MLPerf Inference v6.0 Edge 套件升级至 YOLO11

引言

MLPerf Inference 基准已发展为衡量人工智能（AI）基础设施性能的行业标准，通过公平的基准平台和多样化工作负载（如视觉、语音和自然语言处理）来实现这一地位。MLCommons 致力于跟上最新 AI 工作负载的步伐，不仅引入了生成式 AI 新模型，还升级了传统工作负载。YOLO 任务组成立，旨在将 Edge 套件中的 RetinaNet 基准升级为 Ultralytics YOLO11，这是一款更现代化的 state-of-the-art 检测模型。

RetinaNet 多年来一直是单阶段检测的可靠学术基准，但升级至更现代的 YOLO（You Only Look Once）变体有充分理由。YOLO 在研究和实际应用中迅猛发展，得益于加速创新、频繁发布和强大社区支持，成为现代目标检测工作负载中最有效且备受关注的模型之一。Ultralytics 于 2024 年 9 月发布的 YOLO11 引入了显著的架构和训练改进，实现更高精度且参数更少，提供从 YOLO11n（nano）到 YOLO11x（extra large）的变体，支持多样化的计算-精度权衡。与之相比，RetinaNet 近年更新较少，开发势头减弱，社区采用率下降。而 YOLO 家族持续快速演进，体现了 AI 行业目标检测领域的 cutting-edge 进展和主流趋势。

模型选择

在 YOLO 之前，state-of-the-art 检测器多为“two-stage”系统，先提出感兴趣区域再分类。YOLO 模型于 2015 年由华盛顿大学的 Joseph Redmon 等首次提出，将目标检测视为单一回归问题——在单次通过中同时预测边界框和类别概率，而以往如 R-CNN 需要每张图像数千次独立通过。这种“single-shot”方法牺牲少量精度换取巨大加速，实现 45 FPS 的实时检测。随后，Ultralytics 等社区驱动的改进进一步提升了版本。

初始挑战在于平衡成熟版本的稳定性与最新发布的 cutting-edge 精度。虽然 Ultralytics YOLOv8 等旧版凭借 anchor-free 设计和广泛社区支持已成为行业标准，但我们最终聚焦 YOLO11，甚至预览了新兴的 Ultralytics YOLO26，以确保基准 future-proof。

技术分析显示，YOLO11 在参数效率和原始精度上实现重大飞跃。对于基准，我们选用 YOLO11l（large）变体，在 COCO 数据集上 mAP 达 53.4%，优于 YOLOv8l 的 52.9%。mAP（Mean Average Precision）作为质量终极指标，平衡了精度（正确检测数）和召回率（发现对象数）。这得益于参数仅 2530 万，通过替换旧 C2f 模块为高效 C3k2 块，并集成 C2PSA（Cross-Stage Partial Spatial Attention），提升对显著区域的关注而无计算成本成比例增加。

除 YOLO 家族外，我们还评估了其他现代架构，如 EfficientDet（凭借 BiFPN 的精度-FLOPs 比）、transformer-based 检测器如 DETR 和 Deformable 后继者（流线型无 NMS 训练和全局上下文）。最终选用 YOLO11 Large，因其无与伦比的生产吞吐量，能严苛测试硬件互连和数据加载管道。选择 YOLO11 使 MLPerf 基准反映真实部署模式，推动厂商优化高效率 attention-augmented 卷积神经网络。

本文由 赢政天下编译整理，原文来自海外媒体 - Winzheng.com。

图 1. YOLO11 示意图，显示 Backbone、Neck 和 Head 组件（改编自 A. T. Khan 和 S. M. Jensen 的 LEAF-Net，2024 年 12 月）。

数据集

选择合适数据集是 YOLO Inference 基准集成的关键决策，作为基准有效性的 ground truth。我们选用 COCO 2017（Common Objects in Context），因其用于训练 YOLO 模型，并仍是目标检测金标准。包含 80 个对象类别、超过 150 万实例，确保模型不只是记忆形状，而是真正理解真实图像中的空间关系和隐藏组件。模型未由任务组训练，我们使用 COCO 验证集子集，并验证其保持原始精度。

然而，对于 MLPerf 等开放基准分发大规模数据集存在法律合规挑战，COCO 标注虽开放，但部分图像标注“Non-Commercial”，不符商业基准要求。为此，任务组开发自定义过滤管道，创建全 COCO 2017 的安全子集，确保合作伙伴数据集完全可分发且合法，适用于学术和工业，同时不损害基准统计完整性。

MLPerf 子集

表 1：COCO MLPerf 子集与完整数据集的安全图像总数对比。

LoadGen 集成

创建 COCO 数据集后，确保 YOLO LoadGen 集成的一致准确率至关重要。MLCommons LoadGen（Load Generator）是一个可复用 C++ 库（带 Python 绑定），通过标准化查询流量模式（如 SingleStream、MultiStream 和 Offline）公平衡量 ML 推理系统性能。LoadGen API 记录所有查询和响应，用于验证，并汇总是否满足延迟约束。它模型无关、不处理准确率评估，但生成模型特定准确率计算所需文件。

最初，YOLO11 实现生成标准 predictions.json 文件，虽适用于一般 COCO 验证，但与 COCO MLPerf Accuracy 脚本不兼容，原因包括：

• 类别映射不一致：YOLO 传统使用 COCO 衍生的 80 类索引（0-79），但 MLPerf 准确率评估需 91 类别映射，ID 非连续。
• 坐标归一化：标准 YOLO 输出常为绝对像素坐标或 XYWH 格式。为准确率评估，需特定序列化负载：7 元 float 数组 [index, ymin, xmin, ymax, xmax, score, class]，坐标须相对于原图尺寸归一化（0.0-1.0）。
• 缓冲序列化：不同于标准 JSON，MLPerf LoadGen 要求通过 QuerySamplesComplete API 序列化为字节缓冲。

识别并解决上述问题后，我们的 YOLO LoadGen 实现与 Ultralytics 参考 mAP 匹配。策略包括：

• 类别重新索引：使用官方 COCO 80-to-91 转换数组实现鲁棒映射层，确保 YOLO 每个检测立即转换为准确率脚本认可的类别 ID 空间。
  Target ID = COCO80_to_91[Model Class Index]
• 坐标转换：重写 Runner.enque 逻辑动态处理图像几何。从 Ultralytics 结果对象提取原高度（H）和宽度（W），实时归一化。