Начать

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

Узнай больше о 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.

Узнай больше о YOLOv7

Поддержка Ultralytics

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.

Модельразмер
(пиксели)
mAPval50-95Скорость
CPU ONNX
(мс)
Скорость
T4 TensorRT10
(мс)
параметры
(M)
FLOPs
(B)
DAMO-YOLOt64042.0-2.328.518.1
DAMO-YOLOs64046.0-3.4516.337.8
DAMO-YOLOm64049.2-5.0928.261.8
DAMO-YOLOl64050.8-7.1842.197.3
YOLOv7l64051.4-6.8436.9104.7
YOLOv7x64053.1-11.5771.3189.9

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.
Эффективность обучения

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:

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.

Участники

Комментарии

Задай вопрос, поделись результатами или помоги кому-нибудь.