YOLOv5 и EfficientDet
При начале нового проекта в области компьютерного зрения выбор подходящей архитектуры нейронной сети — одно из важнейших решений. В этом руководстве подробно сравниваются Ultralytics YOLOv5 и EfficientDet от Google. Анализ архитектур, метрик производительности и экосистем обучения помогает разработчикам и исследователям определить, какая модель обнаружения объектов лучше всего подойдёт для их конкретной среды развёртывания.
EfficientDet предложила новые идеи масштабирования составных моделей и слияния признаков, а YOLOv5 сделала высокопроизводительное обнаружение объектов доступным благодаря интуитивно понятной реализации на PyTorch, удобству использования и удачному балансу скорости и точности.
Ultralytics YOLOv5: доступный отраслевой стандарт#
Выпущенная в июне 2020 года, YOLOv5 стала поворотным моментом в развитии семейства YOLO. Созданная на PyTorch, а не на фреймворке Darknet на языке C, который использовался в предыдущих версиях YOLO, она стала основной архитектурой для разработчиков, которым нужно быстро создавать, обучать и развёртывать модели.
- Авторы: Glenn Jocher
- Организация: Ultralytics
- Дата: 2020-06-26
- GitHub: https://github.com/ultralytics/yolov5
- Документация: https://docs.ultralytics.com/models/yolov5
Архитектурные инновации#
YOLOv5 известна оптимизированной архитектурой и упрощённым жизненным циклом машинного обучения. В ней используется модифицированный бэкбон CSPDarknet53 в сочетании с шеей PANet (сетью агрегации путей), которая улучшает распространение признаков на нескольких пространственных масштабах.
Ключевые улучшения:
- Мозаичная аугментация данных: этот метод обучения объединяет четыре разных обучающих изображения в одну мозаику. Благодаря этому модель учится распознавать объекты в сложных пространственных контекстах и лучше обнаруживает небольшие объекты.
- Автоматическое обучение якорных рамок: до начала обучения YOLOv5 анализирует пользовательские обучающие данные и автоматически рассчитывает оптимальные размеры якорных рамок с помощью кластеризации k-means.
- Эффективное использование памяти: по сравнению с ресурсоёмкими моделями на основе Transformer YOLOv5 потребляет меньше памяти как во время обучения, так и при инференсе, поэтому она хорошо работает на потребительском оборудовании.
EfficientDet: масштабируемое обнаружение объектов#
Представленная Google Research в 2019 году, EfficientDet должна была стать семейством масштабируемых детекторов объектов. Она использует основу EfficientNet для классификации изображений и предлагает новый механизм объединения признаков.
- Авторы: Mingxing Tan, Ruoming Pang и Quoc V. Le
- Организация: Google
- Дата: 2019-11-20
- arXiv: https://arxiv.org/abs/1911.09070
- GitHub: https://github.com/google/automl/tree/master/efficientdet
- Документация: https://github.com/google/automl/tree/master/efficientdet#readme
Архитектурные инновации#
В основе EfficientDet лежит систематический подход к масштабированию и агрегации признаков:
- Двунаправленная пирамида признаков (BiFPN): В отличие от традиционных FPN, которые передают информацию только сверху вниз, BiFPN обеспечивает быстрое и простое объединение признаков разных масштабов, вводя обучаемые веса для определения важности различных входных признаков.
- Масштабирование составных моделей: EfficientDet совместно масштабирует разрешение, глубину и ширину бэкбона, сети признаков и сетей предсказания рамок и классов. В результате получаются модели от лёгкой D0 до самой крупной D7.
EfficientDet в значительной степени зависит от экосистемы TensorFlow и библиотек AutoML, тогда как YOLOv5 нативно работает на PyTorch и предлагает, по мнению многих разработчиков, более интуитивный, соответствующий стилю Python и удобный для отладки процесс.
Сравнение производительности и метрик#
При сравнении этих моделей важно оценить их производительность на стандартных бенчмарках, например на датасете COCO. В таблице ниже показаны компромиссы между размером, вычислительной нагрузкой (FLOPs) и скоростью инференса.
| Модель | размер (пиксели) | mAPval50-95 | Скорость CPU ONNX (мс) | Скорость T4 TensorRT10 (мс) | параметры (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv5n | 640 | 28.0 | - | 1.12 | 1.9 | 4.5 |
| YOLOv5s | 640 | 37.4 | - | 1.92 | 7.2 | 16.5 |
| YOLOv5m | 640 | 45.4 | - | 4.03 | 21.2 | 49.0 |
| YOLOv5l | 640 | 49.0 | - | 6.61 | 46.5 | 109.1 |
| YOLOv5x | 640 | 50.7 | - | 11.89 | 86.7 | 205.7 |
| EfficientDet-d0 | 512 | 34.6 | - | 3.92 | 3.9 | 2.54 |
| EfficientDet-d1 | 640 | 40.5 | - | 7.31 | 6.6 | 6.1 |
| EfficientDet-d2 | 768 | 43.0 | - | 10.92 | 8.1 | 11.0 |
| EfficientDet-d3 | 896 | 47.5 | - | 19.59 | 12.0 | 24.9 |
| EfficientDet-d4 | 1024 | 49.7 | - | 33.55 | 20.7 | 55.2 |
| EfficientDet-d5 | 1280 | 51.5 | - | 67.86 | 33.7 | 130.0 |
| EfficientDet-d6 | 1280 | 52.6 | - | 89.29 | 51.9 | 226.0 |
| EfficientDet-d7 | 1536 | 53.7 | - | 128.07 | 51.9 | 325.0 |
Сбалансированный анализ#
YOLOv5 выделяется гибкостью развёртывания и совместимостью с аппаратным ускорением. При сопоставимой точности скорость TensorRT на T4 у неё значительно выше, чем у EfficientDet: например, YOLOv5m достигает 45,4 mAP за 4,03 мс, тогда как EfficientDet-d2 — 43,0 mAP за 10,92 мс. Поэтому YOLOv5 отлично подходит для высокопроизводительной видеоаналитики и конвейеров инференса в реальном времени. Кроме того, в экосистеме Ultralytics экспорт в такие форматы, как ONNX, CoreML и TensorRT, выполняется одной командой.
