EfficientDet vs. DAMO-YOLO: техническое сравнение

В быстро развивающейся области компьютерного зрения выбор правильной архитектуры для обнаружения объектов имеет решающее значение для успеха приложения. Две известные архитектуры, сформировавшие эту область, — это EfficientDet, разработанная Google Research, и DAMO-YOLO, разработанная DAMO Academy компании Alibaba. Хотя обе они направлены на максимизацию производительности, они существенно расходятся в своих философиях проектирования: одна фокусируется на эффективности параметров и масштабируемости, а другая — на логическом выводе с низкой задержкой на промышленном оборудовании.

В этом руководстве представлен углубленный технический анализ этих двух моделей, сравнивающий их архитектуры, показатели производительности и идеальные варианты использования, чтобы помочь разработчикам принимать обоснованные решения.

Анализ производительности: Эффективность vs. Задержка

Следующие эталонные тесты иллюстрируют различные компромиссы между EfficientDet и DAMO-YOLO. EfficientDet известен своим низким количеством параметров и FLOP, что делает его теоретически эффективным, тогда как DAMO-YOLO оптимизирован для скорости вывода в реальном мире на GPU.

Основные выводы из бенчмарков

Из приведенных выше данных вытекает несколько важных различий:

• Превосходство по задержке GPU: DAMO-YOLO демонстрирует значительно более высокую скорость inference на оборудовании GPU. Например, DAMO-YOLOm достигает mAP 49.2 с задержкой всего 5.09 мс на GPU T4. В отличие от этого, сопоставимый EfficientDet-d4 (49.7 mAP) требует 33.55 мс—почти в 6 раз медленнее.
• Эффективность параметров: EfficientDet превосходит другие модели в метриках сжатия моделей. Модель EfficientDet-d0 использует всего 3.9M параметров и 2.54B FLOPs, предлагая легковесное решение, идеально подходящее для устройств с ограниченным объемом памяти.
• Производительность CPU: EfficientDet предоставляет установленные бенчмарки для производительности CPU, что делает его предсказуемым выбором для неускоренных периферийных устройств. Однако его сложные слои слияния признаков часто приводят к более низкой реальной пропускной способности по сравнению с более простыми архитектурами.

EfficientDet: Масштабируемый и эффективный

EfficientDet произвел революцию в detectировании объектов, представив принципиальный способ масштабирования размеров модели. Построенный на основе EfficientNet, он направлен на достижение высокой точности при минимизации теоретической вычислительной стоимости (FLOPs).

Подробности EfficientDet:

• Авторы: Мингксинг Тан, Руоминг Панг и Куок В. Ле
• Организация:Google
• Дата: 20.11.2019
• Arxiv:https://arxiv.org/abs/1911.09070
• GitHub:https://github.com/google/automl/tree/master/efficientdet

Архитектурные особенности

Основное новшество EfficientDet заключается в двух основных компонентах:

1. BiFPN (Bidirectional Feature Pyramid Network): В отличие от традиционных FPN, которые суммируют признаки из разных масштабов, BiFPN вводит обучаемые веса для различных входных признаков и позволяет информации перемещаться как сверху вниз, так и снизу вверх многократно. Это улучшает объединение признаков, но увеличивает вычислительную сложность.
2. Compound Scaling: EfficientDet предлагает составной коэффициент, который совместно масштабирует backbone, BiFPN, сеть class/box и входное разрешение. Это гарантирует, что все части сети растут сбалансированно, а не масштабируется только одно измерение (например, глубина или ширина) произвольно.

Сильные и слабые стороны

Основная сила EfficientDet заключается в ее теоретической эффективности. Она достигает современной точности с гораздо меньшим количеством параметров, чем предыдущие детекторы, такие как YOLOv3 или RetinaNet. Однако ее интенсивное использование depthwise separable convolutions и сложные шаблоны доступа к памяти BiFPN могут привести к снижению использования на современных GPU, что приведет к более высокой задержке, несмотря на меньшее количество FLOPs.

DAMO-YOLO: Инновации, ориентированные на скорость

DAMO-YOLO был разработан с конкретной целью: преодолеть разрыв между высокой производительностью и низкой задержкой на промышленном оборудовании. Он включает в себя передовые технологии поиска нейронной архитектуры (NAS) для нахождения оптимальной структуры для задач обнаружения.

