阿里达摩院推出新目标检测框架DAMO-YOLO 兼顾速度与精度

通用目标检测是计算机视觉的基本问题之一，在目标检测经典框架YOLO的基础上，阿里达摩院新推出了新框架DAMO-YOLO，兼顾速度与精度，已成为最新的SOTA。达摩院已宣布将该框架开源，并在魔搭社区上免费开放使用。

所谓目标检测，是让AI在图片中找到某些特定物体，不仅要识别这些对象的种类，还得标注出这些物体的位置。可以说，没有目标检测，自动驾驶等AI应用无从谈起。YOLO全称是You Only Look Once，只需要看一眼就可以识别出图中物体的类别和位置。从2016年提出以来，YOLO因其高效、精准成为了目标检测的经典算法框架，并不断演进，获得广泛使用。

目标检测示意

达摩院研究团队在YOLO基础上进行了一系列创新，对原有架进行了大幅的修改，形成了新框架DAMO-YOLO，创新包括：基于神经网络结构搜索技术（NAS）的高效检测骨干网络（backbone），更深的多尺度特征融合检测颈部（neck），精简的检测头结构（head），以及引入蒸馏技术进一步提升效果。其中，新骨干网络结构采用了阿里自研的MAE-NAS，这是一种启发式和免训练的NAS搜索方法，可以用于快速大范围搜索各种不同规模的骨干网络结构。由于这些创新和优化，DAMO-YOLO在严格限制时延的情况下显著提升了精度，成为YOLO框架中的新SOTA。

DAMO-YOLO和其他YOLO的性能对比

为了进一步提升实用性，DAMO-YOLO引入TinyNAS技术，使得用户可以根据硬件算力情况进行低成本的检测模型定制，提高硬件利用效率并且获得更高精度。模型之外，DAMO-YOLO还提供高效的训练策略以及便捷易用的部署工具，以便快速解决工业落地中的实际问题。目前，该框架已在AI模型社区魔搭ModelScope上线，支持快速调用，0代码可以体验模型效果，1行代码实现模型推理，10行代码实现模型调优。

使用入口：https://www.modelscope.cn/models/damo/cv_tinynas_object-detection_damoyolo/summary

代码地址：https://github.com/tinyvision/DAMO-YOLO