跳转至内容

DAMO-YOLO 对比 YOLOv8：一项技术深度解析

目标检测领域不断发展，研究人员和工程师努力平衡速度、准确性和计算效率等相互竞争的需求。阿里巴巴集团开发的DAMO-YOLO和Ultralytics创建的YOLOv8是在计算机视觉社区引起巨大反响的两种著名架构。

这项技术比较探讨了两种模型的架构创新、性能指标和实际可用性。DAMO-YOLO引入了神经架构搜索（NAS）等新颖的研究概念，而Ultralytics YOLOv8则专注于提供一个强大且用户友好的生态系统，简化了从训练到部署的工作流程。

性能分析：速度与准确性

为了了解这些模型在实际场景中的比较情况，我们分析了它们在标准COCO 数据集上的性能。以下指标突出了平均精度均值 (mAP)、在不同硬件上的推理速度以及模型复杂度之间的权衡。

模型尺寸
(像素)		mAPval
50-95		速度
CPU ONNX
(毫秒)		速度
T4 TensorRT10
(毫秒)		参数
(M)		FLOPs
(B)
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
YOLOv8n64037.380.41.473.28.7
YOLOv8s64044.9128.42.6611.228.6
YOLOv8m64050.2234.75.8625.978.9
YOLOv8l64052.9375.29.0643.7165.2
YOLOv8x64053.9479.114.3768.2257.8

主要内容

数据揭示了根据部署目标而定的独特优势：

  • 边缘性能: YOLOv8n (Nano) 模型是资源受限环境的无可争议的领导者。仅凭 3.2M 参数 和 8.7B FLOPs，它在 CPU 和 GPU 上均实现最快的推理速度。这使其非常适合内存和功耗稀缺的 移动应用 或物联网设备。
  • 峰值精度：对于精度至关重要的应用，YOLOv8x实现了53.9%的最高mAP。虽然DAMO-YOLO模型表现良好，但最大的YOLOv8变体进一步提升了检测精度的极限。
  • 延迟权衡：DAMO-YOLO 在专用 GPU（如 T4）上表现出令人印象深刻的吞吐量，这得益于其 NAS 优化的骨干网络。然而，Ultralytics YOLOv8 在包括 CPU 在内的各种硬件上保持了卓越的平衡，确保了更广泛的部署灵活性。

DAMO-YOLO：研究驱动的创新

DAMO-YOLO 是阿里巴巴集团研究项目的成果。其名称代表“Discovery（发现）、Adventure（探索）、Momentum（动量）和 Outlook（展望）”，体现了对探索新架构前沿的关注。

作者： 徐贤哲、蒋一奇、陈卫华、黄一伦、张远、孙秀宇
机构：阿里巴巴集团
日期： 2022-11-23
预印本：2211.15444v2
GitHub：tinyvision/DAMO-YOLO

架构亮点

DAMO-YOLO 集成了多项先进技术以优化延迟和准确性之间的权衡：

  1. MAE-NAS骨干网络：它利用神经网络架构搜索（NAS）自动发现高效的网络结构，特别是采用了名为MAE-NAS的方法。
  2. RepGFPN 颈部：采用高度参数化的广义特征金字塔网络 (GFPN)，以最大化不同尺度级别之间的信息流，从而提高对不同距离目标的detect能力。
  3. ZeroHead: 为了平衡沉重的颈部，该模型采用轻量级“ZeroHead”，从而减轻了最终 detect 阶段的计算负担。
  4. AlignedOTA： 一种动态标签分配策略，可在训练期间对齐分类和回归任务，从而帮助模型更有效地收敛。

了解更多关于 DAMO-YOLO 的信息

Ultralytics YOLOv8：生态系统标准

YOLOv8 代表了 YOLO 架构的改进，专注于可用性、多功能性和最先进的性能。与纯粹的研究模型不同，YOLOv8 被设计为面向开发者的产品，强调良好维护的生态系统和易于集成。

作者: Glenn Jocher, Ayush Chaurasia, and Jing Qiu
机构:Ultralytics
日期: 2023-01-10
文档:Ultralytics YOLOv8

架构优势

  • Anchor-Free Detection: YOLOv8 消除了 anchor 框，减少了开发人员需要调整的超参数数量，并简化了训练过程。
  • C2f 模块：该架构用 C2f 取代了 C3 模块，提供了更丰富的梯度流信息，同时保持了轻量级。
  • 解耦头：通过在头部将分类和回归任务分离，模型实现了更高的定位精度。
  • 统一框架: 其最强大的架构特性或许是其对多种视觉任务的原生支持——实例分割、姿势估计、分类和旋转目标检测 (OBB)——所有这些都在一个单一代码库中实现。

您知道吗？

Ultralytics 提供了一条无缝路径，可将模型导出为 ONNX、TensorRT、CoreML 和 OpenVINO 等优化格式。此导出功能确保您训练好的模型几乎可以在任何硬件平台上高效运行。

了解更多关于 YOLOv8 的信息

可用性与开发者体验

这两种模型之间最显著的差异在于它们的易用性和周围的生态系统。

Ultralytics YOLO模型以其“从零到英雄”的体验而闻名。通过简单的 PIP 安装，开发者即可获得强大的 CLI 和 Python API。与通常需要复杂环境设置的研究型仓库相比，这显著降低了入门门槛。

训练效率

Ultralytics 模型在工程上注重训练效率。它们高效利用 CUDA 内存，允许更大的批次大小或在消费级 GPU 上进行训练。此外，高质量预训练权重的可用性加速了收敛，节省了宝贵的计算时间和能源。

以下是一个完整可运行的示例，展示了如何仅用三行Python代码加载YOLOv8模型并进行预测：

from ultralytics import YOLO

# Load a pre-trained YOLOv8n model
model = YOLO("yolov8n.pt")

# Run inference on an image (automatically downloads image if needed)
results = model.predict("https://ultralytics.com/images/bus.jpg")

# Show the results
for result in results:
    result.show()

相比之下，尽管 DAMO-YOLO 提供了强大的性能，但它通常需要更多的手动配置和对研究型框架的熟悉，这使得它在快速原型开发或商业集成方面可访问性较低。

结论：选择合适的工具

DAMO-YOLO 和 YOLOv8 都是计算机视觉领域的卓越成就。

DAMO-YOLO 对于对神经架构搜索感兴趣的研究人员以及那些专门部署在其定制主干网络已完全优化的硬件上的用户来说是一个绝佳选择。

然而，对于大多数开发人员、研究人员和企业而言，Ultralytics YOLOv8（以及更新的YOLO11）提供了卓越的价值主张：

  1. 多功能性：能够在一个框架中处理 detect、segmentation、姿势估计和旋转框检测。
  2. 易用性： 无与伦比的文档、简单的 API 和强大的 社区支持。
  3. 部署：对导出模式的广泛支持涵盖了从手机到云服务器的所有平台。
  4. 性能平衡： 卓越的精度-速度比，尤其是在CPU和边缘设备上。

对于那些希望保持在绝对前沿的用户，我们还推荐关注 YOLO11，它在 YOLOv8 的优势基础上，实现了更高的效率和精度。

探索其他模型对比

为了帮助您针对计算机视觉项目做出最明智的决策，请探索这些额外的详细比较：


评论