Начать

YOLOv5 и DAMO-YOLO

Область компьютерного зрения в реальном времени постоянно развивается: исследователи и инженеры стремятся найти оптимальный баланс между точностью, скоростью и удобством использования. Среди моделей, определивших этот путь, — Ultralytics YOLOv5 и DAMO-YOLO от Alibaba.

В этом руководстве подробно рассматриваются технические особенности архитектур, метрики производительности и методики обучения, чтобы помочь тебе выбрать подходящую модель для следующего развёртывания.

История моделей#

Перед сравнением технических характеристик важно разобраться в происхождении и основных принципах разработки каждой из этих влиятельных моделей компьютерного зрения.

Ultralytics YOLOv5#

Разработанная Гленном Джохером и командой Ultralytics, YOLOv5 с момента выпуска стала отраслевым стандартом. Созданная на базе фреймворка PyTorch, модель с самого начала обеспечивала удобную работу разработчиков и надёжные возможности развёртывания.

DAMO-YOLO#

DAMO-YOLO создана исследователями Alibaba Group и активно использует поиск архитектуры нейронных сетей (NAS) и методы дистилляции знаний. Модель ориентирована на производительность для конкретного оборудования и предназначена для исследовательских и производственных сред, где требуется тщательная настройка.

  • Авторы: Сяньчжэ Сюй, Ици Цзян, Вэйхуа Чэнь, Илуне Хуан, Юань Чжан и Сюйюй Сунь
  • Организация: Alibaba Group
  • Дата: 2022-11-23
  • arXiv: 2211.15444v2
  • GitHub: tinyvision/DAMO-YOLO

Узнай больше о DAMO-YOLO

Архитектурные инновации#

Обе модели используют уникальные структурные решения для работы в реальном времени, однако их подходы значительно различаются.

YOLOv5: стабильность и универсальность#

В YOLOv5 используется модифицированный бэкбон CSP (частичный межэтапный переход), объединённый с шеей PANet (сетью агрегации путей). Эта структура эффективна и обеспечивает низкое потребление памяти CUDA как при обучении, так и при инференсе.

Одна из главных сильных сторон YOLOv5 — её универсальность для разных задач. Помимо предсказания ограничивающих рамок, оригинальный репозиторий YOLOv5 предлагает специализированные архитектуры для сегментации экземпляров (v7.0) и классификации изображений (v6.2), позволяя разработчикам стандартизировать конвейеры компьютерного зрения на основе единого целостного фреймворка.

Ключевая инновация DAMO-YOLO — бэкбон MAE-NAS. Используя поиск с максимальной энтропией, команда Alibaba нашла бэкбоны, которые балансируют точность обнаружения и скорость инференса в рамках заданных ограничений по задержке.

Кроме того, в модели используется шея Efficient RepGFPN для улучшения объединения признаков — это особенно полезно при значительных различиях масштабов, часто встречающихся при анализе спутниковых снимков. Архитектура ZeroHead упрощает финальные слои предсказаний, чтобы сократить задержку, однако такая сложная генерация структуры может сделать архитектуру негибкой и затруднить её адаптацию для пользовательских приложений.

Требования к памяти

Архитектурам на основе Transformer часто требуется много памяти GPU. В YOLOv5 и DAMO-YOLO используются эффективные свёрточные архитектуры, позволяющие уменьшить потребление памяти. Модели Ultralytics рассчитаны на обучение на потребительских GPU, поэтому они доступны независимым исследователям и стартапам.

Производительность и метрики#

Для оценки детекторов объектов реального времени нужно одновременно учитывать mAP (среднюю точность), скорость инференса и размер модели.

Модельразмер
(пиксели)
mAPval50-95Скорость
CPU ONNX
(мс)
Скорость
T4 TensorRT10
(мс)
параметры
(M)
FLOPs
(B)
YOLOv5n64028.0-1.121.94.5
YOLOv5s64037.4-1.927.216.5
YOLOv5m64045.4-4.0321.249.0
YOLOv5l64049.0-6.6146.5109.1
YOLOv5x64050.7-11.8986.7205.7
DAMO-YOLOt64042.0-2.328.518.1
DAMO-YOLOs64046.0-3.4516.337.8
DAMO-YOLOm64049.2-5.0928.261.8
DAMO-YOLOl64050.8-7.1842.197.3

DAMO-YOLO обеспечивает более высокий mAP, чем YOLOv5, при сопоставимом количестве параметров: например, DAMO-YOLOs достигает 46,0 mAP при 16,3 млн параметров, тогда как YOLOv5m — 45,4 mAP при 21,2 млн параметров. В конфигурациях nano и small YOLOv5 обеспечивает самую высокую скорость TensorRT и наименьшее количество параметров, что подходит для развёртывания на периферийных устройствах, где критична задержка.

Эффективность обучения и экосистема#

Теоретическая точность модели имеет значение лишь тогда, когда модель можно эффективно применять на практике. Именно здесь модели заметно различаются.