Подробности DAMO-YOLO:

• Авторы: Сяньчжэ Сюй, Ици Цзян, Вэйхуа Чэнь, Илунь Хуан, Юань Чжан и Сююй Сунь
• Организация:Alibaba Group
• Дата: 23.11.2022
• Arxiv:https://arxiv.org/abs/2211.15444v2
• GitHub:https://github.com/tinyvision/DAMO-YOLO

Архитектурные особенности

DAMO-YOLO представляет несколько компонентов "новых технологий" в семействе YOLO:

1. Бэкбон MAE-NAS: Он использует поиск нейронной архитектуры (NAS), управляемый максимальной энтропией, для обнаружения эффективных бэкбонов, которые эффективно обрабатывают различные входные разрешения.
2. RepGFPN: Это улучшение по сравнению со стандартным Generalized FPN, включающее репараметризацию для оптимизации блока слияния, максимизируя использование оборудования.
3. ZeroHead & AlignedOTA: Дизайн "ZeroHead" значительно снижает сложность detection head, в то время как AlignedOTA (Optimal Transport Assignment) обеспечивает надежную стратегию назначения меток во время обучения для решения проблемы несоответствия между классификацией и регрессией.

Сильные и слабые стороны

DAMO-YOLO превосходен в чистой скорости. Приоритизируя структуры, дружественные к аппаратному ускорению (например, TensorRT), он достигает замечательной пропускной способности. Однако его зависимость от сложных архитектур, сгенерированных NAS, может затруднить его модификацию или точную настройку для пользовательских исследовательских целей по сравнению с более простыми, созданными вручную архитектурами. Кроме того, ему не хватает широкой поддержки сообщества и простоты использования на разных платформах, которые есть в более распространенных версиях YOLO.

Ultralytics YOLO11: Целостная альтернатива

Несмотря на то, что EfficientDet предлагает эффективность параметров, а DAMO-YOLO — скорость GPU, Ultralytics YOLO11 обеспечивает превосходный баланс того и другого, заключенный в удобную для разработчиков экосистему. Для большинства практических приложений — от edge AI до облачных развертываний — YOLO11 представляет собой оптимальный выбор.

Узнайте больше о YOLO11

Почему стоит выбрать модели Ultralytics?

1. Непревзойденная универсальность: В отличие от EfficientDet и DAMO-YOLO, которые в основном являются детекторами объектов, Ultralytics YOLO11 изначально поддерживает широкий спектр задач компьютерного зрения, включая instance segmentation, оценку позы, detect объектов с ориентированными ограничивающими рамками (obb) и image classification. Это позволяет использовать единый фреймворк для различных проектных требований.
2. Баланс производительности: YOLO11 расширяет границы точности и задержки. Он часто соответствует или превосходит точность более тяжелых моделей, сохраняя при этом скорость инференса, сравнимую со специализированными моделями реального времени.
3. Простота использования и экосистема: API Ultralytics разработан для простоты. Благодаря обширной документации и поддержке сообщества разработчики могут перейти от установки к обучению за считанные минуты. Экосистема включает в себя простую интеграцию для аннотации данных, отслеживания экспериментов и экспорта в один клик в такие форматы, как ONNX, TensorRT, CoreML и TFLite.
4. Эффективность обучения: Модели Ultralytics оптимизированы для быстрой сходимости. Они используют передовые стратегии аугментации данных и эффективные загрузчики данных, сокращая время и затраты, связанные с обучением высокопроизводительных моделей.
5. Эффективность памяти: По сравнению с моделями на основе Transformer или более старыми архитектурами, YOLO11 требует значительно меньше CUDA памяти для обучения, что делает его доступным на GPU потребительского класса.

Пример кода: Начало работы с YOLO11

Реализация современной системы detect с Ultralytics не представляет сложности. Следующий фрагмент кода демонстрирует, как загрузить предварительно обученную модель YOLO11 и запустить inference на изображении:

from ultralytics import YOLO

# Load a pre-trained YOLO11n model
model = YOLO("yolo11n.pt")

# Run inference on a local image or URL
results = model.predict("https://ultralytics.com/images/bus.jpg")

# Display the results
results[0].show()

# Export the model to ONNX format for deployment
path = model.export(format="onnx")

Заключение

В сравнении EfficientDet и DAMO-YOLO выбор во многом зависит от конкретных аппаратных ограничений. EfficientDet остается сильным кандидатом на теоретическую эффективность и в сценариях, где количество параметров является основным узким местом. DAMO-YOLO — явный победитель для высокопроизводительных приложений, работающих на современных GPU, где задержка имеет первостепенное значение.

Однако, если вам нужно решение, сочетающее в себе лучшее из обоих миров — высокую производительность, простоту использования и многозадачность — Ultralytics YOLO11 является отраслевым стандартом. Его надежная экосистема и постоянные улучшения гарантируют, что у разработчиков есть самые надежные инструменты для создания масштабируемых решений в области компьютерного зрения.

Изучите другие сравнения

Чтобы лучше понимать ландшафт моделей обнаружения объектов, изучите эти дополнительные сравнения:

• YOLO11 vs. EfficientDet
• YOLOv8 vs. DAMO-YOLO
• RT-DETR против DAMO-YOLO
• YOLO11 vs. RT-DETR
• YOLOX в сравнении с EfficientDet

Комментарии