DAMO-YOLO so với YOLOv10: So sánh kỹ thuật
Việc lựa chọn mô hình phát hiện đối tượng phù hợp là một quyết định quan trọng, cân bằng giữa độ chính xác, tốc độ và độ phức tạp khi triển khai. So sánh này cung cấp một phân tích kỹ thuật chi tiết về DAMO-YOLO, một mô hình cải tiến từ Alibaba Group và YOLOv10, sự phát triển mới nhất trong series YOLO, được tích hợp đầy đủ vào hệ sinh thái Ultralytics. Chúng ta sẽ khám phá kiến trúc, số liệu hiệu suất và các trường hợp sử dụng lý tưởng của chúng để giúp bạn chọn mô hình tốt nhất cho dự án của mình.
DAMO-YOLO
DAMO-YOLO là một mô hình phát hiện đối tượng hiệu suất cao được phát triển bởi Alibaba Group. Nó giới thiệu một số kỹ thuật mới để đạt được sự cân bằng mạnh mẽ giữa tốc độ và độ chính xác. Mô hình này tận dụng Tìm kiếm Kiến trúc Mạng nơ-ron (NAS) để tối ưu hóa các thành phần của nó, dẫn đến một kiến trúc hiệu quả và mạnh mẽ.
- Tác giả: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang, và Xiuyu Sun
- Tổ chức: Alibaba Group
- Ngày: 2022-11-23
- Arxiv: https://arxiv.org/abs/2211.15444
- GitHub: https://github.com/tinyvision/DAMO-YOLO
- Tài liệu: https://github.com/tinyvision/DAMO-YOLO/blob/master/README.md
Kiến trúc và các tính năng chính
Kiến trúc của DAMO-YOLO nổi bật bởi một số cải tiến quan trọng được thiết kế để vượt qua các giới hạn của phát hiện đối tượng:
- Tìm kiếm kiến trúc thần kinh (NAS) Backbone: DAMO-YOLO sử dụng backbone được tạo thông qua NAS, được thiết kế đặc biệt cho các tác vụ phát hiện đối tượng. Quá trình tìm kiếm tự động này giúp khám phá các mạng trích xuất đặc trưng hiệu quả và mạnh mẽ hơn so với các mạng được thiết kế thủ công.
- Neck RepGFPN hiệu quả: Nó tích hợp một cấu trúc neck hiệu quả gọi là RepGFPN (Reparameterized Generalized Feature Pyramid Network). Thành phần này kết hợp hiệu quả các đặc trưng từ các thang đo khác nhau của backbone, nâng cao khả năng phát hiện các đối tượng có kích thước khác nhau của mô hình.
- ZeroHead: Mô hình giới thiệu một thiết kế "ZeroHead", đơn giản hóa đầu dò bằng cách tách rời các tác vụ phân loại và hồi quy trong khi vẫn duy trì hiệu suất cao. Cách tiếp cận này giúp giảm chi phí tính toán trong giai đoạn dò tìm cuối cùng.
- Gán Nhãn AlignedOTA: DAMO-YOLO sử dụng AlignedOTA (Gán Nhãn Tối Ưu Căn Chỉnh), một chiến lược gán nhãn tiên tiến giúp cải thiện sự căn chỉnh giữa các hộp giới hạn được dự đoán và các đối tượng ground truth trong quá trình huấn luyện, dẫn đến độ chính xác bản địa hóa tốt hơn.
Điểm mạnh và Điểm yếu
Điểm mạnh
- Độ chính xác cao: Sự kết hợp của xương sống được hỗ trợ bởi NAS và các thành phần tiên tiến như RepGFPN và AlignedOTA cho phép DAMO-YOLO đạt được điểm mAP cao.
- Kiến trúc cải tiến: Mô hình giới thiệu một số khái niệm mới đóng góp vào lĩnh vực nghiên cứu phát hiện đối tượng.
- Sự cân bằng tốt giữa tốc độ và độ chính xác: Các mô hình DAMO-YOLO cung cấp sự cân bằng cạnh tranh giữa tốc độ suy luận và độ chính xác phát hiện, khiến chúng phù hợp với nhiều ứng dụng khác nhau.
Điểm yếu
- Độ phức tạp và hệ sinh thái: Kiến trúc này, mặc dù mạnh mẽ, có thể phức tạp hơn để hiểu và sửa đổi. Nó chủ yếu được hỗ trợ trong kho lưu trữ GitHub riêng của nó, thiếu hệ sinh thái, tài liệu và hỗ trợ cộng đồng rộng rãi như các mô hình như YOLOv10.
