DAMO-YOLO frente a PP-YOLOE+#
En el competitivo panorama de la visión artificial en tiempo real, elegir la arquitectura óptima para tus necesidades específicas de despliegue es crucial. Esta guía ofrece una comparación técnica completa entre DAMO-YOLO y PP-YOLOE+, profundizando en sus diseños arquitectónicos, metodologías de entrenamiento y métricas de rendimiento. También examinaremos cómo se comparan estos modelos con soluciones de vanguardia como el recién lanzado Ultralytics YOLO26.
Resumen de modelos#
Ambos frameworks surgieron en 2022 como alternativas potentes para aplicaciones industriales, aprovechando técnicas sofisticadas para superar los límites de la precisión y la velocidad de inferencia.
DAMO-YOLO#
Desarrollado por el Alibaba Group, DAMO-YOLO introdujo varias técnicas novedosas para optimizar la relación entre latencia y precisión, apoyándose fuertemente en técnicas de búsqueda automatizada y fusión de características avanzada.
- Autores: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang y Xiuyu Sun
- Organización: Alibaba Group
- Fecha: 23-11-2022
- Arxiv: DAMO-YOLO: A Report on Real-Time Object Detection Design
- GitHub: tinyvision/DAMO-YOLO
- Docs: DAMO-YOLO README
DAMO-YOLO emplea una búsqueda de arquitectura multiescala (MAE-NAS) para diseñar automáticamente backbones optimizados para la eficiencia del hardware. También cuenta con una eficiente RepGFPN (Re-parameterized Generalized Feature Pyramid Network) para la fusión de características del cuello y un diseño ligero "ZeroHead". Además, se basa en gran medida en técnicas de destilación durante el entrenamiento para potenciar la capacidad de representación del modelo estudiante.
Más información sobre DAMO-YOLO
PP-YOLOE+#
Proveniente del equipo PaddlePaddle de Baidu, PP-YOLOE+ es una actualización incremental de la arquitectura PP-YOLOE. Se centra en el entrenamiento previo a gran escala y en funciones de pérdida refinadas para ofrecer un mAP elevado, especialmente dentro de su marco de aprendizaje profundo nativo.
- Autores: Autores de PaddlePaddle
- Organización: Baidu
- Fecha: 02-04-2022
- Arxiv: PP-YOLOE: An evolved version of YOLO
- GitHub: PaddlePaddle/PaddleDetection
- Docs: PP-YOLOE+ Configs
PP-YOLOE+ utiliza un backbone CSPRepResNet y un ET-head (Efficient Task-aligned head). La versión "plus" introduce una potente estrategia de preentrenamiento en el conjunto de datos Objects365, lo que mejora significativamente su capacidad de generalización en diversos entornos del mundo real.
Comparativa arquitectónica#
La divergencia en la filosofía de diseño entre estos dos modelos influye enormemente en sus casos de uso ideales y en su compatibilidad de hardware.
Fusión de características y backbones#
Los backbones generados por MAE-NAS de DAMO-YOLO están muy adaptados a dispositivos de borde, ofreciendo a menudo una relación favorable entre velocidad y parámetros. Sin embargo, estas arquitecturas personalizadas pueden ser rígidas y complejas de adaptar para tareas novedosas como la segmentación de instancias. El cuello RepGFPN mejora la fusión de características multi-escala, pero añade complejidad durante la fase de exportación de re-parametrización.
PP-YOLOE+ depende del más tradicional, aunque altamente efectivo, CSPRepResNet. Aunque este backbone requiere una huella de parámetros mayor que DAMO-YOLO para una precisión similar, es altamente estable de entrenar y más fácil de integrar en pipelines existentes. Su ET-head maneja eficientemente la clasificación y la regresión, pero aún requiere pasos de post-procesamiento como la supresión de no máximos (NMS).
Tanto DAMO-YOLO como PP-YOLOE+ requieren NMS para el post-procesamiento de las cajas delimitadoras. Si la latencia de inferencia es crítica, considera usar Ultralytics YOLO26, que cuenta con un Diseño Nativo End-to-End sin NMS. Este enfoque innovador elimina el post-procesamiento NMS para lograr un flujo de despliegue más rápido y sencillo.
Análisis de rendimiento y métricas#
Al evaluar estos modelos para producción, el equilibrio entre precisión (mAP), velocidad de inferencia y tamaño de parámetros es crítico. A continuación, se muestra una comparación directa de sus variantes principales.
