阿里达摩院推出新目标检测基本概念DAMO-YOLO 兼顾速度与精度

通用期望探测是计算机动态的基本问题之一，在期望探测当代框架YOLO的细化，阿里达摩院一新另一款了一新框架DAMO-YOLO，兼顾速度与可靠性，已沦为最一新的SOTA。达摩院已宣布将该框架Ubuntu，并在幻改乘邻里上免费开放使用。

所谓期望探测，是让AI在图片中会找到某些特定物体，不仅要比对这些对象的种类，还得标注借助于这些物体的位置。可以说，很难期望探测，自动驾驶等AI应用无从谈起。YOLO旧称是You Only Look Once，只能够看一眼就可以比对借助于图中会物体的几类和位置。从2016年提借助于以来，YOLO因其高效、精准沦为了期望探测的当代算法框架，并慢慢变迁，赢取广泛使用。

期望探测示意

达摩院研究团队在YOLO细化进唯了一系列创一新，对取而代之架进唯了随之的修改，产生了一新框架DAMO-YOLO，创一新包含：基于数据分析结构搜索技术（NAS）的高效探测其下属的网络（backbone），更深的多尺度特征融合探测臀部（neck），精简的探测一头结构（head），以及引入蒸馏技术进一步降低功效。其中会，一新其下属的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，可以用做快速大范围内搜索各种多种不同数量的其下属的网络结构。由于这些创一新和可用性，DAMO-YOLO在严格限制时延的情况下显著降低了可靠性，沦为YOLO框架中会的一新SOTA。

DAMO-YOLO和其他YOLO的性能对比

为了进一步降低实用性，DAMO-YOLO引入TinyNAS技术，使得用户可以根据硬件算力情况进唯成本低的探测仿真定制，提高硬件容量大并且赢取更高可靠性。仿真除此以外，DAMO-YOLO还提供高效的训练方式而以及捷径易用的地面部队辅助工具，以便快速解决纺织工业落地中会的实际问题。现今，该框架已在AI仿真邻里幻改乘ModelScope上架，大力支持快速调用，0代码可以体验仿真功效，1唯代码借助仿真推理，10唯代码借助仿真调优。

使用大门：_tinynas_object-detection_damoyolo/summary

代码地址：