DAMO-YOLO и YOLOv7
Исследования в области компьютерного зрения привели к появлению эффективных моделей обнаружения объектов, сочетающих точность с умеренными вычислительными затратами. Среди примечательных моделей, представленных в 2022 году, — DAMO-YOLO и YOLOv7. Обе предназначены для задач компьютерного зрения в реальном времени, но достигают результатов с помощью совершенно разных архитектур и методов обучения.
В этом техническом сравнении рассматриваются разные подходы обеих моделей, их архитектуры, потенциал развертывания и метрики производительности. Сравнение поможет инженерам машинного обучения выбрать подходящий инструмент для конкретных задач компьютерного зрения.
Происхождение моделей и метаданные#
Перед техническим анализом кратко рассмотрим историю каждой модели.
DAMO-YOLO#
DAMO-YOLO разработали исследователи Alibaba Group. Модель представили для одновременной оптимизации скорости и точности с помощью автоматизированного поиска архитектуры и дистилляции.
- Авторы: Сяньчжэ Сюй, Ици Цзян, Вэйхуа Чэнь, Илуне Хуан, Юань Чжан и Сюйюй Сунь
- Организация: Alibaba Group
- Дата: 23 ноября 2022 года
- arXiv: 2211.15444v2
- GitHub: tinyvision/DAMO-YOLO
YOLOv7#
Выпущенная в середине 2022 года как передовая модель для обнаружения объектов в реальном времени, YOLOv7 развила возможности инференса в реальном времени, добавив обучаемые «бесплатные улучшения» без увеличения затрат на развертывание.
- Авторы: Chien-Yao Wang, Alexey Bochkovskiy и Hong-Yuan Mark Liao
- Организация: Институт информатики, Академия Синика, Тайвань
- Дата: 6 июля 2022 года
- arXiv: 2207.02696
- Документация: Документация YOLOv7
Ultralytics не публикует веса и YAML-файлы YOLOv7, поэтому обучать YOLOv7 напрямую с помощью пакета Ultralytics нельзя. Модели YOLOv7, обученные в исходном репозитории, можно экспортировать в ONNX или TensorRT и запускать для вывода с помощью Ultralytics.
Архитектурные инновации#
DAMO-YOLO: NAS и дистилляция#
В DAMO-YOLO используются несколько методов, повышающих эффективность:
- Бэкбоны на основе NAS: поиск нейронной архитектуры (NAS) автоматически проектирует эффективные бэкбоны (MAE-NAS), адаптированные к средам, где критична низкая задержка.
- Эффективная RepGFPN: модифицированная обобщённая пирамидальная сеть признаков, значительно повышающая эффективность слияния признаков на нескольких масштабах.
- ZeroHead и AlignedOTA: лёгкая голова обнаружения и оптимизированная стратегия назначения меток (AlignedOTA) сокращают вычислительные затраты.
- Улучшение дистилляции: Во время обучения активно используется дистилляция знаний, чтобы повысить производительность компактных вариантов модели, не увеличивая число параметров.
YOLOv7: E-ELAN и бесплатные улучшения#
YOLOv7 использует подход структурной инженерии, сосредоточенный на оптимизации путей градиента и надежных стратегиях обучения.
- Архитектура E-ELAN: расширенная эффективная сеть агрегации слоёв позволяет модели изучать более разнообразные признаки, контролируя самые короткие и самые длинные пути градиента и обеспечивая эффективную сходимость обучения.
- Масштабирование модели: метод составного масштабирования, разработанный для моделей на основе конкатенации, одновременно изменяет глубину и ширину, сохраняя структурное соответствие.
- Обучаемые бесплатные улучшения: применяются такие методы, как свёртки с репараметризацией (RepConv) без связей идентичности и стратегии динамического назначения меток. Они повышают точность при обучении, не влияя на скорость вывода.
Анализ производительности#
При оценке средней точности (mAP), скорости и эффективности обе модели показывают хорошие результаты, хотя ориентированы на несколько разные сегменты. YOLOv7 ориентирован на высокоточную работу на GPU, а структуры DAMO-YOLO, полученные с помощью NAS, рассчитаны на низкую задержку при жестких ограничениях бюджета GPU.
| 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 |
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
Как показывают метрики, DAMO-YOLO предлагает компактные варианты (например, tiny-модель всего с 8.5M параметров), а YOLOv7 достигает более высокой общей точности: YOLOv7x набирает 53.1 mAP на наборе данных COCO.
Преимущества экосистемы Ultralytics#
Теоретическая архитектура важна, но практическую ценность модели определяет ее экосистема. Нативные модели Ultralytics, такие как YOLO26, выигрывают от экосистемы, за которой хорошо следят, и высокой простоты использования.
