Начать

YOLOv9 и DAMO-YOLO

Стремительное развитие компьютерного зрения привело к появлению множества архитектур, адаптированных под разные ограничения развертывания и требования к точности. Среди примечательных моделей — YOLOv9, известная решением проблемы информационных узких мест в глубоких сетях, и DAMO-YOLO, использующая поиск нейронных архитектур (NAS) и эффективные пирамиды признаков.

В этом руководстве приводится техническое сравнение YOLOv9 и DAMO-YOLO, рассматриваются различия в архитектуре, методы обучения и оптимальные сценарии развертывания. Также объясняется, как экосистема Ultralytics упрощает переход от разработки к эксплуатации и почему для новых проектов теперь рекомендуются более новые модели, например YOLO26.

Подробный разбор архитектуры#

Понимание основных механизмов каждой модели помогает объяснить различия в их показателях.

YOLOv9: программируемая информация о градиентах#

YOLOv9 разработана для решения проблемы потери информации, возникающей при прохождении данных через глубокие нейронные сети.

  • Авторы: Chien-Yao Wang, Hong-Yuan Mark Liao
  • Организация: Институт информатики, Academia Sinica, Тайвань
  • Дата: 21 февраля 2024 года
  • Ссылки: arXiv, GitHub, Документация

Подробнее о YOLOv9

YOLOv9 представляет программируемую информацию о градиентах (PGI) и обобщенную эффективную сеть агрегации слоев (GELAN). PGI сохраняет важную пространственную и семантическую информацию при прямом проходе и предотвращает деградацию градиентов, используемых для обновления весов. GELAN дополняет этот подход, повышая эффективность использования параметров и позволяя модели достигать передового уровня средней 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 помогает найти эффективный баланс между скоростью и точностью.

  • Авторы: Сяньчжэ Сюй, Ици Цзян, Вэйхуа Чэнь, Илуне Хуан, Юань Чжан и Сюйюй Сунь
  • Организация: Alibaba Group
  • Дата: 23 ноября 2022 года
  • Ссылки: arXiv, GitHub

Узнай больше о DAMO-YOLO

В основе DAMO-YOLO лежит MAE-NAS (поиск нейросетевой архитектуры с максимальной энтропией), который автоматически генерирует эффективные структуры сети. Модель использует RepGFPN (обобщенную пирамиду признаков с репараметризацией) для надежного объединения признаков и архитектуру «ZeroHead», которая снижает вычислительную нагрузку на голову обнаружения. Кроме того, в ней применяются AlignedOTA для назначения меток и дистилляция знаний для повышения производительности облегченных вариантов модели.

Роль NAS в компьютерном зрении

Поиск нейронных архитектур (NAS) автоматизирует проектирование искусственных нейронных сетей. Он позволяет создавать высокоэффективные модели, например DAMO-YOLO, но добавляет этап поиска при проектировании модели (DAMO-YOLO использует поиск MAE-NAS без обучения), в отличие от архитектуры YOLOv9, созданной вручную.

Сравнение производительности и метрик#

При выборе модели для обнаружения объектов важно найти баланс между точностью, скоростью и объемом вычислительных ресурсов.

Модельразмер
(пиксели)
mAPval50-95Скорость
CPU ONNX
(мс)
Скорость
T4 TensorRT10
(мс)
параметры
(M)
FLOPs
(B)
YOLOv9t64038.3-2.32.07.7
YOLOv9s64046.8-3.547.226.7
YOLOv9m64051.4-6.4320.176.8
YOLOv9c64053.0-7.1625.5102.8
YOLOv9e64055.6-16.7758.1192.5
DAMO-YOLOt64042.0-2.328.518.1
DAMO-YOLOs64046.0-3.4516.337.8
DAMO-YOLOm64049.2-5.0928.261.8
DAMO-YOLOl64050.8-7.1842.197.3

Анализ#

  • Точность и количество параметров: YOLOv9 обычно обеспечивает лучшее соотношение количества параметров и точности. Например, YOLOv9c достигает 53,0% mAP с 25,5 млн параметров, а DAMO-YOLOl — 50,8% mAP, но требует значительно больше параметров (42,1 млн).
  • Скорость инференса: архитектура DAMO-YOLO обеспечивает конкурентную скорость инференса TensorRT на GPU T4 и немного опережает YOLOv9 в моделях среднего размера. Однако меньшее количество параметров YOLOv9 в моделях большинства размеров помогает снизить использование памяти GPU.
  • Требования к памяти: модели Ultralytics YOLO, включая YOLOv9, обычно используют меньше памяти при обучении и инференсе, чем сложные модели, созданные с помощью NAS, или ресурсоемкие архитектуры на основе Transformer, поэтому подходят для развертывания на периферийном оборудовании с ограниченными ресурсами.

Преимущества экосистемы Ultralytics#

Хотя теоретические метрики важны, успех проекта часто зависит от практической реализации. Здесь платформа Ultralytics и широкая программная экосистема Ultralytics имеют явные преимущества перед автономными репозиториями, такими как DAMO-YOLO.

Удобство использования и эффективность обучения#

Для обучения собственной модели YOLOv9 требуется минимум шаблонного кода. Python API Ultralytics берет на себя сложные процессы, такие как аугментация данных, распределенное обучение и оптимизация оборудования.

from ultralytics import YOLO

# Загрузи предварительно обученную модель YOLOv9
model = YOLO("yolov9c.pt")

# Обучи модель на собственном датасете
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Проверь производительность модели
metrics = model.val()

# Экспортируй модель для развертывания в production
model.export(format="onnx")

Напротив, для работы с DAMO-YOLO часто приходится разбираться в жестко заданных файлах конфигурации и сложных цепочках зависимостей, специфичных для ее уникального конвейера обучения, из-за чего порог входа выше.