- Chi Phí Huấn Luyện: Các thành phần và chiến lược huấn luyện nâng cao có thể đòi hỏi kiến thức chuyên môn hơn và thời gian huấn luyện có khả năng kéo dài hơn so với các mô hình được sắp xếp hợp lý hơn.
Các trường hợp sử dụng lý tưởng
DAMO-YOLO rất phù hợp cho các tình huống mà việc đạt được độ chính xác tối đa với một kiến trúc mới là ưu tiên và nhóm phát triển có chuyên môn để quản lý sự phức tạp của nó.
- Nghiên cứu và Phát triển: Các thành phần sáng tạo của nó làm cho nó trở thành một mô hình tuyệt vời cho nghiên cứu học thuật và cho các nhóm khám phá các kỹ thuật phát hiện tiên tiến.
- Tự động hóa công nghiệp: Trong các môi trường được kiểm soát như sản xuất, nơi phát hiện lỗi có độ chính xác cao là rất quan trọng, độ chính xác của DAMO-YOLO có thể là một lợi thế đáng kể.
- Ảnh độ phân giải cao: Các ứng dụng liên quan đến phân tích chi tiết ảnh độ phân giải cao, chẳng hạn như phân tích ảnh vệ tinh, có thể hưởng lợi từ khả năng hợp nhất đặc trưng mạnh mẽ của nó.
YOLOv10
Ultralytics YOLOv10 là thế hệ mới nhất của dòng YOLO nổi tiếng, được phát triển bởi các nhà nghiên cứu tại Đại học Thanh Hoa. Nó đánh dấu một bước tiến đáng kể bằng cách cho phép phát hiện đối tượng end-to-end, theo thời gian thực. Một cải tiến quan trọng là thiết kế không cần NMS, giúp loại bỏ tắc nghẽn hậu xử lý và giảm độ trễ suy luận. YOLOv10 được tích hợp liền mạch vào hệ sinh thái Ultralytics, mang lại sự dễ sử dụng và hiệu quả vô song.
- Tác giả: Ao Wang, Hui Chen, Lihao Liu, et al.
- Tổ chức: Đại học Thanh Hoa
- Ngày: 2024-05-23
- Arxiv: https://arxiv.org/abs/2405.14458
- GitHub: https://github.com/THU-MIG/yolov10
- Tài liệu: https://docs.ultralytics.com/models/yolov10/
Kiến trúc và hiệu suất
YOLOv10 giới thiệu một thiết kế hướng đến độ chính xác-hiệu quả toàn diện. Kiến trúc của nó được tối ưu hóa từ đầu đến cuối để giảm sự dư thừa tính toán và tăng cường khả năng phát hiện.
- Huấn luyện không NMS: Bằng cách sử dụng gán nhãn kép nhất quán, YOLOv10 loại bỏ sự cần thiết của Non-Maximum Suppression (NMS) trong quá trình suy luận. Điều này không chỉ làm giảm độ trễ suy luận mà còn đơn giản hóa quy trình triển khai, làm cho nó thực sự là đầu cuối.
- Lớp phân loại nhẹ: Mô hình kết hợp một lớp phân loại nhẹ, giảm chi phí tính toán mà không làm giảm độ chính xác.
- Giảm mẫu tách kênh không gian: Kỹ thuật này bảo toàn thông tin ngữ nghĩa phong phú hơn trong quá trình giảm mẫu, cải thiện hiệu suất của mô hình, đặc biệt đối với các đối tượng nhỏ.
Các số liệu hiệu năng dưới đây chứng minh sự vượt trội của YOLOv10. Ví dụ: YOLOv10s đạt mAP cao hơn DAMO-YOLOs (46.7 so với 46.0) đồng thời nhanh hơn và hiệu quả hơn đáng kể, với số lượng tham số và FLOP ít hơn một nửa. Trên tất cả các quy mô, các mô hình YOLOv10 liên tục mang lại hiệu quả tham số và tính toán tốt hơn, dẫn đến tốc độ suy luận nhanh hơn cho một mức độ chính xác nhất định.
| Mô hình | Kích thước (pixels) |
mAPval 50-95 |
Tốc độ CPU ONNX (ms) |
Tốc độ T4 TensorRT10 (ms) |
Tham số (M) |
FLOPs (B) |
|---|---|---|---|---|---|---|
| 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 |
| YOLOv10n | 640 | 39.5 | - | 1.56 | 2.3 | 6.7 |
| YOLOv10s | 640 | 46.7 | - | 2.66 | 7.2 | 21.6 |
| YOLOv10m | 640 | 51.3 | - | 5.48 | 15.4 | 59.1 |
| YOLOv10b | 640 | 52.7 | - | 6.54 | 24.4 | 92.0 |
| YOLOv10l | 640 | 53.3 | - | 8.33 | 29.5 | 120.3 |
| YOLOv10x | 640 | 54.4 | - | 12.2 | 56.9 | 160.4 |
Điểm mạnh và Điểm yếu
Điểm mạnh
- Hiệu quả vượt trội: YOLOv10 đặt ra một tiêu chuẩn mới cho sự đánh đổi tốc độ-độ chính xác. Thiết kế không NMS của nó mang lại một lợi thế đáng kể trong các tình huống suy luận theo thời gian thực.
