DAMO-YOLO и YOLOv6-3.0
Исследования в области компьютерного зрения привели к появлению специализированных архитектур для промышленного применения. Особенно выделяются две модели, ориентированные на производительность в реальном времени и эффективность развертывания: DAMO-YOLO и YOLOv6-3.0. На этой странице технически сравниваются их архитектуры, метрики производительности и методы обучения, чтобы ты мог выбрать подходящую модель.
DAMO-YOLO: поиск архитектуры нейронной сети для обнаружения объектов#
DAMO-YOLO разработали исследователи Alibaba Group. Эта модель предлагает новый подход к семейству YOLO, интегрируя поиск нейронной архитектуры (NAS) в дизайн бэкбона.
- Авторы: Сяньчжэ Сюй, Ици Цзян, Вэйхуа Чэнь, Илуне Хуан, Юань Чжан и Сюйюй Сунь
- Организация: Alibaba Group
- Дата: 2022-11-23
- arXiv: 2211.15444v2
- GitHub: tinyvision/DAMO-YOLO
Архитектурные инновации#
В DAMO-YOLO используется оптимизированный с помощью NAS бэкбон MAE-NAS, который автоматически ищет эффективные структуры сети с учетом заданных ограничений по задержке. Благодаря этому модель эффективно масштабируется для различных конфигураций оборудования. Для улучшения слияния признаков в архитектуре применяется Efficient RepGFPN (репараметризованная обобщенная пирамидальная сеть признаков), существенно улучшающая многомасштабное представление.
В модели также используется архитектура «ZeroHead». Удаление сложных многоветвевых структур из головки детекции позволяет эффективнее сохранять пространственную информацию и уменьшать вычислительные затраты. Для обучения также применяются AlignedOTA (сопоставление на основе выровненного оптимального транспорта) и дистилляция знаний, благодаря которым компактные модели-ученики учатся у более крупных моделей-учителей.
Дистилляция знаний помогает DAMO-YOLO достигать высокой точности, но требует многоэтапного конвейера обучения. По сравнению с обучением стандартных одноэтапных моделей это значительно увеличивает необходимый объем вычислений на GPU.
YOLOv6-3.0: максимальная производительность в промышленных задачах#
Разработанная отделом Vision AI компании Meituan, модель YOLOv6-3.0 позиционируется именно как промышленный детектор объектов, оптимизированный для максимальной пропускной способности на оборудовании NVIDIA.
- Авторы: Чуйи Ли, Лулу Ли, Ифэй Гэн, Хунлян Цзян, Мэн Чэн, Бо Чжан, Зайдань Кэ, Сяомин Сюй и Сянсян Чу
- Организация: Meituan
- Дата: 2023-01-13
- arXiv: 2301.05586
- GitHub: meituan/YOLOv6
Основные функции и улучшения#
YOLOv6-3.0 построена на удобном для оборудования бэкбоне EfficientRep и работает очень быстро при использовании оптимизаций вроде TensorRT на современных GPU. В версии 3.0 в сеть добавлен двунаправленный модуль конкатенации (BiC), улучшающий локализацию объектов разных размеров.
Еще одна примечательная особенность — стратегия обучения с помощью якорей (AAT). AAT сочетает стабильность детекторов на основе якорей во время обучения со скоростью инференса безъякорной архитектуры. Такой гибридный подход хорошо сходится, не увеличивая задержку при развертывании, и отлично подходит для обработки больших объемов видео в системах аналитики умных городов и автоматизированных касс.
Сравнение производительности#
При оценке этих моделей для инференса в реальном времени важно учитывать баланс между числом параметров, FLOPs и точностью mAP. В таблице ниже сравниваются их показатели.
| Модель | размер (пиксели) | mAPval50-95 | 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 |
| YOLOv6-3.0n | 640 | 37.5 | - | 1.17 | 4.7 | 11.4 |
| YOLOv6-3.0s | 640 | 45.0 | - | 2.66 | 18.5 | 45.3 |
| YOLOv6-3.0m | 640 | 50.0 | - | 5.28 | 34.9 | 85.8 |
| YOLOv6-3.0l | 640 | 52.8 | - | 8.95 | 59.6 | 150.7 |
DAMO-YOLO немного превосходит конкурента в малом размерном классе (46.0 mAP против 45.0 mAP), но YOLOv6-3.0 лучше масштабируется и лидирует в среднем и крупном классах, сохраняя при этом наименьшее число параметров в конфигурации nano.
Если твое оборудование позволяет проводить масштабный автоматизированный поиск для настройки бэкбона, подход DAMO-YOLO с NAS будет эффективен. Но если ты полагаешься исключительно на стандартное ускорение GPU (например, T4 или A100), структуры EfficientRep в YOLOv6 часто обеспечивают более высокий показатель FPS.
Сценарии использования и рекомендации#
Выбор между DAMO-YOLO и YOLOv6 зависит от требований конкретного проекта, ограничений развёртывания и предпочтений в отношении экосистемы.
Когда стоит выбрать DAMO-YOLO#
DAMO-YOLO — хороший выбор для:
- Высокопроизводительная видеоаналитика: Обработка видеопотоков с высокой частотой кадров на фиксированной инфраструктуре NVIDIA GPU, где основной показатель — пропускная способность при размере пакета 1.
- Промышленные производственные линии: Сценарии со строгими ограничениями по задержке GPU на выделенном оборудовании, например контроль качества в реальном времени на сборочных линиях.
- Исследования в области поиска нейросетевых архитектур: Изучение влияния автоматизированного поиска архитектур (MAE-NAS) и эффективных перенастраиваемых базовых сетей на качество обнаружения.
