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
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
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.
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.
| Модель | размер (пиксели) | mAPval50-95 | Скорость CPU ONNX (мс) | Скорость T4 TensorRT10 (мс) | параметры (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv9t | 640 | 38.3 | - | 2.3 | 2.0 | 7.7 |
| YOLOv9s | 640 | 46.8 | - | 3.54 | 7.2 | 26.7 |
| YOLOv9m | 640 | 51.4 | - | 6.43 | 20.1 | 76.8 |
| YOLOv9c | 640 | 53.0 | - | 7.16 | 25.5 | 102.8 |
| YOLOv9e | 640 | 55.6 | - | 16.77 | 58.1 | 192.5 |
| 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 |
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.
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.
Комментарии
Задай вопрос, поделись результатами или помоги кому-нибудь.