Универсальность для разных задач#

Отличительная черта моделей Ultralytics — универсальность. Помимо стандартной детекции ограничивающих рамок, фреймворк Ultralytics поддерживает такие задачи, как сегментация экземпляров, классификация изображений, оценка позы и детекция ориентированных ограничивающих рамок (OBB). DAMO-YOLO оптимизирована исключительно для двумерной детекции объектов, поэтому для адаптации к другим визуальным задачам требуется серьезная переработка.

Экспорт на периферийные устройства

Ultralytics упрощает конвейер развертывания, позволяя экспортировать модель одной командой в такие форматы, как TensorRT, OpenVINO и CoreML, чтобы оптимизировать производительность на целевом оборудовании.

Сценарии использования и рекомендации#

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

Когда выбирать YOLOv9#

YOLOv9 — хороший выбор для:

  • Исследование информационного узкого места: Академические проекты, изучающие архитектуры программируемой информации о градиентах (PGI) и обобщённой эффективной сети агрегации слоёв (GELAN).
  • Исследования оптимизации потока градиентов: Работы, посвящённые изучению и устранению потери информации в глубоких слоях сети во время обучения.
  • Сравнительное тестирование точного детектирования: Сценарии, в которых высокая результативность YOLOv9 на тестах COCO нужна в качестве ориентира для сравнения архитектур.

Когда стоит выбрать DAMO-YOLO#

DAMO-YOLO рекомендуется для следующих задач:

  • Высокопроизводительная видеоаналитика: Обработка видеопотоков с высокой частотой кадров на фиксированной инфраструктуре NVIDIA GPU, где основной показатель — пропускная способность при размере пакета 1.
  • Промышленные производственные линии: Сценарии со строгими ограничениями по задержке GPU на выделенном оборудовании, например контроль качества в реальном времени на сборочных линиях.
  • Исследования в области поиска нейросетевых архитектур: Изучение влияния автоматизированного поиска архитектур (MAE-NAS) и эффективных перенастраиваемых базовых сетей на качество обнаружения.

Когда выбирать Ultralytics (YOLO26)#

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

  • Развертывание на периферийных устройствах без NMS: приложения, которым нужен стабильный инференс с низкой задержкой без сложной постобработки методом подавления немаксимумов (NMS).
  • Среды только с CPU: Устройства без выделенного ускорения GPU, где инференс YOLO26 на CPU — до 43% быстрее (YOLO26n против YOLO11n), что даёт решающее преимущество.
  • Обнаружение мелких объектов: сложные сценарии, например съемка с дронов или анализ данных датчиков IoT, где ProgLoss и STAL повышают точность распознавания крошечных объектов.

Будущее: переход на YOLO26#

YOLOv9 и DAMO-YOLO стали важными вехами, но современное компьютерное зрение смещается в сторону архитектур, изначально работающих от начала до конца. Для новых разработок рекомендуется YOLO26.

Выпущенная в январе 2026 года YOLO26 развивает идеи предшественников, повышая точность и упрощая развертывание.

Ключевые инновации YOLO26#

  • Сквозная архитектура без NMS: Опциональная голова один-к-одному (nms=False) в YOLO26 полностью устраняет постобработку с подавлением немаксимумов (NMS). Это создает оптимизированный конвейер развертывания с нативной сквозной архитектурой — подход, внедренный в модели YOLO с выходом YOLOv10.
  • Удаление DFL: удаление фокальной функции потерь распределения упрощает экспорт и повышает совместимость с периферийными устройствами и устройствами с низким энергопотреблением.
  • Инференс на CPU до 43% быстрее: после удаления DFL и NMS YOLO26n работает на CPU до 43% быстрее YOLO11n и подходит для сценариев периферийных вычислений без выделенных GPU.
  • Оптимизатор MuSGD: вдохновленная нововведениями в обучении больших языковых моделей, YOLO26 использует гибрид SGD и Muon (MuSGD), обеспечивающий более стабильное обучение и быструю сходимость.
  • ProgLoss + STAL: прогрессивная функция потерь и назначение меток с учетом малых объектов (STAL) улучшают детекцию мелких объектов, благодаря чему YOLO26 хорошо подходит для аэрофотоснимков, полученных с большой высоты, и устройств IoT.

Если ты сейчас рассматриваешь YOLO11 или YOLOv8 для следующего проекта, попробуй вместо них YOLO26 — актуальную рекомендованную модель Ultralytics.

Итоги#

Выбор подходящей модели зависит от конкретных эксплуатационных ограничений:

  • DAMO-YOLO помогает лучше понять оптимизацию на основе NAS и обеспечивает конкурентную скорость на очень специфичных конфигурациях оборудования, для которых особенно эффективна ее архитектура RepGFPN.
  • YOLOv9 — отличный выбор для исследователей, которым важно сохранять мелкие визуальные детали: ее архитектура PGI предотвращает потерю информации в глубоких сетях.
  • Для новых корпоративных и исследовательских приложений рекомендуется Ultralytics YOLO26. Простота использования, архитектура без NMS и оптимизации обучения MuSGD делают эту модель надежной, точной и удобной для развертывания.
Участники

Комментарии

Задай вопрос, поделись результатами или помоги кому-нибудь.