DAMO-YOLO против YOLOv5: Глубокий анализ обнаружения объектов в реальном времени

Эволюция компьютерного зрения ознаменовалась непрерывными инновациями в обнаружении объектов в реальном времени. Сегодня разработчики и исследователи сталкиваются с множеством архитектурных решений при проектировании конвейеров обработки изображений. Это всестороннее техническое сравнение исследует нюансы между DAMO-YOLO и Ultralytics YOLOv5, выделяя их соответствующие архитектуры, методологии обучения, метрики производительности и идеальные сценарии развертывания.

Введение в DAMO-YOLO

Выпущенный Alibaba Group, DAMO-YOLO представил несколько новых методов, направленных на расширение границ скорости и точности обнаружения.

Авторы: Сяньчжэ Сюй, Ици Цзян, Вэйхуа Чэнь, Илунь Хуан, Юань Чжан и Сююй Сунь
Организация:Alibaba Group
Дата: 23 ноября 2022 г.
Arxiv:2211.15444v2
GitHub:tinyvision/DAMO-YOLO
Документация:README.md

Узнайте больше о DAMO-YOLO

Архитектурные инновации

DAMO-YOLO построена на основе Neural Architecture Search (NAS). Авторы использовали MAE-NAS для автоматического проектирования магистральных сетей, которые балансируют между задержкой и точностью. Модель представляет эффективную RepGFPN (перепараметризованную обобщенную пирамидальную сеть признаков), которая улучшает слияние признаков на разных масштабах. Кроме того, DAMO-YOLO включает в себя архитектуру "ZeroHead", которая отказывается от сложных многоветвевых предсказательных голов в пользу более простой и эффективной структуры, активно использующей репараметризацию во время инференса.

Для улучшения обучения модель использует AlignedOTA для назначения меток и интенсивный процесс улучшения дистилляции, где более крупная модель-«учитель» направляет меньшую модель-«ученика» для достижения более высокой точности.

Введение в Ultralytics YOLOv5

Ultralytics YOLOv5 является одной из наиболее широко используемых архитектур компьютерного зрения в мире, известной своей стабильностью, простотой использования и обширной экосистемой развертывания.

Авторы: Гленн Джокер
Организация:Ultralytics
Дата: 26 июня 2020 г.
GitHub:ultralytics/yolov5
Документация:Документация YOLOv5

Узнайте больше о YOLOv5

Стандарт экосистемы

YOLOv5 переопределил отраслевой стандарт удобства использования. Созданный нативно в PyTorch, он использует высокооптимизированный backbone CSPNet и шейку PANet для надежной агрегации признаков. Хотя он предшествовал тенденции безъякорных моделей, наблюдаемой в более поздних моделях, его высокоразвитый подход на основе якорей в сочетании с автоматическим обучением якорей обеспечивает отличную производительность «из коробки».

Истинная сила YOLOv5 заключается в ее хорошо поддерживаемой экосистеме. Она бесшовно интегрируется с инструментами track, такими как Comet и Weights & Biases, и поддерживает экспорт в один клик в такие форматы, как ONNX, TensorRT и CoreML.

Начало работы с YOLOv5

YOLOv5 невероятно легко обучать на пользовательских наборах данных. Оптимизированный API снижает трение на пути от прототипа до производства, что делает его фаворитом среди гибких инженерных команд.

Сравнение производительности и метрик

При сравнении этих моделей крайне важно учитывать баланс средней точности (mAP), скорости инференса и количества параметров.

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

YOLOv5n	640	28.0	73.6	1.12	2.6	7.7
YOLOv5s	640	37.4	120.7	1.92	9.1	24.0
YOLOv5m	640	45.4	233.9	4.03	25.1	64.2
YOLOv5l	640	49.0	408.4	6.61	53.2	135.0
YOLOv5x	640	50.7	763.2	11.89	97.2	246.4

Анализ компромиссов

DAMO-YOLO достигает впечатляющих показателей mAP для своих размеров параметров, значительно выигрывая от фазы обучения с дистилляцией. Однако это достигается за счет снижения эффективности обучения. Многоэтапный процесс дистилляции требует предварительного обучения большой модели-учителя, что значительно увеличивает необходимое время вычислений на GPU и объем VRAM.

Напротив, YOLOv5 предлагает отличные требования к памяти. Модели Ultralytics YOLO известны более низким потреблением памяти как во время обучения, так и во время инференса по сравнению со сложными конвейерами дистилляции или моделями на основе трансформеров, такими как RT-DETR. Это позволяет эффективно обучать YOLOv5 на потребительском оборудовании или в доступных облачных средах, таких как Google Colab.

Практические применения и универсальность

Выбор правильной архитектуры часто зависит от среды развертывания.

В чем DAMO-YOLO превосходит другие модели

DAMO-YOLO — это строго модель обнаружения объектов. Это отличный выбор для академических исследований, особенно для команд, изучающих Neural Architecture Search, или тех, кто стремится воспроизвести методы репараметризации, подробно описанные в статье. Если проект располагает обширными вычислительными ресурсами для выполнения фазы обучения с дистилляцией и сосредоточен исключительно на выжимании последней доли точности для 2D ограничивающих рамок, DAMO-YOLO является сильным претендентом.

Преимущество Ultralytics

Для реального производства простота использования и универсальность моделей Ultralytics делают их предпочтительным выбором. В то время как YOLOv5 остается основным инструментом для detect и классификации изображений, более широкая экосистема Ultralytics позволяет разработчикам легко переключаться между задачами.

