YOLOv9 против DAMO-YOLO#

Быстрое развитие компьютерного зрения привело к появлению множества мощных архитектур, адаптированных для различных ограничений развертывания и требований к точности. Двумя примечательными участниками в этой области являются YOLOv9, известный своим эффективным устранением «узких мест» в передаче информации, и DAMO-YOLO, который делает основной упор на Neural Architecture Search (NAS) и эффективные пирамиды признаков.

В этом руководстве представлено подробное техническое сравнение YOLOv9 и DAMO-YOLO, в котором освещаются их архитектурные различия, методологии обучения и идеальные сценарии развертывания. Мы также рассмотрим, как экосистема Ultralytics обеспечивает плавный переход от разработки к производству и почему современные модели, такие как YOLO26, стали рекомендуемым стандартом для новых проектов.

Глубокое изучение архитектуры#

Понимание основных механизмов, лежащих в основе каждой модели, раскрывает причины их различной производительности в разных метриках.

YOLOv9: программируемая градиентная информация#

Модель YOLOv9 была разработана для прямого решения проблемы потери информации, которая возникает при прохождении данных через глубокие нейронные сети.

Авторы: Chien-Yao Wang, Hong-Yuan Mark Liao
Организация: Institute of Information Science, Academia Sinica, Тайвань
Дата: 21 февраля 2024 г.
Ссылки: Arxiv, GitHub, Документация

Узнай больше о YOLOv9

YOLOv9 представляет Programmable Gradient Information (PGI) и Generalized Efficient Layer Aggregation Network (GELAN). PGI гарантирует сохранение жизненно важной пространственной и семантической информации в процессе прямой передачи, предотвращая деградацию градиентов, используемых для обновления весов. GELAN дополняет это за счет максимизации эффективности параметров, позволяя модели достигать передовой средней точности в распознавании (mAP) с меньшим количеством FLOPs по сравнению со многими обычными CNN.

DAMO-YOLO: эффективность на базе NAS#

Разработанная Alibaba Group, модель DAMO-YOLO использует другой подход, полагаясь на автоматизированный 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 г.
Ссылки: Arxiv, GitHub

Узнай больше о DAMO-YOLO

DAMO-YOLO полагается на бэкбон MAE-NAS (Masked Autoencoders for Neural Architecture Search) для автоматического создания эффективных структур сети. Она использует RepGFPN (Reparameterized Generalized Feature Pyramid Network) для надежного объединения признаков и дизайн "ZeroHead" для минимизации вычислительной нагрузки на детектирующую голову. Кроме того, она включает AlignedOTA для назначения меток и дистилляцию знаний, чтобы повысить производительность своих меньших вариантов.

Сравнение производительности и метрик#

При выборе модели обнаружения объектов критически важно соблюдать баланс между точностью, скоростью и вычислительными затратами.

Анализ#

• Точность против параметров: YOLOv9, как правило, демонстрирует лучшее соотношение параметров к точности. Например, YOLOv9c достигает 53.0% mAP с 25.3M параметров, в то время как DAMO-YOLOl достигает 50.8% mAP, но требует значительно больше параметров (42.1M).
• Скорость инференса: Архитектура DAMO-YOLO обеспечивает конкурентоспособную скорость инференса TensorRT на GPU T4, немного опережая YOLOv9 в средних версиях. Тем не менее, эффективность YOLOv9 по количеству FLOPs и параметров обеспечивает исключительную эффективность использования памяти GPU.
• Требования к памяти: Модели Ultralytics YOLO, включая YOLOv9, как правило, используют меньше памяти как во время обучения, так и при выводе по сравнению со сложными моделями, созданными с помощью NAS, или тяжелыми архитектурами Transformer, что делает их легко доступными для развертывания на ограниченном периферийном (edge) оборудовании.

Преимущества экосистемы Ultralytics#

Хотя теоретические метрики важны, практическая реализация во многом определяет успех проекта. Именно здесь Платформа Ultralytics и ее комплексная программная экосистема превосходят автономные репозитории, такие как DAMO-YOLO.

Простота использования и эффективность обучения#

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

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")

И наоборот, использование DAMO-YOLO часто требует работы с жесткими конфигурационными файлами и сложными цепочками зависимостей, характерными для ее уникального конвейера обучения, что приводит к более высокому порогу вхождения.

Универсальность в задачах#

Отличительной чертой моделей Ultralytics является их универсальность. Помимо стандартного обнаружения с помощью ограничивающих рамок, фреймворк Ultralytics плавно поддерживает такие задачи, как сегментация экземпляров, оценка позы, классификация изображений и обнаружение ориентированных ограничивающих рамок (OBB). DAMO-YOLO строго оптимизирован для 2D-обнаружения объектов и требует серьезной переинженерии для адаптации под другие визуальные задачи.

