YOLOv6-3.0 и DAMO-YOLO
Компьютерное зрение постоянно развивается, а новые архитектуры повышают скорость и точность обнаружения объектов в реальном времени. Среди заметных моделей в этой области — YOLOv6-3.0 и DAMO-YOLO. Обе модели предлагают уникальные архитектурные решения для максимальной производительности на промышленном оборудовании. В этом руководстве подробно сравниваются их архитектуры, методики обучения и подходящие сценарии применения, а также рассматриваются преимущества моделей Ultralytics нового поколения, таких как YOLO26.
Обзор моделей#
YOLOv6-3.0: промышленная пропускная способность#
Разработанная подразделением Vision AI компании Meituan, YOLOv6-3.0 создана специально для промышленных приложений с высокой пропускной способностью. Она ориентирована на максимальную производительность на аппаратных ускорителях, например GPU NVIDIA.
- Авторы: Chuyi Li, Lulu Li, Yifei Geng и др.
- Организация: Meituan
- Дата: 2023-01-13
- arXiv: 2301.05586
- GitHub: meituan/YOLOv6
- Документация: Документация Ultralytics YOLOv6
В YOLOv6-3.0 используется модуль двунаправленной конкатенации (BiC) для улучшения объединения признаков и стратегия обучения с поддержкой якорей (AAT). Эта стратегия сочетает преимущества обучения с якорями и детекторов без якорей, сохраняя инференс полностью безъякорным. Основа EfficientRep хорошо работает с оборудованием при пакетной обработке на GPU, поэтому модель подходит для масштабных задач анализа видео.
DAMO-YOLO: скорость и точность благодаря NAS#
Созданная Alibaba Group модель DAMO-YOLO использует поиск архитектуры нейронной сети (NAS), чтобы автоматически находить наиболее эффективные структуры основы для инференса в реальном времени.
- Авторы: Xianzhe Xu, Yiqi Jiang, Weihua Chen и др.
- Организация: Alibaba Group
- Дата: 2022-11-23
- arXiv: 2211.15444v2
- GitHub: tinyvision/DAMO-YOLO
DAMO-YOLO выделяется благодаря RepGFPN — параметризованной обобщенной сети пирамиды признаков, обеспечивающей эффективное объединение признаков с разных масштабов, — и архитектуре ZeroHead, которая значительно сокращает вычислительные затраты головы обнаружения. Модель также использует назначение меток AlignedOTA и методы дистилляции знаний для повышения точности без увеличения числа параметров.
Хотя DAMO-YOLO демонстрирует отличную точность, сильная зависимость от дистилляции знаний во время обучения требует гораздо более крупной модели-«учителя». Это значительно увеличивает объем памяти CUDA, необходимый на этапе обучения, по сравнению с более простыми архитектурами.
Сравнение производительности#
При оценке моделей обнаружения объектов критически важен баланс между средней точностью (mAP) и скоростью инференса. Ниже приведено подробное сравнение YOLOv6-3.0 и DAMO-YOLO для моделей разных размеров.
| Модель | размер (пиксели) | mAPval50-95 | Скорость CPU ONNX (мс) | Скорость T4 TensorRT10 (мс) | параметры (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv6-3.0n | 640 | 37.5 | - | 1.17 | 4.7 | 11.4 |
| YOLOv6-3.0s | 640 | 45.0 | - | 2.66 | 18.5 | 45.3 |
| YOLOv6-3.0m | 640 | 50.0 | - | 5.28 | 34.9 | 85.8 |
| YOLOv6-3.0l | 640 | 52.8 | - | 8.95 | 59.6 | 150.7 |
| 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 |
YOLOv6-3.0 демонстрирует высокую скорость на GPU NVIDIA при оптимизации с помощью TensorRT, особенно в компактных и небольших вариантах. Однако основы DAMO-YOLO, оптимизированные с помощью NAS, обычно требуют меньше FLOPs на средних и крупных масштабах, что дает небольшое преимущество по задержке при крупномасштабном развертывании.
Преимущества Ultralytics: знакомство с YOLO26#
YOLOv6-3.0 и DAMO-YOLO — мощные инструменты, однако разработчики часто сталкиваются со сложными конвейерами развертывания, высокими требованиями к памяти при обучении и негибкими архитектурами для одной задачи. Экосистема Ultralytics делает работу разработчиков проще.
YOLO26 — новейшая модель Ultralytics. Выпущенная в январе 2026 года, Ultralytics YOLO26 обеспечивает более высокую эффективность и универсальность.
