YOLOv10 против DAMO-YOLO#
При создании современных конвейеров computer vision выбор правильной архитектуры обнаружения объектов в реальном времени имеет решающее значение. В этом подробном техническом анализе мы исследуем архитектуры, показатели производительности и идеальные сценарии использования для YOLOv10 и DAMO-YOLO. Обе модели представляют собой значительный шаг вперед в возможностях обнаружения объектов, но они используют разные архитектурные пути для достижения своих целей.
Независимо от того, требует ли твой проект развертывания на ограниченном оборудовании edge AI или максимальной точности на облачных GPU, понимание нюансов этих архитектур поможет тебе принять взвешенное решение.
Знакомство с YOLOv10#
Представленная исследователями из Университета Цинхуа, YOLOv10 произвела революцию в семействе YOLO, внедрив изначально сквозной подход, который эффективно исключает необходимость в подавлении не максимальных значений (NMS) во время постобработки.
Детали YOLOv10:
- Авторы: Ао Ван, Хуэй Чен, Лихао Лю и др.
- Организация: Университет Цинхуа
- Дата: 2024-05-23
- Arxiv: https://arxiv.org/abs/2405.14458
- GitHub: https://github.com/THU-MIG/yolov10
- Документация: https://docs.ultralytics.com/models/yolov10/
Ключевые архитектурные особенности#
Главной инновацией YOLOv10 является стратегия Consistent Dual Assignments для обучения без NMS. Традиционные детекторы объектов сильно зависят от NMS для фильтрации перекрывающихся ограничивающих прямоугольников, что вносит непредсказуемую задержку — значительное узкое место для приложений реального времени, таких как autonomous vehicles и высокоскоростная робототехника. Прогнозируя один оптимальный ограничивающий прямоугольник на объект напрямую, YOLOv10 обеспечивает предсказуемую сверхнизкую задержку выводов.
Кроме того, модель использует дизайн Holistic Efficiency-Accuracy Driven Design. Архитектура оптимизирует различные компоненты, включая легковесную классификационную голову и пространственно-канальное разделенное понижение дискретизации, что значительно снижает вычислительную избыточность. Это приводит к созданию архитектуры с меньшим количеством параметров и меньшим числом FLOP при сохранении конкурентоспособной mean Average Precision (mAP).
Пример использования#
YOLOv10 глубоко интегрирована в экосистему Ultralytics, что делает ее невероятно простой в использовании с помощью Ultralytics Python package.
from ultralytics import YOLO
# Load a pre-trained YOLOv10 nano model
model = YOLO("yolov10n.pt")
# Train the model on the COCO8 dataset
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Run inference on a test image
results = model("https://ultralytics.com/images/bus.jpg")
# Export the model to TensorRT format
model.export(format="engine", quantize=16)Знакомство с DAMO-YOLO#
Разработанная Alibaba Group, DAMO-YOLO фокусируется на поиске высокоэффективных сетевых структур с помощью автоматизированного нейроархитектурного поиска (NAS), стремясь раздвинуть границы Парето скорости и точности.
Подробности DAMO-YOLO:
- Авторы: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang и Xiuyu Sun
- Организация: Alibaba Group
- Дата: 2022-11-23
- Arxiv: https://arxiv.org/abs/2211.15444v2
- GitHub: https://github.com/tinyvision/DAMO-YOLO
Ключевые архитектурные особенности#
DAMO-YOLO представляет несколько новых технологий, адаптированных для промышленных приложений. Основой модели является её MAE-NAS Backbone, созданный с помощью многоцелевого эволюционного поиска. Этот автоматизированный процесс обнаруживает структуры бэкенда, которые строго придерживаются заранее определенных вычислительных бюджетов, достигая тонкого баланса между точностью и задержкой вывода.
Кроме того, в архитектуре используется шейп Efficient RepGFPN. Эта пирамида признаков предназначена для улучшения слияния признаков в разных масштабах, что критически важно для сложных задач, таких как aerial imagery analysis, где объекты сильно различаются по размеру. В дополнение к этому DAMO-YOLO реализует ZeroHead, минималистичную голову обнаружения, которая значительно снижает сложность финальных слоев предсказания, экономя ценное время вычислений во время выводов.
Сравнение производительности#
При оценке архитектур детектирования объектов поиск правильного баланса между скоростью вывода, эффективностью параметров и точностью детектирования имеет первостепенное значение. В таблице ниже сравнивается производительность YOLOv10 и DAMO-YOLO по их соответствующим размерам моделей.
| Модель | размер (пиксели) | mAPval 50-95 | Скорость CPU ONNX (мс) | Скорость T4 TensorRT10 (мс) | параметры (М) | FLOPs (Б) |
|---|---|---|---|---|---|---|
| YOLOv10n | 640 | 39.5 | - | 1.56 | 2.3 | 6.7 |
| YOLOv10s | 640 | 46.7 | - | 2.66 | 7.2 | 21.6 |
| YOLOv10m | 640 | 51.3 | - | 5.48 | 15.4 | 59.1 |
| YOLOv10b | 640 | 52.7 | - | 6.54 | 24.4 | 92.0 |
| YOLOv10l | 640 | 53.3 | - | 8.33 | 29.5 | 120.3 |
| YOLOv10x | 640 | 54.4 | - | 12.2 | 56.9 | 160.4 |
| 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 |
Как видно из бенчмарков, YOLOv10 неизменно обеспечивает исключительные профили задержки на TensorRT, особенно в своем нано-варианте, требуя значительно меньше параметров и FLOP, чем сопоставимые модели DAMO-YOLO. Хотя DAMO-YOLO предлагает хороший mAP в своем tiny-варианте, эффективность параметров и задержка вывода семейства YOLOv10 обеспечивают явное преимущество для сред с ограниченными ресурсами для развертывания.
