YOLOv5 против DAMO-YOLO: подробное техническое сравнение

Сфера computer vision реального времени постоянно развивается, а исследователи и инженеры стремятся к идеальному балансу точности, скорости и удобства использования. Две выдающиеся модели, которые определили этот путь, — это Ultralytics YOLOv5 и DAMO-YOLO от Alibaba.

Это руководство содержит глубокий технический анализ их архитектур, показателей производительности и методологий обучения, чтобы помочь тебе выбрать подходящую модель для твоего следующего развертывания.

История создания моделей

Прежде чем погружаться в технические нюансы, важно понять истоки и основные принципы проектирования, лежащие в основе каждой из этих влиятельных моделей компьютерного зрения.

Ultralytics YOLOv5

Разработанная Гленном Джочером (Glenn Jocher) и командой Ultralytics, YOLOv5 стала отраслевым стандартом с момента своего выпуска. Созданная на базе фреймворка PyTorch, она с самого начала уделяла приоритетное внимание оптимизированному опыту разработчика и надежным возможностям развертывания.

• Автор: Гленн Джочер
• Организация: Ultralytics
• Дата: 26.06.2020
• GitHub: https://github.com/ultralytics/yolov5
• Документация: Ultralytics YOLOv5 Documentation

Узнай больше о YOLOv5

DAMO-YOLO

Созданная исследователями Alibaba Group, DAMO-YOLO делает большой упор на Neural Architecture Search (NAS) и продвинутые методы дистилляции. Она раздвигает теоретические границы производительности для конкретного оборудования, что делает ее отличным выбором для исследований и периферийных сред, требующих экстремальной настройки.

• Авторы: Сяньчжэ Сюй (Xianzhe Xu), Ици Цзян (Yiqi Jiang), Вэйхуа Чэнь (Weihua Chen), Илунь Хуан (Yilun Huang), Юань Чжан (Yuan Zhang) и Сююй Сунь (Xiuyu Sun)
• Организация: Alibaba Group
• Дата: 23.11.2022
• Arxiv: https://arxiv.org/abs/2211.15444v2
• GitHub: https://github.com/tinyvision/DAMO-YOLO

Узнай больше о DAMO-YOLO

Архитектурные инновации

Обе модели используют уникальные структурные концепции для достижения производительности в реальном времени, хотя их подходы существенно различаются.

YOLOv5: стабильность и универсальность

YOLOv5 использует бэкбон Modified CSP (Cross Stage Partial) в сочетании с неком PANet (Path Aggregation Network). Эта структура крайне эффективна и минимизирует использование памяти CUDA как при обучении, так и при инференсе.

Одна из важнейших сильных сторон YOLOv5 — это ее универсальность в задачах. Помимо предсказания ограничивающих рамок (bounding boxes), она предлагает специализированные архитектуры для image segmentation и image classification, позволяя разработчикам стандартизировать свои конвейеры компьютерного зрения вокруг единого связного фреймворка.

DAMO-YOLO: автоматизированный поиск архитектуры

Ключевая инновация DAMO-YOLO — это бэкбон MAE-NAS. Используя многоцелевой эволюционный поиск, команда Alibaba обнаружила архитектуры бэкбонов, которые динамически балансируют между точностью детекции и скоростью инференса.

Кроме того, она оснащена неком Efficient RepGFPN для улучшенного слияния признаков, что крайне полезно для работы со сложными вариациями масштаба, часто встречающимися в анализе спутниковых снимков. Ее дизайн ZeroHead упрощает финальные слои предсказания для снижения задержки, хотя такая сложная структурная генерация может сделать архитектуру жесткой и затруднить её модификацию для кастомных приложений.

Производительность и метрики

Оценка детекторов объектов в реальном времени требует анализа матрицы mAP (mean Average Precision), скорости инференса и параметров размера модели.

Хотя DAMO-YOLO достигает весьма конкурентных показателей mAP при определенных количествах параметров, YOLOv5 последовательно демонстрирует исключительную скорость TensorRT и невероятно малое количество параметров для своих nano и small конфигураций. Этот баланс производительности гарантирует, что YOLOv5 эффективно работает в различных сценариях развертывания на периферийных устройствах.

Эффективность обучения и экосистема

Теоретическая точность модели хороша лишь настолько, насколько ее можно применить на практике. Именно здесь модели существенно расходятся.

Сложность дистилляции

DAMO-YOLO сильно полагается на многоэтапную методологию обучения. Она реализует метод дистилляции знаний «учитель-ученик», известный как AlignedOTA. Хотя это позволяет извлечь максимум производительности из модели-ученика, сначала требуется обучить огромную модель-учитель. Это резко увеличивает время вычислений, энергозатраты и требования к оборудованию, создавая узкое место для гибких команд ML.