- Dễ sử dụng: Là một phần của hệ sinh thái Ultralytics, YOLOv10 được hưởng lợi từ Python API đơn giản, tài liệu đầy đủ và trải nghiệm người dùng được tinh giản.
- Hệ sinh thái được duy trì tốt: Người dùng có quyền truy cập vào Ultralytics HUB để đào tạo không cần code, phát triển tích cực, hỗ trợ cộng đồng mạnh mẽ và vô số tài nguyên.
- Hiệu quả huấn luyện: Mô hình cung cấp quy trình huấn luyện hiệu quả với các trọng số đã được huấn luyện trước có sẵn, giúp giảm đáng kể thời gian phát triển.
- Yêu cầu bộ nhớ thấp hơn: YOLOv10 được thiết kế để tính toán hiệu quả, yêu cầu ít bộ nhớ CUDA hơn trong quá trình huấn luyện và suy luận so với các kiến trúc phức tạp hơn.
Điểm yếu
- Mô hình mới hơn: Là một mô hình rất mới, số lượng hướng dẫn của bên thứ ba và các dự án do cộng đồng thực hiện vẫn đang phát triển, mặc dù nó đang được áp dụng nhanh chóng do tích hợp trong khuôn khổ Ultralytics phổ biến.
Các trường hợp sử dụng lý tưởng
Tốc độ, hiệu quả và tính dễ sử dụng vượt trội của YOLOv10 làm cho nó trở thành lựa chọn lý tưởng cho vô số ứng dụng thực tế, đặc biệt là những ứng dụng đòi hỏi hiệu suất thời gian thực.
- Edge AI: Các biến thể nhỏ và nhanh (YOLOv10n, YOLOv10s) rất phù hợp để triển khai trên các thiết bị biên hạn chế về tài nguyên như điện thoại di động, máy bay không người lái và NVIDIA Jetson.
- Hệ thống tự động: Độ trễ thấp của nó rất quan trọng đối với các ứng dụng trong robot và xe tự lái, nơi các quyết định nhanh chóng là điều cần thiết cho sự an toàn và điều hướng.
- Giám sát thời gian thực: Lý tưởng cho các hệ thống an ninh cần phát hiện các mối đe dọa ngay lập tức, chẳng hạn như trong ngăn chặn trộm cắp hoặc giám sát đám đông.
- Phân tích bán lẻ: Có thể được sử dụng để quản lý hàng tồn kho theo thời gian thực và phân tích hành vi khách hàng để tối ưu hóa hoạt động của cửa hàng.
Kết luận
Cả DAMO-YOLO và YOLOv10 đều là những mô hình phát hiện đối tượng mạnh mẽ, thể hiện những tiến bộ đáng kể trong lĩnh vực này. DAMO-YOLO nổi bật với các thành phần kiến trúc sáng tạo và độ chính xác cao, khiến nó trở thành một ứng cử viên sáng giá cho các dự án tập trung vào nghiên cứu và các ứng dụng công nghiệp chuyên biệt.
Tuy nhiên, đối với phần lớn các nhà phát triển và nhà nghiên cứu, YOLOv10 là lựa chọn vượt trội. Nó không chỉ mang lại hiệu suất hiện đại với hiệu quả vượt trội mà còn đi kèm với những lợi ích to lớn của hệ sinh thái Ultralytics. Sự kết hợp giữa thiết kế không NMS từ đầu đến cuối, tính dễ sử dụng, tài liệu toàn diện, đào tạo hiệu quả và hỗ trợ mạnh mẽ làm cho YOLOv10 trở thành một giải pháp thiết thực, mạnh mẽ và dễ tiếp cận hơn để xây dựng và triển khai các ứng dụng thị giác máy tính hiệu suất cao.
Đối với những ai đang tìm kiếm các mô hình có khả năng cao khác, hãy cân nhắc khám phá Ultralytics YOLOv8 vì tính linh hoạt đã được chứng minh và được áp dụng rộng rãi, hoặc YOLO11 mới nhất để có các tính năng tiên tiến hơn.
