Link to this sectionDAMO-YOLO против YOLOv7: оцениваем детекторы объектов реального времени#

Стремительное развитие компьютерного зрения привело к созданию высокоэффективных моделей обнаружения объектов, разработанных для баланса между точностью и вычислительными затратами. Две примечательные модели, представленные в 2022 году, — это DAMO-YOLO и YOLOv7. Хотя обе они стремятся расширить границы задач машинного зрения в реальном времени, они достигают своих результатов с помощью принципиально разных архитектурных парадигм и методологий обучения.

Это всестороннее техническое сравнение исследует различные подходы обеих моделей, анализируя их архитектуры, потенциал для развертывания и показатели производительности, чтобы помочь инженерам по машинному обучению выбрать подходящий инструмент для их специфических приложений компьютерного зрения.

Link to this sectionПроисхождение и метаданные моделей#

Прежде чем погрузиться в глубокий технический анализ, важно понять происхождение этих двух моделей компьютерного зрения.

Link to this sectionDAMO-YOLO#

Разработанная исследователями Alibaba Group, модель DAMO-YOLO была представлена для оптимизации как скорости, так и точности с помощью автоматизированного поиска архитектуры и дистилляции.

• Авторы: Сяньчжэ Сюй (Xianzhe Xu), Ици Цзян (Yiqi Jiang), Вэйхуа Чэнь (Weihua Chen), Илунь Хуан (Yilun Huang), Юань Чжан (Yuan Zhang) и Сююй Сунь (Xiuyu Sun)
• Организация: Alibaba Group
• Дата: 23 ноября 2022 г.
• Arxiv: 2211.15444v2
• GitHub: tinyvision/DAMO-YOLO

Узнай больше о DAMO-YOLO

Link to this sectionYOLOv7#

Выпущенная как передовое решение в середине 2022 года, модель YOLOv7 продвинула инференс в реальном времени дальше, внедрив обучаемые «наборы бесплатных улучшений» (bag-of-freebies) без увеличения затрат на развертывание.

• Авторы: Chien-Yao Wang, Alexey Bochkovskiy и Hong-Yuan Mark Liao
• Организация: Институт информационных наук, Academia Sinica, Тайвань
• Дата: 6 июля 2022 г.
• Arxiv: 2207.02696
• Документация: Документация YOLOv7

Узнай больше о YOLOv7

Link to this sectionАрхитектурные инновации#

Link to this sectionDAMO-YOLO: NAS и дистилляция#

DAMO-YOLO включает несколько передовых методов, направленных на максимальную эффективность:

• Бэкбоны NAS: Использование поиска нейронных архитектур (NAS) для автоматического проектирования оптимальных бэкбонов (MAE-NAS), адаптированных для сред, критичных к задержкам.
• Эффективная RepGFPN: Модифицированная обобщенная пирамида признаков, которая значительно повышает эффективность слияния признаков в различных масштабах.
• ZeroHead и AlignedOTA: Включает легкую голову детектирования и оптимизированную стратегию назначения меток (AlignedOTA) для снижения вычислительных накладных расходов.
• Улучшение дистилляции: Активно использует дистилляцию знаний во время обучения, чтобы повысить производительность меньших вариантов модели без увеличения количества их параметров.

Link to this sectionYOLOv7: E-ELAN и Bag-of-Freebies#

YOLOv7 применила более структурный инженерный подход, сосредоточившись на оптимизации путей градиента и надежных стратегиях обучения.

• Архитектура E-ELAN: Extended Efficient Layer Aggregation Network позволяет модели изучать более разнообразные признаки путем контроля кратчайших и длиннейших путей градиента, обеспечивая эффективную сходимость обучения.
• Масштабирование модели: Вводит метод составного масштабирования, адаптированный для моделей на основе конкатенации, масштабируя глубину и ширину одновременно для структурного соответствия.
• Обучаемые Bag-of-Freebies: Использует такие методы, как перепараметризованные свертки (RepConv) без identity-соединений и стратегии динамического назначения меток, которые повышают точность во время обучения, не влияя на скорость инференса.

Link to this sectionАнализ производительности#

При оценке средней точности (mAP), скорости и эффективности обе модели демонстрируют впечатляющие показатели, хотя они ориентированы на немного разные сегменты. YOLOv7 сильно сфокусирована на высокоточной работе на GPU, в то время как структуры DAMO-YOLO, полученные с помощью NAS, нацелены на агрессивное снижение задержек при работе на CPU и edge-устройствах.

Как видно из метрик, в то время как DAMO-YOLO предоставляет чрезвычайно легкие варианты (например, tiny-модель всего с 8,5 млн параметров), YOLOv7 достигает более высокого пика общей точности, где YOLOv7x достигает впечатляющих 53,1 mAP на датасете COCO.