Когда стоит выбрать YOLOv6#
YOLOv6 рекомендуется для следующих задач:
- Развертывание с учетом промышленного оборудования: сценарии, в которых аппаратно-ориентированный дизайн и эффективная репараметризация модели обеспечивают оптимальную производительность на конкретном целевом оборудовании.
- Быстрая одноэтапная детекция: приложения, где приоритетом является максимальная скорость инференса на GPU для обработки видео в реальном времени в контролируемых условиях.
- Интеграция в экосистему Meituan: Команды, которые уже работают с технологическим стеком и инфраструктурой развертывания Meituan.
Когда выбирать Ultralytics (YOLO26)#
Для большинства новых проектов Ultralytics YOLO26 предлагает оптимальное сочетание производительности и удобства разработки:
- Развертывание на периферийных устройствах без NMS: Приложения, которым необходим стабильный инференс с низкой задержкой без усложнения постобработки подавлением немаксимумов.
- Среды только с CPU: устройства без выделенного GPU-ускорителя, где инференс YOLO26 (YOLO26n по сравнению с YOLO11n) до 43% быстрее, что дает явное преимущество.
- Обнаружение небольших объектов: Сложные сценарии, например съёмка с дронов или анализ данных IoT-датчиков, где ProgLoss и STAL заметно повышают точность обнаружения крошечных объектов.
Преимущества Ultralytics: знакомство с YOLO26#
DAMO-YOLO и YOLOv6-3.0 — способные модели, но их экосистемы фрагментированы, возможности ограничены одной задачей, а конвейеры развертывания сложны. Для современных инженерных команд модели Ultralytics обеспечивают значительно более удобный опыт разработки, особенно благодаря новейшей модели YOLO26.
Выпущенная в январе 2026 года, YOLO26 подходит для развертывания как на периферийных устройствах, так и в облаке, оптимизируя требования к памяти и эффективность вычислений.
Почему стоит выбрать YOLO26?#
- Сквозная архитектура без NMS: Следуя идеям YOLOv10, YOLO26 поддерживает нативный сквозной инференс, при котором постобработка с подавлением немаксимумов (NMS) пропускается благодаря дополнительной однок одовой головке (
nms=False). Это упрощает код развертывания и снижает вариативность задержки инференса на периферийных устройствах. - Улучшенная оптимизация: В YOLO26 используется оптимизатор MuSGD — гибрид SGD и Muon, вдохновленный методами обучения больших языковых моделей. Он обеспечивает стабильное обучение и быструю сходимость.
- Универсальность на разных типах оборудования: Удаление DFL (Distribution Focal Loss) упрощает выходные головки и улучшает совместимость с периферийными устройствами. YOLO26n обеспечивает инференс на CPU до 43% быстрее, чем YOLO11n, и лучше YOLOv6 подходит для мобильных устройств и периферийных систем IoT.
- Повышенная точность: Благодаря ProgLoss + STAL YOLO26 улучшает детекцию небольших объектов, поэтому отлично подходит для аэрофотосъемки и поиска дефектов.
- Универсальность для разных задач: В отличие от промышленных моделей, которые предсказывают только ограничивающие рамки, семейство YOLO26 поддерживает множество задач, включая сегментацию экземпляров, классификацию изображений, оценку позы и ориентированные ограничивающие рамки (OBB).
Взаимодействие с экосистемой#
Платформа Ultralytics охватывает весь жизненный цикл машинного обучения. Для обучения модели не нужен многоэтапный конвейер дистилляции. Автоматическое расширение данных, единая настройка гиперпараметров и экспорт в один клик в форматы ONNX, OpenVINO и CoreML позволяют быстро перейти от набора данных к эксплуатации модели.
Модели Ultralytics также известны своей эффективностью использования памяти: им не требуется большой объем видеопамяти, необходимый архитектурам на основе Transformer, таким как RT-DETR.
Пример кода для быстрого старта#
Обучать модель Ultralytics, например YOLO26, и запускать на ней инференс просто. Следующий скрипт на Python показывает, как всего несколькими строками кода обучить модель, запустить инференс и экспортировать ее:
from ultralytics import YOLO
# Загрузи высокоэффективную нано-модель YOLO26
model = YOLO("yolo26n.pt")
# Обучи модель на собственном датасете
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Выполни инференс на тестовом изображении
prediction = model("https://ultralytics.com/images/bus.jpg")
# Экспортируй модель в TensorRT для максимальной пропускной способности GPU
model.export(format="engine", dynamic=True)Заключение#
DAMO-YOLO и YOLOv6-3.0 — впечатляющие инженерные разработки, которые продвинули промышленную детекцию объектов. Однако это специализированные инструменты, для которых часто нужны сложные настройки и оборудование с жесткими ограничениями.
Разработчикам и исследователям, которым нужны удачный баланс производительности, возможности решения нескольких задач и активно поддерживаемая экосистема, рекомендуется Ultralytics YOLO26. Сочетая оптимизатор, вдохновленный LLM, с простой архитектурой, поддерживающей инференс без NMS, YOLO26 упрощает развертывание ИИ и обеспечивает высокую точность как на периферийных устройствах, так и в облаке.
Если ты оцениваешь модели для нового проекта в области компьютерного зрения, начни с изучения возможностей экосистемы Ultralytics YOLO. Чтобы лучше понять развитие ИИ для компьютерного зрения в реальном времени, сравни эти модели с другими архитектурами, такими как EfficientDet, или с предыдущими важными разработками, например YOLO11.
Комментарии
Задай вопрос, поделись результатами или помоги кому-нибудь.