Сценарии использования и рекомендации#
Выбор между YOLOv10 и DAMO-YOLO зависит от твоих конкретных требований к проекту, ограничений развертывания и предпочтений в экосистеме.
Когда стоит выбрать YOLOv10#
YOLOv10 — отличный выбор для:
- Детекции в реальном времени без NMS: Приложения, которым полезна сквозная (end-to-end) детекция без использования Non-Maximum Suppression, что снижает сложность развертывания.
- Сбалансированного соотношения скорости и точности: Проекты, требующие оптимального баланса между скоростью вывода и точностью детекции для различных масштабов моделей.
- Приложения с постоянной задержкой: Сценарии развертывания, где предсказуемое время вывода критически важно, например, в robotics или автономных системах.
Когда выбирать DAMO-YOLO#
DAMO-YOLO рекомендуется для:
- Высокопроизводительной видеоаналитики: обработки видеопотоков с высоким FPS на фиксированной инфраструктуре NVIDIA GPU, где пропускная способность при batch-1 является основной метрикой.
- Промышленных производственных линий: сценариев с жесткими ограничениями по задержке GPU на специализированном оборудовании, таких как проверка качества в реальном времени на сборочных линиях.
- Исследований Neural Architecture Search: изучения влияния автоматизированного поиска архитектуры (MAE-NAS) и эффективных репараметризованных бэкендов на производительность детекции.
Когда выбирать Ultralytics (YOLO26)#
Для большинства новых проектов Ultralytics YOLO26 предлагает наилучшее сочетание производительности и удобства для разработчика:
- Развертывания на периферии без NMS: приложений, требующих стабильного вывода с низкой задержкой без сложности постобработки подавления немаксимумов.
- Среды только с CPU: устройств без выделенного GPU-ускорения, где до 43% более быстрый вывод на CPU у YOLO26 дает решающее преимущество.
- Обнаружение малых объектов: Сложные сценарии, такие как aerial drone imagery или анализ с помощью IoT-сенсоров, где ProgLoss и STAL значительно повышают точность для крошечных объектов.
Преимущество Ultralytics#
Хотя обе модели технически впечатляют, выбор архитектуры для производства подразумевает выход за рамки простых метрик. Создание приложений с моделями, изначально поддерживаемыми Ultralytics ecosystem, предоставляет непревзойденные преимущества как для разработчиков, так и для исследователей.
Простота использования и хорошо поддерживаемая экосистема#
В отличие от автономных академических репозиториев, которые часто забрасываются, Ultralytics предлагает надежную и активно поддерживаемую экосистему. Настройка сложных сред для моделей, сильно зависящих от конвейеров NAS, может быть сложной задачей. Напротив, Ultralytics предоставляет стандартизированный интуитивно понятный Python API и мощный CLI, подкрепленные обширной documentation. Это радикально сокращает время выхода на рынок пользовательских решений компьютерного зрения.
Эффективность обучения и требования к памяти#
Обучение больших моделей может быстро стать ресурсоемким. Архитектуры Ultralytics YOLO исторически известны своим низким потреблением памяти CUDA во время обучения и выводов. Эта эффективность позволяет разработчикам обучать модели на оборудовании потребительского уровня или экономически эффективных облачных экземплярах, не сталкиваясь с ошибками нехватки памяти (OOM), которые часто возникают при работе с моделями на базе трансформеров, такими как RT-DETR.
Ultralytics легко интегрируется с ведущими инструментами MLOps. Ты можешь легко отслеживать прогресс обучения модели, используя интеграции с Weights & Biases, Comet или ClearML без какого-либо дополнительного шаблонного кода.
Универсальность в задачах#
Существенным ограничением многих специализированных моделей обнаружения является их узкая направленность. В экосистеме Ultralytics ты не ограничен только обнаружением объектов. Инструменты легко расширяются до нескольких computer vision tasks, включая instance segmentation, image classification, pose estimation и oriented bounding box (OBB) detection.
Взгляд в будущее: Эволюция YOLO26#
Хотя YOLOv10 была первопроходцем в выводах без NMS, а DAMO-YOLO продемонстрировала силу NAS, область компьютерного зрения развивается стремительно. Разработчикам, ищущим ультимативное современное решение, мы рекомендуем ознакомиться с Ultralytics YOLO26.
Выпущенная как окончательный преемник YOLO11, YOLO26 развивает фундамент без NMS, заложенный YOLOv10, но продвигает его значительно дальше.
Ключевые улучшения в YOLO26 включают:
- До 43% более быстрый вывод на CPU: специально оптимизировано для граничных вычислений и маломощных устройств.
- Удаление DFL: Distribution Focal Loss была удалена, что обеспечивает более простой экспорт и расширенную совместимость с различными целями развертывания.
- Оптимизатор MuSGD: гибрид SGD и Muon, привносящий передовую стабильность обучения LLM и более быструю сходимость напрямую в компьютерное зрение.
- ProgLoss + STAL: Кардинально улучшенные функции потерь, которые обеспечивают заметные улучшения в распознавании мелких объектов, что необходимо для таких сценариев использования, как agriculture и дистанционное зондирование.
Используя недавно обновленную Ultralytics Platform, разработчики могут легко размечать, обучать и развертывать модели нового поколения, такие как YOLO26, всего за несколько кликов, гарантируя, что твой конвейер компьютерного зрения будет как передовым, так и защищенным от устаревания в будущем.