Сложности дистилляции#

DAMO-YOLO во многом полагается на многоэтапную методику обучения. В ней сочетаются назначение меток AlignedOTA и дистилляция знаний по схеме «учитель — ученик». Хотя такой подход позволяет добиться максимальной производительности ученической модели, сначала необходимо обучить большую модель-учителя. Это увеличивает время вычислений, энергозатраты и требования к оборудованию, что может замедлить работу небольших ML-команд.

Преимущества Ultralytics: простота использования#

В свою очередь, экосистема Ultralytics известна интуитивно понятными API и эффективным обучением. Благодаря активной разработке и большому сообществу с открытым исходным кодом разработчики могут обучать, проверять и развёртывать модели с минимальной настройкой.

from ultralytics import YOLO

# Загрузка предварительно обученной модели YOLOv5
model = YOLO("yolov5su.pt")  # YOLOv5u: веса YOLOv5 без якорей для пакета ultralytics

# Обучи модель на примере датасета COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Экспортируем в формат ONNX для развертывания
model.export(format="onnx")

Ultralytics также предлагает встроенное отслеживание экспериментов благодаря интеграциям с такими инструментами, как Weights & Biases и Comet.

Примеры применения в реальных условиях#

  • YOLOv5 подходит для динамичных производственных сред. Благодаря простому экспорту модель часто используют для аналитики в розничной торговле, высокоскоростного обнаружения производственных дефектов и мобильных приложений через CoreML.
  • DAMO-YOLO подходит для академических сравнительных тестов и сценариев, где доступны значительные вычислительные ресурсы для длительного обучения с дистилляцией, нацеленного на повышение mAP на конкретном фиксированном оборудовании.

Сценарии использования и рекомендации#

Выбор между YOLOv5 и DAMO-YOLO зависит от требований конкретного проекта, ограничений развёртывания и предпочтений в отношении экосистемы.

Когда стоит выбрать YOLOv5#

YOLOv5 — отличный выбор для:

  • Проверенные промышленные системы: Существующие развертывания, где важны долгий опыт стабильной работы YOLOv5, обширная документация и большое сообщество.
  • Обучение при ограниченных ресурсах: среды с ограниченными ресурсами GPU, где эффективный конвейер обучения YOLOv5 и сниженные требования к памяти дают преимущество.
  • Широкая поддержка форматов экспорта: проекты, требующие развертывания во множестве форматов, включая ONNX, TensorRT, CoreML и LiteRT.

Когда стоит выбрать DAMO-YOLO#

DAMO-YOLO рекомендуется для следующих задач:

  • 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 Ultralytics (YOLO26)#

Для большинства новых проектов Ultralytics YOLO26 предлагает оптимальное сочетание производительности и удобства разработки:

  • 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 работает на CPU до 43% быстрее YOLO11n.
  • Обнаружение мелких объектов: сложные сценарии, например съемка с дронов или анализ данных датчиков IoT, где ProgLoss и STAL повышают точность распознавания крошечных объектов.

Следующий этап развития: YOLO26#

Если ты начинаешь новый проект, рассмотри Ultralytics YOLO26 — модель, развивающую основу YOLOv5 за счёт ряда архитектурных улучшений и новшеств в обучении.

Зачем переходить на YOLO26?

YOLO26 предлагает сквозную архитектуру без NMS: её опциональная голова с взаимно-однозначным сопоставлением (nms=False) пропускает этап постобработки подавления немаксимумов, упрощая и ускоряя развёртывание.

Ключевые нововведения YOLO26:

  • Оптимизатор MuSGD: этот гибрид SGD и Muon, созданный под влиянием инноваций в обучении LLM, обеспечивает стабильное обучение и быструю сходимость.
  • Инференс на CPU до 43% быстрее: YOLO26n работает на CPU до 43% быстрее YOLO11n, что делает модель подходящей для периферийных вычислений и устройств IoT без выделенного GPU.
  • ProgLoss + STAL: прогрессивная функция потерь и стратегия назначения меток с учётом малых объектов повышают точность распознавания небольших объектов, что особенно важно для аэрофотосъёмки с дронов и робототехники.
  • Улучшения для конкретных задач: от специализированной функции потерь для углов в ориентированных ограничивающих рамках (OBB) до оценки остаточного логарифмического правдоподобия (RLE) для точной оценки позы — в YOLO26 реализованы улучшения для каждой поддерживаемой задачи.

Заключение#

И YOLOv5, и DAMO-YOLO заняли своё место в истории обнаружения объектов. DAMO-YOLO остаётся интересным примером применения поиска архитектуры нейронных сетей и дистилляции. Организациям, для которых важны хорошо поддерживаемая экосистема, простота использования и быстрый переход к промышленной эксплуатации, лучше подойдут модели Ultralytics.

Используй платформу Ultralytics, чтобы размечать данные, обучать и развёртывать новые модели, например YOLO26, создавая быстрые, точные и удобные в сопровождении конвейеры компьютерного зрения.

Дополнительные материалы#

  • Изучи основанную на Transformer модель RT-DETR для приложений, требующих высокой точности.
  • Узнай больше о модели предыдущего поколения YOLO11.
  • Узнай, как оптимизировать развёртывание с помощью OpenVINO.
Участники

Комментарии

Задай вопрос, поделись результатами или помоги кому-нибудь.