| Modelo | tamaño (píxeles) | mAPval 50-95 | Velocidad CPU ONNX (ms) | Velocidad T4 TensorRT10 (ms) | params (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| DAMO-YOLOt | 640 | 42.0 | - | 2.32 | 8.5 | 18.1 |
| DAMO-YOLOs | 640 | 46.0 | - | 3.45 | 16.3 | 37.8 |
| DAMO-YOLOm | 640 | 49.2 | - | 5.09 | 28.2 | 61.8 |
| DAMO-YOLOl | 640 | 50.8 | - | 7.18 | 42.1 | 97.3 |
| PP-YOLOE+t | 640 | 39.9 | - | 2.84 | 4.85 | 19.15 |
| PP-YOLOE+s | 640 | 43.7 | - | 2.62 | 7.93 | 17.36 |
| PP-YOLOE+m | 640 | 49.8 | - | 5.56 | 23.43 | 49.91 |
| PP-YOLOE+l | 640 | 52.9 | - | 8.36 | 52.2 | 110.07 |
| PP-YOLOE+x | 640 | 54.7 | - | 14.3 | 98.42 | 206.59 |
Como ilustra la tabla, DAMO-YOLO generalmente logra una latencia menor en las escalas pequeña (s) y diminuta (t), gracias a sus backbones optimizados mediante NAS. Sin embargo, PP-YOLOE+ escala increíblemente bien en los niveles medio (m) y grande (l), presumiendo de puntuaciones mAP significativamente más altas, aunque con un ligero coste en la velocidad de T4 TensorRT.
Requisitos de memoria y eficiencia de entrenamiento#
La dependencia de DAMO-YOLO en la destilación significa que a menudo necesitas entrenar un modelo profesor mucho más grande antes de entrenar el modelo estudiante más pequeño. Esto incrementa drásticamente los requisitos de memoria CUDA y el presupuesto computacional general. PP-YOLOE+ simplifica esto con un entrenamiento estándar de una sola etapa, pero sigue estando fuertemente acoplado al marco PaddlePaddle, lo que puede limitar la flexibilidad para los equipos acostumbrados a PyTorch.
En contraste, el moderno modelo Ultralytics YOLO26 resuelve estos cuellos de botella. Utilizando el nuevo Optimizador MuSGD—un híbrido de SGD y Muon inspirado en las innovaciones de entrenamiento de LLM—, YOLO26 logra una convergencia más rápida y un entrenamiento altamente estable sin requerir complejos conductos de destilación. Además, los modelos YOLO típicamente requieren mucha menos memoria CUDA durante el entrenamiento en comparación con los detectores basados en transformadores como RT-DETR.
Aplicaciones del mundo real y casos de uso ideales#
Cuándo usar DAMO-YOLO#
DAMO-YOLO es ideal para la inferencia en el borde de alto rendimiento donde la latencia es el cuello de botella definitivo. Sus variantes pequeñas sobresalen en entornos como sistemas de gestión de tráfico o vigilancia básica con drones, siempre que tu equipo de ingeniería tenga la capacidad de gestionar sus complejos procesos de destilación y re-parametrización.
Cuándo usar PP-YOLOE+#
PP-YOLOE+ destaca cuando ya estás profundamente invertido en el ecosistema de Baidu o estás ejecutando despliegues de servidores a gran escala. Su impresionante mAP lo hace adecuado para análisis de imágenes médicas complejas o detección de defectos de fabricación densa.
La ventaja de Ultralytics#
Aunque tanto DAMO-YOLO como PP-YOLOE+ ofrecen ventajas localizadas específicas, los desarrolladores que buscan la máxima versatilidad, velocidad y facilidad de uso recurren constantemente a la Plataforma Ultralytics.
Al actualizar tu pipeline de visión artificial, Ultralytics YOLO26 proporciona una experiencia de desarrollador inigualable:
- Hasta un 43% más de rapidez en inferencia por CPU: Con la eliminación completa de la pérdida focal de distribución (DFL), YOLO26 es notablemente rápido en CPUs de borde y dispositivos IoT de baja potencia.
- Detección de Objetos Pequeños Mejorada: La integración de las funciones de pérdida ProgLoss y STAL proporciona mejoras drásticas en el reconocimiento de objetos pequeños, algo vital para la fotografía aérea.
- Versatilidad Extensa: A diferencia de PP-YOLOE+, que se centra estrictamente en la detección, YOLO26 maneja sin problemas la estimación de poses, las cajas delimitadoras orientadas (OBB) y la segmentación semántica con mejoras arquitectónicas específicas para cada tarea.
Conclusión#
DAMO-YOLO y PP-YOLOE+ representan hitos importantes en la evolución de la detección de objetos sin anclas. DAMO-YOLO superó los límites de la búsqueda de arquitectura neuronal para la latencia en el borde, mientras que PP-YOLOE+ demostró el poder del preentrenamiento a gran escala.
Sin embargo, para los desarrolladores que buscan el mejor equilibrio de velocidad, precisión y simplicidad de despliegue, el modelo Ultralytics YOLO26 es la opción definitiva. Su arquitectura sin NMS, su robusta API de Python y su integración fluida con herramientas como Weights & Biases y TensorRT garantizan que tus proyectos avancen sin problemas desde el prototipo hasta la producción.
¿Listo para empezar? Explora la Guía de Inicio Rápido de Ultralytics o compara más modelos en nuestra descripción general de YOLO11 vs DAMO-YOLO.