Преимущество Ultralytics: простота использования

Напротив, экосистема Ultralytics известна во всем мире своими интуитивно понятными API и эффективностью обучения. Благодаря активной разработке и огромному сообществу open-source, разработчики могут без проблем обучать, валидировать и развертывать модели.

from ultralytics import YOLO

# Load a pretrained YOLOv5 model
model = YOLO("yolov5s.pt")

# Train on a custom dataset effortlessly
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

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

Ultralytics также предоставляет встроенную поддержку отслеживания экспериментов с помощью таких инструментов, как Weights & Biases и Comet ML, что создает беспрепятственный рабочий процесс.

Реальные сценарии использования

• YOLOv5 превосходно подходит для динамичных производственных сред. Простая возможность экспорта делает ее основным выбором для интеллектуальной розничной аналитики, высокоскоростного обнаружения дефектов на производстве и интеграции в мобильные приложения через CoreML.
• DAMO-YOLO отлично подходит для строгого академического бенчмаркинга и сценариев, где доступны огромные вычислительные ресурсы для выполнения длительных циклов дистиллированного обучения, нацеленных на достижение незначительных улучшений mAP для конкретных фиксированных аппаратных целей.

Варианты использования и рекомендации

Выбор между YOLOv5 и DAMO-YOLO зависит от твоих конкретных требований к проекту, ограничений развертывания и предпочтений в экосистеме.

Когда выбирать YOLOv5

YOLOv5 — отличный выбор для:

• Проверенных производственных систем: Существующих развертываний, где ценятся долгая история стабильности YOLOv5, обширная документация и огромная поддержка сообщества.
• Обучения в условиях ограниченных ресурсов: Сред с ограниченными GPU-ресурсами, где эффективный конвейер обучения YOLOv5 и меньшие требования к памяти являются преимуществом.
• Широкой поддержки форматов экспорта: Проектов, требующих развертывания во множестве форматов, включая ONNX, TensorRT, CoreML и TFLite.

Когда выбирать DAMO-YOLO

DAMO-YOLO рекомендуется для:

• Высокопроизводительной видеоаналитики: Обработки видеопотоков с высоким FPS на фиксированной инфраструктуре NVIDIA GPU, где пропускная способность при размере пакета 1 является основным показателем.
• Линий промышленного производства: Сценариев со строгими ограничениями задержки GPU на специализированном оборудовании, таких как контроль качества в реальном времени на сборочных линиях.
• Исследований в области поиска архитектуры нейронных сетей: Изучения влияния автоматизированного поиска архитектуры (MAE-NAS) и эффективных репараметризованных основ на производительность обнаружения.

Когда выбирать Ultralytics (YOLO26)

Для большинства новых проектов Ultralytics YOLO26 предлагает лучшее сочетание производительности и опыта разработчика:

• Периферийное развертывание без NMS: Приложениям требуется стабильный вывод с низкой задержкой без сложности постобработки Non-Maximum Suppression.
• Среды только с CPU: Устройства без выделенного GPU-ускорения, где преимущество YOLO26 в виде до 43% более быстрого вывода на CPU является решающим.
• Обнаружение мелких объектов: Сложные сценарии, такие как аэросъемка с дронов или анализ данных IoT-датчиков, где ProgLoss и STAL значительно повышают точность распознавания крошечных объектов.

Следующая эволюция: YOLO26

Если ты начинаешь новый проект, настоятельно рекомендуется смотреть в будущее. Ultralytics YOLO26 опирается на невероятный фундамент YOLOv5, включая революционные достижения, которые переопределяют состояние дел в области AI-зрения.

Ключевые инновации в YOLO26 включают:

• Оптимизатор MuSGD: Вдохновленный инновациями в обучении LLM, этот гибрид SGD и Muon обеспечивает высокую стабильность обучения и быструю сходимость.
• До 43% более быстрый инференс на CPU: Значительно оптимизирована для граничных вычислений, что делает ее идеальной для IoT-устройств, работающих без выделенных GPU.
• ProgLoss + STAL: Продвинутые функции потерь, которые радикально улучшают распознавание мелких объектов, что критически важно для аэросъемки с дронов и робототехники.
• Улучшения для конкретных задач: От специализированной потери угла для Oriented Bounding Boxes (OBB) до оценки остаточного логарифмического правдоподобия (RLE) для точного определения поз (Pose estimation), YOLO26 легко справляется со сложными задачами.

Заключение

И YOLOv5, и DAMO-YOLO заняли свое место в истории обнаружения объектов. DAMO-YOLO остается интересным объектом для изучения Neural Architecture Search и дистилляции. Однако для организаций, отдающих приоритет хорошо поддерживаемой экосистеме, простоте использования и быстрому пути к продакшну, модели Ultralytics остаются непревзойденными.

Мы настоятельно рекомендуем использовать платформу Ultralytics для аннотирования, обучения и развертывания моделей следующего поколения, таких как YOLO26, чтобы убедиться, что твой конвейер компьютерного зрения надежен, быстр и невероятно точен.

Дополнительные материалы

• Изучи модель RT-DETR на базе трансформеров для высокоточных приложений.
• Узнай больше о модели предыдущего поколения YOLO11.
• Узнай, как оптимизировать развертывание с помощью OpenVINO.