Сценарии использования и рекомендации#

Выбор между YOLOv9 и DAMO-YOLO зависит от требований твоего конкретного проекта, ограничений развертывания и предпочтений в экосистеме.

Когда стоит выбрать YOLOv9#

YOLOv9 — отличный выбор для:

• Исследований информационных узких мест: Академические проекты по изучению архитектур Programmable Gradient Information (PGI) и Generalized Efficient Layer Aggregation Network (GELAN).
• Изучения оптимизации потока градиентов: Исследования, направленные на понимание и смягчение потери информации в глубоких слоях сети во время обучения.
• Бенчмаркинга обнаружения высокой точности: Сценарии, где высокие показатели производительности YOLOv9 в бенчмарке COCO необходимы в качестве точки отсчета для архитектурных сравнений.

Когда выбирать DAMO-YOLO#

DAMO-YOLO рекомендуется для:

• Высокопроизводительной видеоаналитики: обработки видеопотоков с высоким FPS на фиксированной инфраструктуре NVIDIA GPU, где пропускная способность при batch-1 является основной метрикой.
• Промышленных производственных линий: сценариев с жесткими ограничениями по задержке GPU на специализированном оборудовании, таких как проверка качества в реальном времени на сборочных линиях.
• Исследований Neural Architecture Search: изучения влияния автоматизированного поиска архитектуры (MAE-NAS) и эффективных репараметризованных бэкендов на производительность детекции.

Когда выбирать Ultralytics (YOLO26)#

Для большинства новых проектов Ultralytics YOLO26 предлагает наилучшее сочетание производительности и удобства для разработчика:

• Развертывания на периферии без NMS: приложений, требующих стабильного вывода с низкой задержкой без сложности постобработки подавления немаксимумов.
• Среды только с CPU: устройств без выделенного GPU-ускорения, где до 43% более быстрый вывод на CPU у YOLO26 дает решающее преимущество.
• Обнаружение малых объектов: Сложные сценарии, такие как aerial drone imagery или анализ с помощью IoT-сенсоров, где ProgLoss и STAL значительно повышают точность для крошечных объектов.

Будущее: переход на YOLO26#

Хотя YOLOv9 и DAMO-YOLO представляют собой важные вехи в истории, современное компьютерное зрение сместилось в сторону изначально сквозных (end-to-end) архитектур. Для любой новой разработки рекомендуется стандарт YOLO26.

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

Ключевые инновации YOLO26#

• Сквозной дизайн без NMS: YOLO26 полностью исключает постобработку Non-Maximum Suppression (NMS). Это создает оптимизированный конвейер развертывания с нативной поддержкой end-to-end архитектуры — прорыв, впервые реализованный в YOLOv10.
• Удаление DFL: Distribution Focal Loss была удалена для упрощения экспорта и улучшения совместимости с периферийными/маломощными устройствами.
• До 43% более быстрый вывод на CPU: Благодаря устранению сложной постобработки и оптимизации основных сверток, YOLO26 уникально подходит для сценариев периферийных вычислений, где отсутствуют выделенные GPU.
• Оптимизатор MuSGD: Вдохновленный инновациями в обучении LLM, YOLO26 использует гибрид SGD и Muon (MuSGD), чтобы гарантировать более стабильный процесс обучения и заметно более быстрое время сходимости.
• ProgLoss + STAL: Эти передовые функции потерь обеспечивают значительные улучшения в распознавании мелких объектов, что делает YOLO26 идеальным для аэрофотосъемки с большой высоты и устройств IoT.

Если ты сейчас изучаешь YOLO11 или YOLOv8 для своего следующего проекта, переход на YOLO26 гарантирует использование самого оптимизированного и передового фреймворка компьютерного зрения, доступного на сегодняшний день.

Резюме#

Выбор правильной модели зависит от твоих конкретных эксплуатационных ограничений:

• DAMO-YOLO предлагает захватывающий взгляд на оптимизацию с помощью NAS, обеспечивая конкурентоспособную скорость для очень специфических аппаратных профилей, где блистает ее архитектура RepGFPN.
• YOLOv9 — отличный выбор для исследователей, сосредоточенных на сохранении тонких визуальных деталей, использующих архитектуру PGI для предотвращения потери информации в глубоких сетях.
• Ultralytics YOLO26 является окончательным выбором для современных корпоративных и исследовательских приложений. Ее непревзойденная простота использования, архитектура без NMS и передовые оптимизации обучения MuSGD делают ее самой надежной, точной и легко развертываемой моделью в области компьютерного зрения.