DAMO-YOLO и YOLOX
Компьютерное зрение в реальном времени непрерывно развивается. Среди важных этапов этого развития — DAMO-YOLO и YOLOX, каждая из моделей привнесла собственные инновации в быстрое и точное обнаружение объектов. Обе модели внесли значительный вклад в сообщество открытого исходного кода, а инженерам машинного обучения полезно понимать различия их архитектур, методов обучения и оптимальных сценариев развертывания.
В этом руководстве рассматриваются технические особенности обеих моделей и объясняется, почему современные альтернативы, такие как Ultralytics YOLO26, обеспечивают более высокую производительность и удобство использования в современных промышленных средах.
Обзор моделей#
Подробнее о DAMO-YOLO#
DAMO-YOLO, разработанная командой исследователей Alibaba Group, была представлена как эффективный метод обнаружения объектов с автоматизированным поиском архитектуры.
- Авторы: Сяньчжэ Сюй, Ици Цзян, Вэйхуа Чэнь, Илуне Хуан, Юань Чжан и Сюйюй Сунь
- Организация: Alibaba Group
- Дата: 2022-11-23
- arXiv: https://arxiv.org/abs/2211.15444v2
- GitHub: https://github.com/tinyvision/DAMO-YOLO
- Документация: Документация DAMO-YOLO
Подробно о YOLOX#
YOLOX, созданная исследователями Megvii, призвана сблизить исследовательское и промышленное сообщества: для этого серия YOLO перешла на архитектуру без якорей, которая упростила модель и обеспечила более высокую на тот момент производительность.
- Авторы: Чжэн Гэ, Сунтао Лю, Фэн Ван, Цзэмин Ли и Цзянь Сунь
- Организация: Megvii
- Дата: 2021-07-18
- arXiv: https://arxiv.org/abs/2107.08430
- GitHub: https://github.com/Megvii-BaseDetection/YOLOX
- Документация: Документация YOLOX
Анализ архитектур#
Архитектура DAMO-YOLO#
DAMO-YOLO активно использует поиск нейросетевой архитектуры (NAS). К основным компонентам относятся:
- Бэкбоны MAE-NAS: Для поиска бэкбонов, обеспечивающих баланс скорости инференса и точности, используется поиск с максимальной энтропией.
- Эффективная RepGFPN: Массивная шейка для объединения признаков, позволяющая модели сохранять высокую точность при разных масштабах объектов.
- ZeroHead: Упрощённая облегчённая голова детекции, снижающая вычислительные затраты в конечных слоях предсказания.
Архитектура YOLOX#
YOLOX использует другой подход, делая упор на простоту структуры и архитектуру без якорей:
- Механизм без якорей: YOLOX напрямую предсказывает координаты ограничивающих рамок без заранее заданных якорей, что сокращает число параметров проектирования и объём необходимых эвристических настроек.
- Разделённая голова: Задачи классификации и регрессии распределены по разным ветвям признаков, что ускоряет сходимость и повышает общую точность.
- Назначение меток SimOTA: Стратегия назначения меток, которая динамически распределяет положительные примеры между эталонными объектами, повышая эффективность обучения.
DAMO-YOLO использует машинный NAS для поиска эффективных архитектур в условиях жестких ограничений, тогда как YOLOX опирается на упрощения, разработанные вручную (например, головы без якорей), чтобы оптимизировать конвейер обнаружения объектов.
Сравнение производительности#
Для оценки этих моделей нужно учитывать среднюю точность (mAP), скорость инференса и количество параметров. В таблице ниже сравниваются стандартные и облегченные варианты обеих архитектур.
| 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 |
| YOLOXnano | 416 | 25.8 | - | - | 0.91 | 1.08 |
| YOLOXtiny | 416 | 32.8 | - | - | 5.06 | 6.45 |
| YOLOXs | 640 | 40.5 | - | 2.56 | 9.0 | 26.8 |
| YOLOXm | 640 | 46.9 | - | 5.43 | 25.3 | 73.8 |
| YOLOXl | 640 | 49.7 | - | 9.04 | 54.2 | 155.6 |
| YOLOXx | 640 | 51.1 | - | 16.1 | 99.1 | 281.9 |
YOLOXx показывает наивысший абсолютный mAP — 51.1, тогда как DAMO-YOLOl обеспечивает конкурентный результат 50.8 mAP менее чем с половиной количества параметров (42.1M против 99.1M) и значительно более быстрым исполнением в TensorRT.
Методики обучения#
Обучение DAMO-YOLO#
Во время обучения DAMO-YOLO использует сложное улучшение на основе дистилляции знаний. Обычно сначала обучают большую модель-«учителя», а затем передают ее знания более компактным моделям-«ученикам». Также модель применяет AlignedOTA для динамического назначения меток. Этот многоэтапный процесс эффективен, но значительно увеличивает время вычислений на GPU и требуемый объем памяти.