Link to this sectionПреимущество экосистемы Ultralytics#

Хотя теоретическая архитектура важна, практичность модели определяется ее экосистемой. Модели, поддерживаемые Ultralytics, такие как YOLOv7, выигрывают от хорошо поддерживаемой экосистемы и непревзойденной простоты использования.

• Баланс производительности: Модели Ultralytics стабильно обеспечивают оптимальный компромисс между скоростью инференса и точностью обнаружения, что делает их идеальными как для edge-устройств, так и для облачного развертывания моделей.
• Требования к памяти: В отличие от более тяжелых моделей на базе Transformer, модели Ultralytics YOLO поддерживают низкие требования к памяти CUDA во время обучения. Это позволяет использовать большие размеры батчей, упрощая процесс обучения даже на оборудовании потребительского уровня.
• Универсальность: Фреймворк Ultralytics выходит за рамки обнаружения объектов и включает такие задачи, как сегментация экземпляров и оценка позы, предоставляя разработчикам полный инструментарий компьютерного зрения.

Link to this sectionПример кода: Обучение YOLOv7 с помощью Ultralytics#

Интеграция YOLOv7 в твой конвейер компьютерного зрения невероятно проста при использовании Python API от Ultralytics.

from ultralytics import YOLO

# Load a pre-trained YOLOv7 model
model = YOLO("yolov7.pt")

# Train the model on your custom dataset
results = model.train(data="coco8.yaml", epochs=50, imgsz=640)

# Run inference and validate results
metrics = model.val()
predictions = model.predict("https://ultralytics.com/images/bus.jpg", save=True)

Link to this sectionНовый стандарт: Представляем YOLO26#

Хотя YOLOv7 и DAMO-YOLO стали значительными прорывами в 2022 году, область AI для зрения развивается быстро. Для команд, начинающих новые проекты сегодня, рекомендуется использовать передовую модель Ultralytics YOLO26, выпущенную в январе 2026 года.

YOLO26 обеспечивает качественный скачок в производительности и удобстве использования, внедряя современные инновации:

• Дизайн End-to-End без NMS: YOLO26 является нативно end-to-end моделью. Устраняя постпроцессинг Non-Maximum Suppression (NMS), она обеспечивает более быструю и простую логику развертывания — парадигмальный сдвиг, впервые представленный YOLOv10.
• Оптимизатор MuSGD: Вдохновленный инновациями в больших языковых моделях, такими как Kimi K2 от Moonshot AI, YOLO26 использует гибрид SGD и Muon. Этот оптимизатор обеспечивает высокую стабильность динамики обучения и значительно более быструю скорость сходимости.
• До 43% быстрее инференс на CPU: Благодаря целенаправленному удалению Distribution Focal Loss (DFL) и глубоким структурным улучшениям, YOLO26 сильно оптимизирована для маломощных edge-вычислений, превосходя предыдущие поколения на оборудовании без GPU.
• ProgLoss + STAL: Включает передовые новые функции потерь, которые явно нацелены на улучшение распознавания мелких объектов — важная возможность для приложений в аэрофотосъемке, робототехнике и мониторинге безопасности.
• Улучшения для конкретных задач: Помимо стандартного обнаружения, YOLO26 предлагает специализированные улучшения для различных задач, включая многомасштабное прототипирование для сегментации, RLE для оценки позы и специфические угловые потери для ориентированных ограничивающих рамок (OBB).

Узнай больше о YOLO26

Link to this sectionИдеальные сценарии использования#

Выбор правильной архитектуры полностью зависит от твоей целевой среды развертывания и ограничений проекта.

Когда выбирать DAMO-YOLO:

• Ты работаешь в сильно ограниченных ресурсами edge-средах, где количество параметров должно быть крайне низким (например, микроконтроллеры).
• Ты используешь автоматизированные конвейеры машинного обучения, специально интегрированные с проприетарными облачными сервисами Alibaba.

Когда выбирать YOLOv7:

• У тебя есть старые конвейеры на базе GPU, уже оптимизированные для инференса с привязкой к якорям (anchor-based) и высокой точностью.
• Ты работаешь в средах, где точность в реальном времени имеет первостепенное значение, например, в высокоскоростных автономных транспортных средствах или передовой робототехнике.

Когда выбирать YOLO26 (Рекомендуется):

• Ты создаешь новое приложение компьютерного зрения с нуля и нуждаешься в абсолютном современном уровне точности и скорости инференса на CPU/edge-устройствах.
• Тебе требуется быстрое и бесшовное развертывание (например, экспорт в CoreML или TensorRT) без необходимости справляться с ограничениями оператора NMS.
• Ты хочешь использовать все возможности платформы Ultralytics для обучения в облаке, управления наборами данных и автоматизированного развертывания.

Используя надежную экосистему моделей Ultralytics, ты сможешь значительно сократить время разработки, обеспечивая при этом высочайшую производительность предсказаний для своих реальных приложений.