EfficientDet обеспечивает отличную эффективность по числу параметров. При одинаковом количестве параметров модель часто достигает высокого значения средней точности (mAP). Однако эффективность по числу параметров не всегда означает более быстрый инференс на GPU в реальном времени: сложная маршрутизация слоя BiFPN может упираться в пропускную способность памяти, а не в вычислительные ресурсы.
Экосистема и простота использования#
Главное преимущество выбора модели Ultralytics — окружающая её экосистема. YOLOv5 входит в активно поддерживаемый репозиторий с большим сообществом.
С появлением платформы Ultralytics пользователи могут выполнять все этапы — от сбора данных до развёртывания — в одном месте. Платформа поддерживает автоматическую разметку, облачное обучение и мониторинг моделей. Для обучения EfficientDet, напротив, часто приходится разбираться в сложных API обнаружения объектов TensorFlow предыдущих поколений, что может затруднить быстрое создание прототипов.
Возможности YOLOv5 не ограничиваются ограничивающими рамками. В более поздних версиях репозитория YOLOv5 появились сегментация экземпляров (v7.0) и классификация изображений (v6.2), обеспечивающие единую кодовую базу для нескольких задач компьютерного зрения.
Оптимальные сценарии применения#
- Выбирай YOLOv5, если: тебе нужны быстрое создание прототипов, простой процесс обучения и оптимизированное развёртывание на периферийных устройствах. Модель отлично подходит для дронов, аналитики в розничной торговле и мобильных приложений, где критически важна низкая задержка.
- Выбирай EfficientDet, если: ты работаешь исключительно в среде Google Cloud/TensorFlow AutoML и тебе нужна максимальная точность на параметр без строгих ограничений по задержке в реальном времени.
Следующее поколение: переход на YOLO26#
YOLOv5 остаётся надёжной рабочей моделью, но компьютерное зрение уже шагнуло вперёд. Разработчикам, которые начинают новые проекты в 2026 году, рекомендуется новейшая модель Ultralytics — YOLO26.
Развивая наследие предшественниц, таких как YOLOv8 и YOLO11, YOLO26 предлагает несколько инноваций:
- Сквозная архитектура без NMS: опциональная голова YOLO26 с взаимно-однозначным сопоставлением (
nms=False) устраняет необходимость в постобработке с подавлением немаксимумов. Это снижает вариативность задержки и упрощает архитектуру развёртывания. - Инференс на CPU до 43% быстрее: YOLO26n работает на CPU до 43% быстрее YOLO11n, что полезно для периферийных устройств с низким энергопотреблением и стандартных CPU без выделенных GPU, предназначенных для периферийного ИИ.
- Оптимизатор MuSGD: этот гибрид SGD и Muon, вдохновлённый методами обучения больших языковых моделей (LLM), обеспечивает стабильное обучение и быструю сходимость.
- Продвинутые стратегии обучения: сочетание ProgLoss и STAL повышает точность распознавания небольших объектов, что особенно важно для съёмки с дронов на большой высоте и робототехники.
- Удаление DFL: удаление Distribution Focal Loss упрощает экспорт модели и повышает совместимость с различными аппаратными ускорителями.
Тем, кто хочет изучить другие современные архитектуры экосистемы Ultralytics, стоит также сравнить такие модели, как YOLOv10 или RT-DETR.
В Ultralytics Python API используется единый интерфейс для моделей разных поколений. Если ты используешь веса YOLOv5u из пакета ultralytics, для перехода на YOLO26 достаточно изменить строку с именем весов модели в коде; проекты на основе оригинального репозитория YOLOv5 сначала нужно перевести на пакет ultralytics.
Пример кода: обучение и инференс#
Вот как обучить модель YOLO и запустить инференс с пакетом Ultralytics. Код запускается без изменений и автоматически обрабатывает загрузку датасета, циклы обучения и валидацию.
from ultralytics import YOLO
# Загрузи модель YOLOv5u (замени её на 'yolo26n.pt', чтобы попробовать новейшую архитектуру)
model = YOLO("yolov5su.pt") # YOLOv5u: веса YOLOv5 без якорей для пакета ultralytics
# Обучи модель на примере датасета COCO8 в течение 20 эпох
results = model.train(data="coco8.yaml", epochs=20, imgsz=640)
# Запусти инференс на изображении из интернета
inference_results = model("https://ultralytics.com/images/bus.jpg")
# Покажи изображение с ограничивающими рамками
inference_results[0].show()Ставя во главу угла удобство пользователей, поддерживая экосистему и выпуская обновления, например YOLO26, Ultralytics предоставляет разработчикам современные инструменты для решения практических задач компьютерного зрения.
Комментарии
Задай вопрос, поделись результатами или помоги кому-нибудь.