Обучение YOLOX#
YOLOX использует мощные стратегии аугментации данных, такие как MixUp и Mosaic. Однако авторы обнаружили, что отключение этих интенсивных аугментаций на последних 15 эпохах позволяет модели адаптироваться к естественному распределению изображений и значительно повысить итоговую точность.
Оптимальные сценарии применения#
- DAMO-YOLO: Лучше всего подходит для ответственных промышленных развёртываний, где можно использовать серверные конвейеры дистилляции, а целевое оборудование, например отдельные GPU NVIDIA, получает прямую выгоду от архитектуры NAS с массивной шейкой.
- YOLOX: Хороший выбор для разработчиков, которым нужен подход, полностью основанный на архитектуре без якорей. Облегченная
YOLOXnanoподходит для старых устройств Android, периферийных вычислений и сильно ограниченных датчиков IoT, где количество параметров является главным узким местом.
Преимущества Ultralytics: знакомство с YOLO26#
DAMO-YOLO и YOLOX стали важными этапами развития, но сегодня разработчикам нужны более комплексные, универсальные и простые в использовании решения. Здесь выделяются платформа Ultralytics и недавно выпущенная Ultralytics YOLO26.
Выпущенная в январе 2026 года YOLO26 — рекомендуемая модель Ultralytics для всех поддерживаемых задач компьютерного зрения. Она предлагает ряд улучшений по сравнению с более старыми архитектурами:
- Сквозная архитектура без NMS: Опциональная голова один-к-одному YOLO26 (
nms=False) пропускает этап постобработки с подавлением немаксимумов (NMS). Благодаря этому развертывание становится значительно проще и быстрее, устраняя узкие места по задержке, присущие традиционным головам обнаружения. - Инференс на CPU до 43% быстрее: Удалив Distribution Focal Loss (DFL) и оптимизировав слои, YOLO26 обеспечивает быстрый инференс на CPU и периферийном оборудовании; YOLO26n работает на CPU до 43% быстрее, чем YOLO11n.
- Оптимизатор MuSGD: Вдохновленная методами обучения больших языковых моделей (LLM), YOLO26 использует оптимизатор MuSGD (гибрид SGD и Muon), что обеспечивает стабильное обучение и более быструю сходимость по сравнению с прежней схемой обучения YOLOX.
- ProgLoss + STAL: Прогрессивная функция потерь и назначение меток с учетом мелких объектов заметно улучшают их распознавание, поэтому YOLO26 лучше подходит для обработки видео с дронов и робототехники.
- Универсальность: В отличие от DAMO-YOLO, предназначенной исключительно для обнаружения объектов, YOLO26 изначально поддерживает сегментацию экземпляров, классификацию, оценку позы и повернутые ограничивающие рамки (OBB) в рамках одной хорошо поддерживаемой экосистемы.
Простота использования с Ultralytics#
Python API Ultralytics упрощает работу разработчика. Для обучения модели YOLO26 требуется гораздо меньше шаблонного кода, а сложные конвейеры дистилляции DAMO-YOLO не нужны. Кроме того, во время обучения модели Ultralytics требуют меньше памяти CUDA, чем тяжелые модели на основе Transformer.
from ultralytics import YOLO
# Загрузи новейшую нано-модель Ultralytics YOLO26
model = YOLO("yolo26n.pt")
# Обучи модель на своём наборе данных одной строкой кода
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Выполни быстрый инференс изображения без NMS
results = model("https://ultralytics.com/images/bus.jpg", nms=False)
# Экспортируй в ONNX или TensorRT
model.export(format="onnx")С помощью платформы Ultralytics ты можешь автоматически размечать данные, обучать модели и развертывать их на периферийных устройствах; платформа берет на себя управление версиями данных и предоставление облачных GPU.
Заключение#
Выбор между DAMO-YOLO и YOLOX зависит от конкретных ограничений: DAMO-YOLO благодаря NAS обеспечивает высокое соотношение скорости и точности на определенных GPU, а YOLOX предлагает лаконичную архитектуру без якорей, подходящую для легковесных периферийных сценариев.
Однако командам, которым нужно современное, активно поддерживаемое решение с активным сообществом, рекомендуется архитектура Ultralytics YOLO26. Опциональный инференс без NMS, высокая скорость инференса на CPU и унифицированный API для задач обнаружения, сегментации и оценки позы делают эту модель подходящей для перехода от исследований к реальной промышленной эксплуатации.
Если ты хочешь изучить другие современные архитектуры, обрати внимание на Ultralytics YOLO11 или модели на основе Transformer, например RT-DETR, описанные в подробной документации Ultralytics.
Комментарии
Задай вопрос, поделись результатами или помоги кому-нибудь.