DAMO-YOLO и YOLOv9
Обнаружение объектов в реальном времени продолжает быстро развиваться. Инженерные команды и исследователи ищут оптимальный баланс точности, скорости инференса и вычислительной эффективности. В исследовательском сообществе выделяются две архитектуры: DAMO-YOLO и YOLOv9. Обе модели предлагают значительные архитектурные новшества в компьютерном зрении.
В этом техническом руководстве анализируются обе модели и сравниваются их архитектурные подходы, методы обучения и возможности практического развертывания. Также объясняется роль широкой программной экосистемы в современной разработке ИИ и рассматриваются преимущества интегрированных платформ, таких как Ultralytics Platform, и моделей нового поколения, таких как YOLO26.
Краткий обзор: как выбрать подходящую архитектуру#
Хотя обе модели стали важными вехами в исследованиях глубокого обучения, они рассчитаны на несколько различающиеся подходы к развертыванию.
DAMO-YOLO лучше всего подходит для задач, где поиск нейронной архитектуры (NAS) позволяет настроить конкретные характеристики производительности, поэтому модель представляет интерес для исследований и специализированного развертывания на периферии. YOLOv9, напротив, решает проблему информационных узких мест в глубоких сетях и эффективно использует параметры.
Однако для промышленного развертывания рекомендуется единая экосистема Ultralytics. Для новых проектов новейшая модель YOLO26 сочетает высокую точность с опциональной сквозной архитектурой, устраняющей необходимость в сложной постобработке.
DAMO-YOLO и YOLOv9 — мощные академические модели, однако их развертывание в производственной среде часто требует значительных усилий по разработке. Ultralytics YOLO26 обеспечивает высокую производительность и предлагает упрощенный API, удобный в сопровождении.
Технические характеристики и авторы#
История появления этих моделей и цели их разработки помогают понять их сильные стороны.
DAMO-YOLO#
DAMO-YOLO, созданная исследователями Alibaba Group, ориентирована на автоматизированную генерацию архитектуры и эффективное слияние признаков.
- Авторы: Сяньчжэ Сюй, Ици Цзян, Вэйхуа Чэнь, Илуне Хуан, Юань Чжан и Сюйюй Сунь
- Организация: Alibaba Group
- Дата выпуска: 23 ноября 2022 года
- Статья на arXiv: Исследовательская статья DAMO-YOLO
- Официальный GitHub: Репозиторий tinyvision/DAMO-YOLO
- Документация: README DAMO-YOLO
YOLOv9#
YOLOv9 была представлена как решение проблемы потери информации в глубоких сверточных сетях и сосредоточена на сохранении градиентной информации при обучении.
- Авторы: Chien-Yao Wang и Hong-Yuan Mark Liao
- Организация: Институт информатики, Академия Синика, Тайвань
- Дата выпуска: 21 февраля 2024 года
- Статья на arXiv: Исследовательская статья YOLOv9
- Официальный GitHub: Репозиторий WongKinYiu/yolov9
- Документация: Документация Ultralytics по YOLOv9
Архитектурные инновации#
DAMO-YOLO: на основе поиска нейронной архитектуры#
DAMO-YOLO отличается настраиваемыми компонентами, сгенерированными машиной. Ее бэкбон создан с помощью поиска нейронной архитектуры (NAS) и рассчитан на инференс с низкой задержкой на разном оборудовании.
В архитектуре используется эффективная RepGFPN (обобщенная пирамидальная сеть признаков с перепараметризацией) для слияния признаков. Она улучшает обнаружение объектов на разных масштабах без чрезмерного увеличения вычислительной нагрузки. Также в модели используется архитектура ZeroHead, упрощающая голову обнаружения, а для назначения меток применяется AlignedOTA. При обучении модель дополнительно улучшается с помощью дистилляции знаний. Эти методы обеспечивают быстрый инференс, но многоэтапная дистилляция часто требует значительного объема VRAM и длительного обучения.
YOLOv9: решение проблемы информационного узкого места#
YOLOv9 решает фундаментальную проблему глубоких сетей: постепенную потерю информации о входных данных при их прохождении через последовательные слои.
Для решения этой проблемы авторы представили программируемую градиентную информацию (PGI) — вспомогательный механизм супервизии, который сохраняет важные детали для глубоких слоев и формирует надежные градиенты для обновления весов. Вместе с PGI используется архитектура GELAN (обобщенная эффективная сеть агрегации слоев). GELAN эффективно использует параметры, сочетая преимущества CSPNet и ELAN, и максимизирует информационный поток, строго ограничивая количество операций с плавающей запятой (FLOPs).
