DAMO-YOLO frente a YOLO11
Al elegir una arquitectura de detección de objetos en tiempo real para tu próximo proyecto de visión artificial, conviene entender en qué se diferencian los principales modelos. Esta guía ofrece una comparación técnica de DAMO-YOLO y Ultralytics YOLO11, y abarca sus arquitecturas, métricas de rendimiento, métodos de entrenamiento y escenarios de despliegue más adecuados.
Detalles de DAMO-YOLO:
- Autores: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang y Xiuyu Sun
- Organización: Alibaba Group
- Fecha: 2022-11-23
- arXiv: 2211.15444v2
- GitHub: tinyvision/DAMO-YOLO
- Documentación: Documentación de DAMO-YOLO
Detalles de YOLO11:
- Autores: Glenn Jocher y Jing Qiu
- Organización: Ultralytics
- Fecha: 2024-09-27
- GitHub: ultralytics/ultralytics
- Documentación: Documentación de YOLO11
Filosofía de diseño de la arquitectura#
La arquitectura subyacente de un modelo de detección de objetos determina su velocidad de inferencia, precisión y adaptabilidad en distintos entornos de hardware.
DAMO-YOLO presenta varias innovaciones académicas y depende en gran medida de la búsqueda de arquitectura neuronal (NAS) para diseñar automáticamente su red troncal. Utiliza una RepGFPN eficiente (red de pirámide de características generalizada reparametrizada) para mejorar la fusión de características y un diseño ZeroHead que reduce considerablemente el pesado cabezal de predicción presente en arquitecturas anteriores. Aunque este enfoque basado en NAS permite a DAMO-YOLO lograr eficiencias específicas en determinadas GPU, las arquitecturas resultantes pueden carecer de la flexibilidad necesaria para generalizar en distintos dispositivos de borde.
En cambio, YOLO11 se apoya en años de investigación fundamental para ofrecer una arquitectura optimizada y diseñada manualmente. Se centra en una red troncal optimizada y un cuello eficiente que reduce los cálculos redundantes. Una de las principales ventajas de YOLO11 es su eficiencia de parámetros refinada: logra una representación de características de alta calidad sin los elevados requisitos de VRAM habituales en modelos basados en Transformer como RT-DETR. Esto hace que YOLO11 sea versátil y pueda funcionar con fluidez en GPU de consumo, dispositivos móviles y aceleradores de borde especializados.
Rendimiento y métricas#
Para evaluar el rendimiento, hay que ir más allá de la precisión general y tener en cuenta el equilibrio entre velocidad, tamaño del modelo y carga computacional (FLOPs).
| Modelo | tamaño (píxeles) | mAPval50-95 | Velocidad CPU ONNX (ms) | Velocidad T4 TensorRT10 (ms) | parámetros (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 |
| YOLO11n | 640 | 39.5 | 56.1 | 1.5 | 2.6 | 6.5 |
| YOLO11s | 640 | 47.0 | 90.0 | 2.5 | 9.4 | 21.6 |
| YOLO11m | 640 | 51.5 | 183.2 | 4.7 | 20.1 | 68.1 |
| YOLO11l | 640 | 53.4 | 238.6 | 6.2 | 25.3 | 87.2 |
| YOLO11x | 640 | 54.7 | 462.8 | 11.3 | 56.9 | 195.3 |
Como muestra la tabla, YOLO11 ofrece un equilibrio de rendimiento favorable. Por ejemplo, la variante YOLO11s supera a DAMO-YOLOs en precisión y, al mismo tiempo, ocupa mucho menos espacio en parámetros. Esta reducción de los requisitos de memoria se traduce directamente en menores costes de despliegue y un rendimiento más ágil en dispositivos de borde.
Metodologías de entrenamiento y facilidad de uso#
Los desarrolladores pasan gran parte del tiempo en el flujo de entrenamiento, por lo que la eficiencia del entrenamiento es una cuestión importante.
DAMO-YOLO utiliza un proceso de entrenamiento de varias etapas que depende en gran medida de la destilación de conocimiento. Emplea AlignedOTA (asignación por transporte óptimo) para asignar etiquetas y suele requerir entrenar un modelo «profesor» más grande para destilar conocimiento en modelos «alumno» más pequeños. Este método aumenta considerablemente el consumo de memoria CUDA y el tiempo de cálculo total necesario para converger.
Por el contrario, el ecosistema de Ultralytics abstrae la complejidad del entrenamiento de modelos. YOLO11 está diseñado para facilitar el uso e incorpora una API de Python optimizada y una CLI completa que permiten a los ingenieros empezar a entrenar con conjuntos de datos personalizados con un solo comando. El flujo de entrenamiento es eficiente en cuanto a recursos y minimiza los picos de consumo de memoria, de modo que incluso los modelos más grandes pueden entrenarse con hardware estándar.
Entrenar un modelo de Ultralytics no requiere código repetitivo. Los flujos integrados de carga de datos, aumento de datos y cálculo de la función de pérdida funcionan de inmediato.
Aquí tienes un ejemplo rápido de cómo entrenar y exportar un modelo de Ultralytics:
from ultralytics import YOLO
# Carga un modelo YOLO11 pequeño preentrenado
model = YOLO("yolo11s.pt")
# Entrena el modelo con un conjunto de datos personalizado
model.train(data="coco8.yaml", epochs=100, imgsz=640, device=0)
# Exporta el modelo entrenado a ONNX para implementarlo
model.export(format="onnx")Aplicaciones reales y versatilidad#
La elección entre estas arquitecturas suele depender de la variedad de tareas que requiera tu entorno de implementación.