Основные нововведения YOLO26#
- Сквозная архитектура без NMS: Опираясь на обучение без NMS, которое YOLOv10 внедрила в модели YOLO, дополнительная голова one-to-one в YOLO26 (
nms=False) исключает постобработку с подавлением немаксимумов (NMS). Это снижает колебания задержки и упрощает развёртывание на периферийных устройствах через CoreML или LiteRT. - Отказ от DFL: отказ от функции потерь распределенного фокуса упрощает процесс экспорта YOLO26 и повышает совместимость с маломощным периферийным оборудованием.
- Инференс на CPU до 43% быстрее: для приложений без выделенного GPU YOLO26n работает на CPU до 43% быстрее, чем YOLO11n.
- Оптимизатор MuSGD: Вдохновлённый методами обучения LLM, такими как Kimi K2 от Moonshot AI, YOLO26 использует оптимизатор MuSGD (гибрид SGD и Muon) для стабильного обучения и более быстрой сходимости.
- ProgLoss + STAL: Прогрессивная функция потерь и стратегия назначения меток с учётом малых объектов улучшают распознавание небольших объектов, что полезно для работы с дронами и отслеживания удалённых целей.
- Универсальность для разных задач: В отличие от DAMO-YOLO, предназначенной исключительно для детекции, YOLO26 из коробки поддерживает сегментацию экземпляров, семантическую сегментацию, оценку глубины, классификацию, оценку позы (с помощью оценки остаточного логарифмического правдоподобия) и ориентированные ограничивающие рамки (OBB) через единый API.
В отличие от сложных архитектур на основе Transformer, таких как RT-DETR, или конвейеров DAMO-YOLO с интенсивной дистилляцией, модели Ultralytics отличаются низким потреблением видеопамяти. Ты можешь обучать модель YOLO26 на обычном потребительском оборудовании.
Упрощенный рабочий процесс на Python#
Для обучения и развертывания передовых моделей не должны требоваться сотни строк шаблонного кода. Пакет Ultralytics для Python упрощает весь цикл машинного обучения.
from ultralytics import YOLO
# Загрузить малую модель YOLO26
model = YOLO("yolo26s.pt")
# Обучи модель со встроенной обработкой данных
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Запусти сверхбыстрый инференс и отобрази результаты
results = model("https://ultralytics.com/images/bus.jpg")
results[0].show()
# Экспортируй в ONNX или TensorRT
model.export(format="onnx")Оптимальные сценарии применения#
Выбор подходящей архитектуры зависит от ограничений среды развёртывания:
Когда использовать YOLOv6-3.0#
- Видеоаналитика с большими пакетами: отлично подходит для обработки плотных видеопотоков на корпоративных GPU-серверах, где можно в полной мере использовать TensorRT.
- Промышленная автоматизация: обнаружение дефектов на высокоскоростных производственных линиях для контроля качества.
Когда использовать DAMO-YOLO#
- Специализированные чипы: исследование отображения результатов поиска нейронной архитектуры на конкретное проприетарное оборудование NPU.
- Академические исследования: оценка новых методов дистилляции знаний для сетей реального времени.
Когда использовать Ultralytics YOLO26#
- Развёртывание на периферийных и мобильных устройствах: Опциональная голова без NMS, удаление DFL и ускорение CPU-инференса до 43% (YOLO26n по сравнению с YOLO11n) делают модель подходящей для развёртывания на iOS, Android и Raspberry Pi.
- От быстрого прототипирования до промышленной эксплуатации: Интеграция с платформой Ultralytics позволяет командам пройти путь от аннотирования датасета до глобального развёртывания в облаке за дни, а не месяцы.
- Сложные конвейеры компьютерного зрения: Когда проект объединяет ограничивающие рамки, ключевые точки человеческой позы и точные маски сегментации.
Заключение#
И YOLOv6-3.0, и DAMO-YOLO внесли значительный вклад в развитие науки об обнаружении объектов в реальном времени. YOLOv6 усовершенствовала максимальное использование GPU, а DAMO-YOLO продемонстрировала возможности автоматизированного поиска архитектур.
Однако разработчикам, которым нужно удачное сочетание точности, скорости инференса и удобства сопровождения экосистемы, подойдёт семейство Ultralytics YOLO. Оптимизации, представленные в YOLO26, дополнительно упрощают внедрение компьютерного зрения в промышленную эксплуатацию.
Для дальнейшего изучения можно также сравнить эти модели с другими архитектурами в документации, например с YOLO11 или решениями на основе Transformer, такими как RT-DETR.
Комментарии
Задай вопрос, поделись результатами или помоги кому-нибудь.