котором сначала обучается тяжелая модель-учитель, чтобы перенести знания в меньшую целевую модель.

YOLO11, напротив, использует созданную вручную, но высокооптимизированную архитектуру, которая обеспечивает баланс между глубиной, шириной и разрешением. Конвейер обучения оптимизирован с использованием стандартных аугментаций и функций потерь, которые не требуют вспомогательных моделей-учителей или сложных этапов дистилляции. Это YOLO11 упрощает обучение YOLO11 на пользовательских наборах данных без глубоких знаний в данной области.

Предупреждение: сложность против удобства использования

В то время как подходYOLO, основанный на NAS, дает математически оптимальные структуры, Ultralytics ставит во главу угла удобство использования. Модель типа YOLO11 обучить с помощью одной CLI . yolo train, тогда как исследовательские репозитории часто требуют сложных конфигурационных файлов и многоэтапной подготовки.

Преимущество Ultralytics

Выбор модели выходит за рамки простого mAP ; он затрагивает весь жизненный цикл проекта машинного обучения. Ultralytics , такие как YOLO11и передовая YOLO26, обладают явными преимуществами, которые упрощают разработку.

Непревзойденная простота использования и экосистема

Ultralytics разработана для уменьшения трений. Для обучения YOLO11 требуется минимальный объем кода, а Python одинаков для всех версий модели. Это контрастирует сYOLO, где пользователи часто имеют дело с кодовой базой исследовательского уровня, которая может не иметь надежной документации или долгосрочного обслуживания.

from ultralytics import YOLO

# Load a YOLO11 model
model = YOLO("yolo11n.pt")

# Train on a custom dataset with a single line
results = model.train(data="coco8.yaml", epochs=100)

Кроме того, Ultralytics предоставляет удобный интерфейс для управления наборами данных, маркировки и обучения в облаке, что позволяет эффективно демократизировать доступ к передовым возможностям компьютерного зрения.

Универсальность в различных задачах

Одним из самых весомых аргументов в пользу использования Ultralytics является его универсальность. В то время какYOLO в первую очередьYOLO детектором объектов, YOLO11 широкий спектр задач компьютерного зрения в рамках одной и той же кодовой базы:

Сегментация экземпляров: точное маскирование объектов.
Оценка позы: обнаружение ключевых точек для отслеживания скелета человека.
Ориентированная ограничивающая рамка (OBB): идеально подходит для аэрофотоснимков и объектов под углом.
Классификация: Категоризация целого изображения.

Баланс производительности и эффективность памяти

Ultralytics славятся эффективным использованием ресурсов. YOLO11 требует меньше CUDA во время обучения по сравнению с архитектурами, в которых широко используются трансформеры, или сложными моделями, полученными с помощью NAS. Это позволяет разработчикам обучать более крупные партии на потребительских графических процессорах, ускоряя цикл итераций.

Для вывода YOLO11 оптимизированы для экспорта в такие форматы, как ONNX, TensorRTи CoreML. Это гарантирует, что высокая точность, наблюдаемая в тестах, переносится в реальную производительность на периферийных устройствах, от модулей NVIDIA до Raspberry Pi.

Взгляд в будущее: Мощь YOLO26

Для разработчиков, стремящихся к абсолютному максимуму производительности, Ultralytics YOLO26. Эта модель нового поколения заменяет YOLO11 революционными усовершенствованиями:

Сквозной дизайн NMS: YOLO26 устраняет необходимость в постобработке с помощью алгоритма Non-Maximum Suppression (NMS). Этот сквозной подход упрощает процессы развертывания и снижает вариативность задержек — функция, впервые исследованная в YOLOv10.
Оптимизатор MuSGD: Вдохновленный инновациями в области обучения больших языковых моделей (LLM) (таких как Kimi K2 от Moonshot AI), YOLO26 использует оптимизатор MuSGD для более быстрой конвергенции и большей стабильности обучения.
Оптимизация Edge-First: благодаря удалению Distribution Focal Loss (DFL) и специфическим CPU , YOLO26 достигает до 43% более быстрой инференции на CPU, что делает его лучшим выбором для пограничных вычислений.
ProgLoss + STAL: новые функции потери улучшают обнаружение мелких объектов, что является критически важной функцией для приложений с использованием дронов и IoT.

Узнайте больше о YOLO26

Идеальные варианты использования

ВыберитеYOLO ,YOLO : вы являетесь исследователем, изучающим эффективность NAS в базовых системах зрительного восприятия, или у вас есть очень специфические аппаратные ограничения, требующие индивидуально подобранной архитектуры, и у вас есть ресурсы для управления сложным процессом дистилляции.
Выберите YOLO11 , YOLO11 : вам нужен надежный универсальный детектор, который обеспечивает исключительный баланс между скоростью и точностью. Он идеально подходит для коммерческих приложений, требующих отслеживания, простого обучения на пользовательских данных и широкой совместимости с платформами.
Выберите YOLO26, если: вам требуется максимально возможная скорость инференса, особенно на пограничных процессорах, или вам необходимо упростить стек развертывания путем удаления NMS. Это рекомендуемый выбор для новых проектов, требующих передовой эффективности и универсальности.

Заключение

КакYOLO YOLO11 значительный вклад в область компьютерного зрения.YOLO потенциал автоматизированного поиска архитектуры, а YOLO11 практическое применение глубокого обучения с акцентом на удобство использования и поддержку экосистемы.

Для большинства разработчиков и предприятий Ultralytics , основанная на YOLO11 передовой YOLO26, предоставляет самый прямой путь к получению выгоды. Благодаря обширной документации, активной поддержке сообщества и таким инструментам, как Ultralytics , пользователи могут с уверенностью и быстротой перейти от концепции к внедрению.

Для тех, кто интересуется другими архитектурами, в Ultralytics также приведены сравнения с такими моделями, как RT-DETR (Real-Time DEtection TRansformer) и YOLOv9, что позволяет получить полную картину при выборе подходящего инструмента для ваших задач в области искусственного интеллекта.