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
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