Cuándo encaja DAMO-YOLO#
DAMO-YOLO es exclusivamente un marco de detección de objetos. Es adecuado para la investigación académica en la que los equipos exploran la reparametrización o reproducen experimentos específicos de búsqueda de arquitectura neuronal. También puede desplegarse en entornos industriales muy restringidos, donde un acelerador de GPU concreto se corresponde con la red troncal generada por NAS.
La ventaja de Ultralytics#
Los modelos de Ultralytics, incluido YOLO11, se utilizan ampliamente en aplicaciones comerciales gracias a su versatilidad y a un ecosistema bien mantenido. A diferencia de DAMO-YOLO, el marco de Ultralytics admite varias tareas de forma nativa. Desde la segmentación de instancias en imágenes médicas hasta la estimación de poses para el análisis biomecánico en el deporte, una única base de código unificada se encarga de todo.
Entre los sectores que utilizan YOLO11 se incluyen:
- Agricultura inteligente: utiliza la detección de objetos para supervisar el estado de los cultivos y automatizar la maquinaria de recolección.
- Analítica para el comercio minorista: implementa la videovigilancia inteligente para analizar el tránsito de clientes y automatizar la gestión del inventario.
- Logística y cadena de suministro: detección de códigos de barras y paquetes a alta velocidad mediante cuadros delimitadores orientados (OBB) en cintas transportadoras de movimiento rápido.
Casos de uso y recomendaciones#
La elección entre DAMO-YOLO y YOLO11 depende de los requisitos específicos de tu proyecto, las limitaciones de implementación y tus preferencias de ecosistema.
Cuándo elegir DAMO-YOLO#
DAMO-YOLO es una buena opción para:
- Analítica de vídeo de alto rendimiento: Procesamiento de flujos de vídeo con FPS elevados en una infraestructura fija de GPU NVIDIA, donde el rendimiento con lotes de tamaño 1 es la métrica principal.
- Líneas de fabricación industrial: Escenarios con estrictas limitaciones de latencia de GPU en hardware dedicado, como la inspección de calidad en tiempo real en líneas de montaje.
- Investigación sobre búsqueda de arquitecturas neuronales: Estudio de los efectos de la búsqueda automatizada de arquitecturas (MAE-NAS) y de las redes troncales reparametrizadas eficientes en el rendimiento de detección.
Cuándo elegir YOLO11#
Se recomienda YOLO11 para:
- Despliegue periférico en producción: Aplicaciones comerciales en dispositivos como Raspberry Pi o NVIDIA Jetson, donde la fiabilidad y el mantenimiento activo son fundamentales.
- Aplicaciones de visión multitarea: proyectos que requieren detección, segmentación, estimación de poses y OBB dentro de un único marco unificado.
- Prototipado y despliegue rápidos: Equipos que necesitan pasar rápidamente de la recopilación de datos a producción mediante la sencilla API de Python de Ultralytics.
Cuándo elegir Ultralytics (YOLO26)#
Para la mayoría de los proyectos nuevos, Ultralytics YOLO26 ofrece la mejor combinación de rendimiento y experiencia para desarrolladores:
- Implementación edge sin NMS: Aplicaciones que requieren una inferencia constante y de baja latencia, sin la complejidad del posprocesamiento de supresión no máxima (NMS).
- Entornos solo con CPU: Dispositivos sin aceleración dedicada por GPU, donde la inferencia hasta un 43 % más rápida de YOLO26 en CPU (YOLO26n frente a YOLO11n) ofrece una ventaja clara.
- Detección de objetos pequeños: Casos exigentes, como las imágenes aéreas tomadas con drones o el análisis de sensores IoT, donde ProgLoss y STAL mejoran notablemente la precisión al detectar objetos diminutos.
La próxima generación: presentamos YOLO26#
Aunque YOLO11 sigue siendo una opción potente y fiable, el panorama de la visión artificial evoluciona rápidamente. Para los desarrolladores que inician proyectos nuevos, se recomienda empezar con el último modelo YOLO26.
Lanzado en enero de 2026, YOLO26 incorpora varios avances:
- Diseño integral sin NMS: Con su cabezal one-to-one opcional (
nms=False), YOLO26 omite el posprocesamiento de supresión no máxima, lo que ofrece tiempos de inferencia más rápidos y predecibles, además de flujos de despliegue más sencillos. - Hasta un 43 % más de velocidad de inferencia en CPU: Al eliminar Distribution Focal Loss (DFL), YOLO26n funciona hasta un 43 % más rápido en CPU que YOLO11n y es muy adecuado para dispositivos de borde y de bajo consumo que no disponen de GPU dedicada.
- Optimizador MuSGD: Este optimizador híbrido aplica a la visión técnicas de entrenamiento de LLM (inspiradas en Moonshot AI) y ofrece una convergencia estable y rápida durante el entrenamiento.
- Técnicas de entrenamiento avanzadas: Con ProgLoss + STAL, YOLO26 mejora el reconocimiento de objetos pequeños, crucial para las imágenes aéreas y la robótica.
Conclusión#
Tanto DAMO-YOLO como YOLO11 han contribuido significativamente al avance de una visión artificial rápida y precisa. DAMO-YOLO ofrece interesantes perspectivas académicas sobre la búsqueda de arquitecturas y la destilación, pero Ultralytics YOLO11 (y el más reciente YOLO26) proporciona una experiencia de desarrollo más fluida.
Gracias a sus menores requisitos de memoria, su amplia documentación, sus capacidades multitarea y su integración con Ultralytics Platform, los modelos de Ultralytics siguen siendo la principal recomendación para investigadores e ingenieros empresariales que quieran crear soluciones de IA robustas y escalables. Si exploras otras arquitecturas avanzadas, la comparación entre YOLO26 y RT-DETR ofrece más información sobre alternativas basadas en Transformer.
Comentarios
Haz una pregunta, comparte tus resultados o ayuda a otra persona.