YOLOv9 и DAMO-YOLO#

Быстрая эволюция компьютерного зрения привела к появлению множества мощных архитектур, адаптированных к различным ограничениям развертывания и требованиям к точности. Двумя заметными представителями этого направления являются YOLOv9, известная надежной обработкой информационных узких мест, и DAMO-YOLO, которая уделяет особое внимание поиску архитектуры нейросети (NAS) и эффективным пирамидам признаков.

В этом руководстве подробно и технически сравниваются YOLOv9 и DAMO-YOLO, рассматриваются различия в их архитектурах, методологиях обучения и оптимальных сценариях развертывания. Мы также рассмотрим, как экосистема Ultralytics обеспечивает плавный переход от разработки к эксплуатации и почему современные модели, такие как YOLO26, стали рекомендуемым стандартом для новых проектов.

Подробный разбор архитектуры#

Понимание ключевых механизмов, определяющих работу каждой модели, объясняет, почему они демонстрируют разные результаты по различным метрикам.

YOLOv9: программируемая информация о градиентах#

YOLOv9 разработана для непосредственного устранения потери информации, возникающей при прохождении данных через глубокие нейронные сети.

• Авторы: Chien-Yao Wang, Hong-Yuan Mark Liao
• Организация: Институт информационных наук Academia Sinica, Тайвань
• Дата: 21 февраля 2024 г.
• Ссылки: Arxiv, GitHub, Документация

Узнай больше о YOLOv9

YOLOv9 представляет программируемую информацию о градиентах (PGI) и обобщенную эффективную сеть агрегации слоев (GELAN). PGI обеспечивает сохранение важной пространственной и семантической информации в процессе прямого прохода, предотвращая деградацию градиентов, используемых для обновления весов. GELAN дополняет этот подход, повышая эффективность использования параметров и позволяя модели достигать передовых результатов по средней точности (mAP) при меньшем количестве FLOPs, чем у многих традиционных CNN.

DAMO-YOLO: эффективность на основе NAS#

DAMO-YOLO, разработанная Alibaba Group, использует другой подход: автоматический поиск архитектуры для нахождения оптимального баланса между скоростью и точностью.

• Авторы: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang и Xiuyu Sun
• Организация: Alibaba Group
• Дата: 23 ноября 2022 года
• Ссылки: Arxiv, GitHub

Узнай больше о DAMO-YOLO

DAMO-YOLO опирается на магистральную сеть MAE-NAS (Maximum Entropy Neural Architecture Search) для автоматического создания эффективных сетевых структур. Он использует RepGFPN (Reparameterized Generalized Feature Pyramid Network) для надежного объединения признаков и дизайн "ZeroHead" для минимизации вычислительной нагрузки детекционной головки. Кроме того, он включает AlignedOTA для назначения меток и дистилляцию знаний для повышения производительности своих более мелких вариантов.

Сравнение производительности и метрик#

При выборе модели детектирования объектов критически важно соблюдать баланс между точностью, скоростью и объемом вычислений.

Анализ#

• Точность и количество параметров: YOLOv9 обычно демонстрирует более выгодное соотношение количества параметров и точности. Например, YOLOv9c достигает 53,0% mAP при 25,3 млн параметров, тогда как DAMO-YOLOl достигает 50,8% mAP, но требует значительно больше параметров — 42,1 млн.
• Скорость инференса: архитектура DAMO-YOLO обеспечивает конкурентоспособную скорость инференса TensorRT на GPU T4, немного опережая YOLOv9 в моделях среднего размера. Однако эффективность YOLOv9 по FLOPs и количеству параметров обеспечивает исключительную эффективность использования памяти GPU.
• Требования к памяти: модели Ultralytics YOLO, включая YOLOv9, обычно потребляют меньше памяти как при обучении, так и при инференсе по сравнению со сложными моделями, созданными с помощью NAS, или ресурсоемкими архитектурами Transformer, что делает их особенно доступными для развертывания на периферийном оборудовании с ограниченными ресурсами.

Преимущества экосистемы Ultralytics#

Хотя теоретические метрики важны, успех проекта во многом определяется практической реализацией. Именно здесь платформа Ultralytics и ее комплексная программная экосистема превосходят изолированные репозитории, такие как DAMO-YOLO.

Простота использования и эффективность обучения#

Обучение собственной модели YOLOv9 требует минимального количества шаблонного кода. Python API Ultralytics абстрагирует сложные процессы, такие как аугментация данных, распределенное обучение и оптимизация оборудования.

from ultralytics import YOLO

# Load a pretrained YOLOv9 model
model = YOLO("yolov9c.pt")

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

# Validate model performance
metrics = model.val()

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

Напротив, использование DAMO-YOLO часто требует работы с жестко заданными файлами конфигурации и сложными цепочками зависимостей, специфичными для ее уникального конвейера обучения, что повышает порог вхождения.

