YOLOX и DAMO-YOLO
Развитие обнаружения объектов в реальном времени прошло несколько этапов: от архитектур с анкерами к безанкерным, от спроектированных вручную базовых сетей к автоматизированному поиску архитектуры нейронных сетей (NAS). В этом техническом сравнении рассматриваются две важные вехи — YOLOX и DAMO-YOLO, их архитектурные нововведения, методы обучения и компромиссы в производительности. Также объясняется, почему для новых проектов рекомендуется Ultralytics YOLO26.
YOLOX: новаторская парадигма без anchor-боксов#
Выпущенная 18 июля 2021 года Чжэн Гэ, Сунтао Лю, Фэн Ваном, Цзэмином Ли и Цзянь Суном из Megvii, YOLOX стала поворотным моментом, добавив безанкерную архитектуру в семейство YOLO. В подробном техническом отчете на arXiv описано, как YOLOX стремилась сократить разрыв между академическими исследованиями и промышленным развертыванием.
Ключевые архитектурные новшества#
В YOLOX появились несколько ключевых структурных изменений, улучшивших предшествующие модели:
- Безанкерный механизм: Предсказывая центр объекта и размеры ограничивающей рамки напрямую, YOLOX сократила число эвристик проектирования и упростила сложные процессы кластеризации анкеров. Благодаря этому модель адаптируется к различным сценариям компьютерного зрения.
- Раздельная головка: В традиционных моделях YOLO использовалась одна совмещенная головка для классификации и регрессии. В YOLOX задачи классификации и локализации обрабатываются раздельными головками, что ускоряет сходимость и повышает точность.
- Назначение меток SimOTA: Для динамического назначения положительных примеров использовалась упрощенная версия оптимального транспортного назначения (OTA), что сокращало время обучения и устраняло неоднозначность при назначении объектов по центральным точкам.
Конструкция разделенной головы YOLOX оказала большое влияние на последующие поколения детекторов объектов и стала стандартной особенностью многих современных моделей.
DAMO-YOLO: автоматический поиск архитектур в больших масштабах#
DAMO-YOLO представил Сяньчжэ Сюй и команда исследователей из Alibaba Group 23 ноября 2022 года. Как подробно описано в публикации на arXiv, модель активно использует поиск архитектуры нейронных сетей (NAS), чтобы улучшить компромисс между скоростью и точностью.
Ключевые архитектурные новшества#
В основе стратегии DAMO-YOLO лежала автоматизация проектирования эффективных структур:
- Базовые сети MAE-NAS: Используя поиск с максимальной энтропией, DAMO-YOLO нашла высокоэффективные базовые сети, адаптированные к конкретным ограничениям по задержке, особенно при экспорте в такие фреймворки, как TensorRT.
- Эффективная RepGFPN: Тяжелая конструкция шеи улучшает объединение признаков с разным пространственным разрешением, что полезно для анализа аэрофотоснимков и обнаружения объектов разных масштабов.
- ZeroHead: Упрощенная голова предсказаний, которая сокращает избыточные вычисления, не снижая среднюю точность модели по всем классам (mAP).
- AlignedOTA и дистилляция: Модель использует передовые методы назначения меток и дистилляцию знаний от учителя к ученику, чтобы повысить производительность компактных моделей-учеников.
Сравнение производительности и метрик#
При сравнении этих моделей важно учитывать количество параметров, необходимые FLOPs и задержку. Ниже приведены результаты бенчмарков YOLOX и DAMO-YOLO для нескольких масштабов.
| Модель | размер (пиксели) | mAPval50-95 | Скорость CPU ONNX (мс) | Скорость T4 TensorRT10 (мс) | параметры (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOXnano | 416 | 25.8 | - | - | 0.91 | 1.08 |
| YOLOXtiny | 416 | 32.8 | - | - | 5.06 | 6.45 |
| YOLOXs | 640 | 40.5 | - | 2.56 | 9.0 | 26.8 |
| YOLOXm | 640 | 46.9 | - | 5.43 | 25.3 | 73.8 |
| YOLOXl | 640 | 49.7 | - | 9.04 | 54.2 | 155.6 |
| YOLOXx | 640 | 51.1 | - | 16.1 | 99.1 | 281.9 |
| 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 |
При сопоставимой задержке DAMO-YOLO точнее YOLOX: например, DAMO-YOLOt достигает 42.0 mAP за 2.32 мс, а YOLOXs — 40.5 mAP за 2.56 мс. Однако у обеих моделей есть недостатки: архитектура YOLOX появилась до многих современных методов обучения, а зависимость DAMO-YOLO от дистилляции делает переобучение на пользовательских наборах данных более ресурсоемким и увеличивает требования к памяти GPU.
Сценарии использования и рекомендации#
Выбор между YOLOX и DAMO-YOLO зависит от конкретных требований проекта, ограничений развертывания и предпочтительной экосистемы.