Анализ производительности и метрики#
При оценке производительности обе модели демонстрируют высокий показатель средней точности (mAP) на стандартных бенчмарках, таких как COCO. YOLOv9 обеспечивает более высокую точность при сопоставимом количестве параметров и наивысшую абсолютную точность в целом, используя архитектуру PGI для сохранения высокой точности на сложных наборах данных.
| 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 |
| YOLOv9t | 640 | 38.3 | - | 2.3 | 2.0 | 7.7 |
| YOLOv9s | 640 | 46.8 | - | 3.54 | 7.2 | 26.7 |
| YOLOv9m | 640 | 51.4 | - | 6.43 | 20.1 | 76.8 |
| YOLOv9c | 640 | 53.0 | - | 7.16 | 25.5 | 102.8 |
| YOLOv9e | 640 | 55.6 | - | 16.77 | 58.1 | 192.5 |
Как показано выше, YOLOv9-E обеспечивает максимальную точность, а компактные варианты DAMO-YOLO и YOLOv9 сохраняют конкурентную скорость инференса благодаря оптимизациям TensorRT.
Методики обучения и экосистема#
Хотя архитектура модели важна, в реальных приложениях наибольшее значение имеют удобство использования и эффективность обучения в экосистеме модели.
Из-за зависимости DAMO-YOLO от дистилляции знаний часто приходится сначала обучать громоздкую модель-«учителя», а затем передавать знания целевой модели-«ученику». Такой традиционный исследовательский подход значительно увеличивает требования к памяти и длительность циклов обучения. Аналогично, в исходном репозитории YOLOv9 приходится разбираться в сложных файлах конфигурации, что может замедлить гибкую разработку.
Платформа Ultralytics, напротив, упрощает работу разработчика. Пакет Ultralytics для Python избавляет от шаблонного кода, позволяя командам с минимальными усилиями выполнять аугментацию данных, настройку гиперпараметров и экспорт моделей.
Примеры применения в реальных условиях#
Разные архитектуры подходят для разных отраслей с учетом их требований к ресурсам и характеристик точности.
- DAMO-YOLO в периферийном ИИ: благодаря бэкбонам, оптимизированным с помощью NAS, DAMO-YOLO часто изучают для встраиваемых систем, где нужна перепараметризация под конкретное оборудование, например для выделенных ускорителей при контроле качества на производстве.
- YOLOv9 для высокоточной аналитики: благодаря эффективному использованию параметров и сохранению градиентов с помощью PGI YOLOv9 хорошо подходит для обнаружения множества объектов, например для анализа аэрофотоснимков или отслеживания мелких объектов в переполненных торговых залах.
Сценарии использования и рекомендации#
Выбор между DAMO-YOLO и YOLOv9 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 выбирать YOLOv9#
YOLOv9 рекомендуется для таких задач:
- Исследование информационного узкого места: Академические проекты, изучающие архитектуры программируемой информации о градиентах (PGI) и обобщённой эффективной сети агрегации слоёв (GELAN).
- Исследования оптимизации потока градиентов: Работы, посвящённые изучению и устранению потери информации в глубоких слоях сети во время обучения.
- Сравнительное тестирование точного детектирования: Сценарии, в которых высокая результативность YOLOv9 на тестах COCO нужна в качестве ориентира для сравнения архитектур.
Когда выбирать Ultralytics (YOLO26)#
Для большинства новых проектов Ultralytics YOLO26 предлагает лучшее сочетание производительности и удобства для разработчиков:
- 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 ускорителя GPU, на которых YOLO26n получает явное преимущество благодаря инференсу на CPU до 43% быстрее, чем у YOLO11n.
- Обнаружение небольших объектов: Сложные сценарии, например съёмка с дронов или анализ данных IoT-датчиков, где ProgLoss и STAL заметно повышают точность обнаружения крошечных объектов.
Преимущество Ultralytics: переход на YOLO26#
Тем, кто сравнивает устаревшие архитектуры, переход на современную экосистему Ultralytics, в частности на новейшие модели YOLO26, дает очевидные преимущества.
YOLO26 упрощает развертывание благодаря сквозной архитектуре без NMS. Опциональная голова one-to-one (nms=False) устраняет этап постобработки с подавлением немаксимумов (NMS), упрощая архитектуру развертывания и ускоряя его. Удаление Distribution Focal Loss (DFL) также улучшает совместимость YOLO26 с периферийными устройствами и устройствами с низким энергопотреблением.
В YOLO26 также используется оптимизатор MuSGD — гибрид стохастического градиентного спуска и Muon, вдохновленный обучением LLM. Он обеспечивает стабильную сходимость при обучении и снижает потребление памяти по сравнению с альтернативами, в которых активно используются Transformer.
С помощью API Ultralytics ты можешь обучить модель YOLO26 со встроенным отслеживанием экспериментов всего за несколько строк Python-кода.
from ultralytics import YOLO
# Загрузи новейшую модель YOLO26
model = YOLO("yolo26n.pt")
# Эффективно обучи модель на собственном наборе данных
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Экспортируй обученную модель в формат ONNX
model.export(format="onnx")Нужна ли тебе продвинутая сегментация экземпляров, высокоточная оценка позы или стандартное обнаружение объектов с ограничивающими рамками, универсальность фреймворка Ultralytics поможет команде тратить меньше времени на настройку сред глубокого обучения и больше — на развертывание надежных ИИ-решений. Благодаря улучшениям обучения, таким как ProgLoss + STAL, повышающим качество распознавания небольших объектов, YOLO26 рекомендуется для новых приложений компьютерного зрения.
Комментарии
Задай вопрос, поделись результатами или помоги кому-нибудь.