Универсальность для разных задач#

Отличительной особенностью моделей Ultralytics является их встроенная универсальность. Помимо стандартного детектирования ограничивающих рамок, фреймворк Ultralytics обеспечивает удобную поддержку таких задач, как сегментация экземпляров, оценка позы, классификация изображений и детектирование ориентированных ограничивающих рамок (OBB). DAMO-YOLO оптимизирована исключительно для двумерного детектирования объектов, поэтому ее адаптация к другим задачам компьютерного зрения потребует значительной переработки.

Варианты применения и рекомендации#

Выбор между YOLOv9 и DAMO-YOLO зависит от конкретных требований проекта, ограничений развертывания и предпочтений в отношении экосистемы.

Когда стоит выбрать YOLOv9#

YOLOv9 — хороший выбор для:

• Исследований информационного узкого места: академических проектов, изучающих архитектуры Programmable Gradient Information (PGI) и Generalized Efficient Layer Aggregation Network (GELAN).
• Исследований оптимизации потока градиентов: работ, посвященных пониманию и устранению потери информации в слоях глубоких сетей во время обучения.
• Сравнительного тестирования обнаружения с высокой точностью: сценариев, где высокие результаты YOLOv9 на тесте COCO нужны как эталон для архитектурных сравнений.

Когда стоит выбрать DAMO-YOLO#

DAMO-YOLO рекомендуется для следующих задач:

• Высокопроизводительная видеоаналитика: Обработка видеопотоков с высоким FPS на фиксированной инфраструктуре NVIDIA GPU, где пропускная способность при размере пакета 1 является основной метрикой.
• Промышленные производственные линии: Сценарии со строгими ограничениями по задержке GPU на выделенном оборудовании, например контроль качества в реальном времени на сборочных линиях.
• Исследования поиска нейронных архитектур: Изучение влияния автоматизированного поиска архитектур (MAE-NAS) и эффективных репараметризованных базовых сетей на производительность обнаружения.

Когда выбирать Ultralytics (YOLO26)#

Для большинства новых проектов Ultralytics YOLO26 предлагает лучшее сочетание производительности и удобства для разработчиков:

• Развертывания на периферийных устройствах без NMS: приложений, требующих стабильного вывода с низкой задержкой без сложной постобработки с подавлением немаксимумов.
• Сред без GPU: устройств без выделенного ускорения GPU, где до 43% более быстрый вывод YOLO26 на CPU дает решающее преимущество.
• Обнаружения мелких объектов: сложных сценариев, таких как аэрофотосъемка с дронов или анализ данных IoT-сенсоров, где ProgLoss и STAL значительно повышают точность обнаружения крошечных объектов.

Будущее: переход на YOLO26#

Хотя YOLOv9 и DAMO-YOLO стали важными историческими вехами, современное компьютерное зрение перешло к изначально сквозным архитектурам. Для любой новой разработки рекомендуется использовать YOLO26 в качестве стандарта.

Выпущенная в 2026 году, YOLO26 развивает успехи своих предшественников, обеспечивая значительный скачок как в точности, так и в простоте развертывания.

Ключевые инновации YOLO26#

• Сквозная архитектура без NMS: YOLO26 полностью устраняет постобработку с подавлением немаксимумов (NMS). Это создает оптимизированный конвейер развертывания с изначально сквозной архитектурой — прорывным подходом, впервые реализованным в YOLOv10.
• Удаление DFL: Distribution Focal Loss удалена для упрощения экспорта и повышения совместимости с периферийными устройствами и устройствами с низким энергопотреблением.
• До 43% более быстрый инференс на CPU: Благодаря удалению сложной постобработки и оптимизации основных сверточных операций YOLO26 особенно хорошо подходит для сценариев периферийных вычислений без выделенных GPU.
• Оптимизатор MuSGD: Вдохновленный инновациями в обучении LLM, YOLO26 использует комбинацию SGD и Muon (MuSGD), обеспечивая более стабильные запуски обучения и заметно более быструю сходимость.
• ProgLoss + STAL: Эти продвинутые функции потерь значительно улучшают распознавание небольших объектов, благодаря чему YOLO26 идеально подходит для аэрофотоснимков с большой высоты и устройств IoT.

Если ты сейчас рассматриваешь YOLO11 или YOLOv8 для следующего проекта, переход на YOLO26 гарантирует использование наиболее оптимизированного и современного доступного фреймворка для ИИ в области компьютерного зрения.

Итоги#

Выбор подходящей модели зависит от конкретных эксплуатационных ограничений:

• DAMO-YOLO дает интересное представление об оптимизации на основе NAS, обеспечивая конкурентоспособную скорость на очень специфичных профилях оборудования, где ее архитектура RepGFPN раскрывает свои преимущества.
• YOLOv9 — отличный выбор для исследователей, сосредоточенных на сохранении мелких визуальных деталей: ее архитектура PGI предотвращает потерю информации в глубоких сетях.
• Ultralytics YOLO26 — однозначный выбор для современных корпоративных и исследовательских приложений. Непревзойденная простота использования, архитектура без NMS и передовые оптимизации обучения MuSGD делают ее самой надежной, точной и удобной для развертывания моделью в области компьютерного зрения.