Когда стоит выбрать YOLOX#
YOLOX подойдёт для:
- Исследования обнаружения без якорей: Академические исследования, в которых чистая архитектура YOLOX без якорей используется как базовая модель для экспериментов с новыми головами обнаружения или функциями потерь.
- Сверхкомпактные периферийные устройства: Развертывание на микроконтроллерах или устаревшем мобильном оборудовании, где критически важен крайне малый размер варианта YOLOX-Nano (0,91 млн параметров).
- Исследования назначения меток SimOTA: Исследовательские проекты по изучению стратегий назначения меток на основе оптимального транспорта и их влияния на сходимость обучения.
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.
Преимущества Ultralytics: знакомство с YOLO26#
Хотя YOLOX и DAMO-YOLO стали важными историческими вехами, современным разработчикам нужно решение, сочетающее высокую точность с простотой использования. Выпущенная в январе 2026 года Ultralytics YOLO26 опирается на модели без NMS, такие как YOLOv10, и обеспечивает оптимальный баланс скорости, точности и удобства разработки.
Почему стоит выбрать YOLO26?#
По сравнению с отдельными академическими репозиториями интегрированная экосистема Ultralytics предлагает:
- Сквозная архитектура без NMS: Опциональная головка YOLO26 с сопоставлением один к одному (
nms=False) устраняет необходимость в NMS при инференсе. Благодаря этому задержка остается низкой и предсказуемой — это особенно важно для развертывания на периферийных устройствах и автономных транспортных средств. - Удаление DFL: Удаление Distribution Focal Loss упрощает экспорт YOLO26 на периферийные устройства и улучшает совместимость с маломощным оборудованием.
- Оптимизатор MuSGD: YOLO26 использует достижения в обучении больших языковых моделей: гибридный оптимизатор SGD и Muon обеспечивает стабильное обучение и быструю сходимость.
- До 43% более быстрый инференс на CPU: После удаления DFL и NMS YOLO26n работает на CPU до 43% быстрее YOLO11n, не требуя дорогостоящего оборудования GPU.
- ProgLoss + STAL: Прогрессивная функция потерь и назначение меток с учетом малых объектов (STAL) улучшают обнаружение небольших объектов, благодаря чему YOLO26 хорошо подходит для таких задач, как инспекция с помощью дронов и мониторинг устройств IoT.
- Универсальность: В отличие от DAMO-YOLO, предназначенной исключительно для обнаружения, YOLO26 в рамках единого фреймворка изначально поддерживает сегментацию экземпляров, семантическую сегментацию, оценку глубины, классификацию изображений, оценку позы и обнаружение ориентированных ограничивающих рамок (OBB).
С помощью Python API Ultralytics тебе не придется вручную настраивать сложные конвейеры дистилляции или писать сотни строк кода на C++, чтобы развернуть модель.
from ultralytics import YOLO
# Загрузка компактной модели YOLO26
model = YOLO("yolo26n.pt")
# Обучи модель на пользовательском датасете
train_results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Запускай сверхбыстрый инференс без NMS
results = model("https://ultralytics.com/images/bus.jpg", nms=False)
# Экспортируй в ONNX или OpenVINO одной командой
model.export(format="openvino")Другие модели, которые стоит рассмотреть#
Экосистема компьютерного зрения обширна. В зависимости от конкретных ограничений ты также можешь изучить другие архитектуры, полностью поддерживаемые экосистемой Ultralytics:
- YOLO11: Предшественница YOLO26, известная своей надежностью в задачах аналитики розничной торговли и контроля качества на производстве.
- YOLOv8: Широко распространенная стабильная безанкерная модель, способствовавшая популяризации развертывания на периферийных устройствах.
- RT-DETR: Трансформер для обнаружения объектов в реальном времени, разработанный Baidu. Это хорошая альтернатива для задач, в которых важны механизмы глобального внимания, хотя для обучения требуется больше памяти.
Заключение#
YOLOX и DAMO-YOLO внесли важные идеи в развитие глубокого обучения: YOLOX подтвердила эффективность раздельного безанкерного подхода, а DAMO-YOLO продемонстрировала возможности автоматизированного поиска архитектуры. Однако при использовании в промышленной среде сложность исходных исследовательских кодовых баз может замедлить работу гибких команд.
С помощью платформы Ultralytics разработчики могут избежать этих трудностей. Сквозная архитектура YOLO26, высокая скорость на CPU и подробная документация делают точный ИИ для компьютерного зрения доступнее. Создаешь ли ты инфраструктуру умного города, системы медицинской диагностики или передовую робототехнику — Ultralytics обеспечивает прямой путь от исходных данных к развертыванию в реальных условиях.
Комментарии
Задай вопрос, поделись результатами или помоги кому-нибудь.