DAMO-YOLO и YOLOX#

Сфера компьютерного зрения реального времени постоянно развивается. Важными этапами этого развития стали DAMO-YOLO и YOLOX: каждая модель предлагает уникальные решения для высокоскоростной и точной детекции объектов. Обе модели внесли значительный вклад в сообщество открытого исходного кода, однако инженерам машинного обучения важно понимать различия их архитектур, методик обучения и оптимальных сценариев развёртывания.

В этом подробном руководстве рассматриваются технические особенности обеих моделей и объясняется, почему современные альтернативы, например платформа 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 высокоэффективный метод детекции объектов, использующий автоматизированный поиск 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

Узнай больше о DAMO-YOLO

Подробно о YOLOX#

YOLOX, созданная исследователями Megvii, должна была сблизить исследовательское и промышленное сообщества. Для этого серия YOLO перешла на архитектуру без якорей, что значительно упростило модель и обеспечило 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

Узнай больше о YOLOX

Анализ архитектур#

Архитектура DAMO-YOLO#

DAMO-YOLO активно использует поиск нейросетевой архитектуры (NAS). К основным компонентам относятся:

• Магистральные сети MAE-NAS: Для поиска магистральных сетей, оптимально сочетающих скорость инференса и точность, используется поиск с направлением по максимальной энтропии.
• 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: Продвинутая стратегия назначения меток, динамически распределяющая положительные примеры по эталонным объектам и повышающая эффективность обучения.

Сравнение производительности#

Для оценки этих моделей нужно учитывать среднюю точность (mAP), скорость инференса и число параметров. Ниже приведена подробная таблица сравнения стандартных и облегчённых вариантов обеих архитектур.

Хотя YOLOXx достигает наивысшей абсолютной mAP — 51,1, DAMO-YOLOl показывает весьма конкурентный результат в 50,8 mAP при менее чем половине числа параметров (42,1M против 99,1M) и значительно более высокой скорости выполнения в TensorRT.

Методики обучения#

Обучение DAMO-YOLO#

Во время обучения DAMO-YOLO использует сложную дистилляцию. Часто сначала обучают крупную модель-«учителя», а затем переносят её знания в модели-«ученики» меньшего размера. Также применяется AlignedOTA для динамического назначения меток. Этот многоэтапный процесс весьма эффективен, но значительно увеличивает необходимое время вычислений на GPU и расход памяти.

Обучение YOLOX#

YOLOX использует мощные методы аугментации данных, такие как MixUp и Mosaic. Однако авторы обнаружили, что отключение этих интенсивных аугментаций на последних 15 эпохах помогает модели сократить разрыв между обучающими данными и реальностью, значительно повышая итоговые показатели точности.

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: Отличный выбор для разработчиков, которым нужен подход без якорей в чистом виде. Благодаря крайне лёгкому YOLOXnano модель подходит для устаревших устройств Android, периферийных вычислений и сильно ограниченных датчиков IoT, где число параметров становится главным ограничением.

Преимущества Ultralytics: знакомство с YOLO26#

Хотя DAMO-YOLO и YOLOX стали важными достижениями, современным разработчикам нужны более комплексные, универсальные и простые в использовании решения. Именно здесь особенно заметны преимущества платформы Ultralytics и недавно выпущенной Ultralytics YOLO26.

Выпущенная в январе 2026 года, YOLO26 — рекомендуемая модель для любых задач компьютерного зрения. В ней реализован ряд прорывных решений, превосходящих более старые архитектуры:

• Сквозная архитектура без NMS: Опциональная голова один-к-одному YOLO26 (nms=False) пропускает постобработку с подавлением немаксимумов (NMS). Это значительно упрощает и ускоряет развёртывание, устраняя задержки, характерные для традиционных голов детекции.
• До 43% быстрее инференс на CPU: Благодаря целенаправленному удалению Distribution Focal Loss (DFL) и оптимизации слоёв YOLO26 обеспечивает непревзойдённую скорость на CPU и периферийном оборудовании.
• Оптимизатор MuSGD: Вдохновлённая методами обучения больших языковых моделей (LLM), YOLO26 представляет оптимизатор MuSGD — гибрид SGD и Muon. Он обеспечивает исключительно стабильное обучение и значительно ускоряет сходимость по сравнению с устаревшими конфигурациями YOLOX.
• ProgLoss + STAL: Эти продвинутые функции потерь заметно улучшают распознавание мелких объектов, делая YOLO26 намного эффективнее для анализа видео с дронов и робототехники.
• Универсальность: В отличие от DAMO-YOLO, предназначенной только для детекции объектов, YOLO26 без проблем выполняет сегментацию экземпляров, оценку позы, классификацию и детекцию ориентированных ограничивающих рамок (OBB) в рамках одной хорошо поддерживаемой экосистемы.

Простота использования с Ultralytics#

API Ultralytics для Python упрощает работу разработчиков. Для обучения современной модели YOLO26 требуется намного меньше шаблонного кода, а сложные конвейеры дистилляции DAMO-YOLO не нужны. Кроме того, при обучении моделям Ultralytics требуется исключительно мало памяти CUDA по сравнению с ресурсоёмкими моделями на основе трансформеров.

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 без проблем
model.export(format="onnx")

Заключение#

Выбор между DAMO-YOLO и YOLOX зависит от конкретных ограничений: благодаря NAS DAMO-YOLO обеспечивает исключительное соотношение скорости и точности на отдельных GPU, а YOLOX предлагает простую архитектуру без якорей, подходящую для компактных периферийных сценариев.

Однако командам, которым нужно современное, перспективное решение с активным сообществом, однозначно стоит выбрать архитектуру Ultralytics YOLO26. Опциональный инференс без NMS, быстрый инференс на CPU и унифицированный API для детекции, сегментации и оценки позы делают модель непревзойдённым решением для плавного перехода от исследований к надёжным промышленным системам.

Разработчикам, которые хотят изучить другие современные архитектуры, также рекомендуем Ultralytics YOLO11 и модели на основе трансформеров, например RT-DETR, представленные в подробной документации Ultralytics.