Например, новые итерации в семействе Ultralytics нативно поддерживают сегментацию экземпляров, оценку позы и detect ориентированных ограничивающих рамок (OBB). Эта многозадачная возможность гарантирует, что команды могут использовать единый, унифицированный Python API для сложных конвейеров, таких как объединение автоматического распознавания номерных знаков с сегментацией транспортных средств.

Сценарии использования и рекомендации

Выбор между DAMO-YOLO и YOLOv5 зависит от ваших конкретных требований проекта, ограничений развертывания и предпочтений экосистемы.

Когда следует выбирать DAMO-YOLO

DAMO-YOLO — это отличный выбор для:

Высокопроизводительная видеоаналитика: Обработка видеопотоков с высокой частотой кадров на стационарной инфраструктуре NVIDIA GPU, где пропускная способность при размере пакета 1 является основным показателем.
Промышленные производственные линии: Сценарии со строгими ограничениями по задержке GPU на специализированном оборудовании, например, контроль качества в реальном времени на сборочных линиях.
Исследования нейронного поиска архитектуры: Изучение влияния автоматизированного поиска архитектуры (MAE-NAS) и эффективных репараметризованных бэкбонов на производительность detect.

Когда выбирать YOLOv5

YOLOv5 рекомендуется для:

Проверенные производственные системы: Существующие развертывания, где ценятся долгий track-рекорд стабильности YOLOv5, обширная документация и массивная поддержка сообщества.
Обучение с ограниченными ресурсами: Среды с ограниченными ресурсами GPU, где эффективный конвейер обучения YOLOv5 и низкие требования к памяти являются преимуществом.
Обширная поддержка форматов экспорта: Проекты, требующие развертывания во многих форматах, включая ONNX, TensorRT, CoreML и TFLite.

Когда выбирать Ultralytics (YOLO26)

Для большинства новых проектов Ultralytics YOLO26 предлагает наилучшее сочетание производительности и удобства для разработчиков:

Развертывание на периферии без NMS: Приложения, требующие стабильного вывода с низкой задержкой без сложности постобработки методом Non-Maximum Suppression.
Среды только с CPU: Устройства без выделенного ускорения GPU, где до 43% более быстрая инференция YOLO26 на CPU обеспечивает решающее преимущество.
Обнаружение мелких объектов: Сложные сценарии, такие как аэрофотосъемка с дронов или анализ данных с IoT-датчиков, где ProgLoss и STAL значительно повышают точность на крошечных объектах.

Будущее: Переход к YOLO26

Хотя YOLOv5 является легендарной, а DAMO-YOLO предлагает интересные академические идеи, передовые технологии развились. Выпущенная в январе 2026 года, Ultralytics YOLO26 представляет собой огромный шаг вперед для сообщества компьютерного зрения.

Узнайте больше о YOLO26

YOLO26 решает традиционные узкие места развертывания на периферии и нестабильности обучения:

Сквозная архитектура без NMS: YOLO26 изначально исключает постобработку Non-Maximum Suppression. Этот прорыв упрощает логику развертывания и значительно снижает вариативность задержки, что делает его идеальным для высокоскоростной робототехники и автономных систем.
Оптимизатор MuSGD: Вдохновленный инновациями в обучении LLM (например, Kimi K2 от Moonshot AI), YOLO26 использует оптимизатор MuSGD (гибрид SGD и Muon). Это обеспечивает высокостабильные циклы обучения и значительно более быструю сходимость.
До 43% более быстрая инференция на CPU: За счет стратегического удаления Distribution Focal Loss (DFL), YOLO26 достигает значительно более высоких скоростей на CPU и периферийных устройствах по сравнению со своими предшественниками, такими как YOLO11 и YOLOv8.
ProgLoss + STAL: Эти продвинутые функции потерь обеспечивают значительные улучшения в распознавании мелких объектов, что критически важно для анализа аэрофотоснимков с дронов и данных с IoT-датчиков.

Пример кода: Простота в действии

Пакет Ultralytics позволяет обучать и развертывать модели всего несколькими строками кода. Независимо от того, используете ли вы YOLOv5 или обновляетесь до рекомендованного YOLO26, интерфейс остается согласованным и интуитивно понятным.

from ultralytics import YOLO

# Load the state-of-the-art YOLO26 small model
model = YOLO("yolo26s.pt")

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

# Run inference on an image and display results
predictions = model("https://ultralytics.com/images/bus.jpg")
predictions[0].show()

# Export the model for edge deployment
model.export(format="onnx")

Заключение

Как DAMO-YOLO, так и YOLOv5 внесли значительный вклад в развитие компьютерного зрения. DAMO-YOLO демонстрирует мощь поиска нейронной архитектуры и дистилляции, что делает его интересным объектом для исследований. Однако YOLOv5 остаётся мощным практическим решением благодаря своему балансу производительности, низким требованиям к памяти и беспрецедентной простоте использования.

Для разработчиков, начинающих новые проекты сегодня, рекомендуется использовать платформу Ultralytics и внедрять YOLO26. Он сочетает в себе полюбившуюся пользователям экосистему YOLOv5 с новаторскими архитектурными достижениями, обеспечивая высочайшую точность и молниеносный вывод для облачных и периферийных AI-приложений. Разработчики также могут рассмотреть другие эффективные модели, такие как YOLOv6 или YOLOX, в зависимости от конкретных ограничений устаревшего оборудования.