- Баланс производительности: Модели Ultralytics стабильно обеспечивают удачный компромисс между скоростью инференса и точностью детекции, поэтому хорошо подходят как для периферийных устройств, так и для развертывания моделей в облаке.
- Требования к памяти: в отличие от более крупных моделей на основе Transformer, моделям Ultralytics YOLO требуется мало памяти CUDA при обучении. Это позволяет использовать более крупные размеры пакетов и ускоряет обучение даже на потребительском оборудовании.
- Универсальность: фреймворк Ultralytics поддерживает не только обнаружение объектов, но и такие задачи, как сегментация экземпляров и оценка позы, предоставляя разработчикам полный инструментарий для компьютерного зрения.
Пакет Ultralytics позволяет быстро перейти от набора данных к полностью обученной модели благодаря оптимизированным загрузчикам данных и предварительно обученным весам.
Пример кода: запуск YOLOv7 с Ultralytics#
После преобразования экспорта YOLOv7 в ONNX из исходного репозитория, как описано в примерах использования YOLOv7, ты можешь запустить модель с помощью Python API Ultralytics.
from ultralytics import YOLO
# Загрузи модель YOLOv7 ONNX, преобразованную для Ultralytics
model = YOLO("yolov7-ultralytics.onnx", task="detect")
# Выполнить инференс
predictions = model.predict("https://ultralytics.com/images/bus.jpg", save=True)Новый стандарт: представляем YOLO26#
В 2022 году YOLOv7 и DAMO-YOLO стали важными достижениями, но область компьютерного зрения развивается стремительно. Командам, которые начинают новые проекты сегодня, рекомендуется модель Ultralytics YOLO26, выпущенная в январе 2026 года.
YOLO26 повышает и производительность, и удобство использования:
- Сквозная архитектура без NMS: YOLO26 предлагает нативную сквозную головку (
nms=False). Благодаря отказу от постобработки с подавлением немаксимумов (NMS) логика развертывания становится проще, а сама модель работает быстрее. Этот подход впервые был представлен в YOLOv10. - Оптимизатор MuSGD: Вдохновленный методами обучения больших языковых моделей, в том числе применяемыми для Kimi K2 от Moonshot AI, YOLO26 использует гибрид SGD и Muon для стабильной динамики обучения и более быстрой сходимости.
- Инференс на CPU до 43% быстрее: Благодаря удалению Distribution Focal Loss (DFL) и упрощенной архитектуре YOLO26 оптимизирован для периферийных вычислений с низким энергопотреблением. YOLO26n работает на CPU до 43% быстрее YOLO11n.
- ProgLoss + STAL: Новая прогрессивная функция потерь и назначение меток с учетом малых объектов специально нацелены на распознавание небольших объектов и улучшают его — это важная возможность для аэрофотосъемки, робототехники и мониторинга безопасности.
- Улучшения для конкретных задач: помимо стандартного обнаружения, YOLO26 включает специальные усовершенствования для различных задач, в том числе многомасштабное прототипирование для сегментации, RLE для оценки позы и специальные функции потерь для углов при работе с ориентированными ограничивающими рамками (OBB).
Оптимальные сценарии применения#
Выбор подходящей архитектуры зависит от целевой среды развертывания и ограничений проекта.
Когда стоит выбрать DAMO-YOLO:
- Ты развертываешь модель на выделенном оборудовании с GPU и жесткими ограничениями по задержке, где компактные варианты DAMO-YOLO, найденные с помощью NAS, позволяют сохранить небольшое число параметров.
- Ты исследуешь поиск нейронной архитектуры или дистилляцию знаний.
Когда стоит выбрать YOLOv7:
- У тебя уже есть устаревшие конвейеры на GPU, оптимизированные для анкерного высокоточного вывода.
- Ты работаешь в средах, где критически важна точность в реальном времени, например в высокоскоростных автономных транспортных средствах или передовых робототехнических системах.
Когда выбирать YOLO26 (рекомендуется):
- Ты с нуля создаешь новое приложение для компьютерного зрения и хочешь получить высокую точность и быстрый инференс на CPU и периферийных устройствах.
- Тебе нужно быстрое и простое развертывание (например, экспорт в CoreML или TensorRT) без ограничений, связанных с операторами NMS.
- Ты хочешь использовать все возможности платформы Ultralytics для обучения в облаке, управления наборами данных и автоматического развёртывания.
Используя экосистему Ultralytics, разработчики могут значительно сократить время на инженерные задачи и при этом сохранить высокую точность прогнозов в реальных приложениях.
Комментарии
Задай вопрос, поделись результатами или помоги кому-нибудь.