DAMO-YOLO frente a YOLOv10
Las arquitecturas de detección de objetos en tiempo real han evolucionado rápidamente en la visión artificial. DAMO-YOLO y YOLOv10 representan dos filosofías de diseño distintas: búsqueda automatizada de arquitecturas frente a optimización integral sin NMS. Aunque ambos mejoran la precisión y la velocidad, sus estructuras subyacentes y casos de uso más adecuados difieren considerablemente.
DAMO-YOLO: búsqueda de arquitecturas neuronales a gran escala#
Desarrollado por el Grupo Alibaba, DAMO-YOLO es un detector que utiliza el descubrimiento automatizado de arquitecturas para lograr eficiencia estructural.
- Autores: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang y Xiuyu Sun
- Fecha: 23 de noviembre de 2022
- arXiv: 2211.15444v2
- GitHub: tinyvision/DAMO-YOLO
Aspectos arquitectónicos destacados#
DAMO-YOLO depende en gran medida de la búsqueda de arquitectura neuronal (NAS) para equilibrar el rendimiento y la latencia. Su red troncal, llamada MAE-NAS, utiliza una búsqueda guiada por entropía máxima con presupuestos computacionales estrictos para encontrar la profundidad y la anchura óptimas de las capas.
Para fusionar características a distintas escalas, el modelo emplea una RepGFPN eficiente (red de pirámide de características generalizada reparametrizada). Este diseño con un cuello pesado es adecuado para extraer jerarquías espaciales complejas, por lo que resulta útil en escenarios como el análisis de imágenes aéreas. DAMO-YOLO también incorpora ZeroHead, un cabezal de detección optimizado que reduce considerablemente la complejidad de las capas de predicción finales, y depende de un proceso de mejora mediante destilación durante el entrenamiento.
DAMO-YOLO suele utilizar un proceso de destilación de conocimiento en varias etapas. Requiere entrenar un modelo «profesor» más pesado para guiar al modelo «alumno» más pequeño, lo que permite obtener un mAP (precisión media promedio) mayor, pero aumenta considerablemente el tiempo de cálculo de GPU necesario.
Más información sobre DAMO-YOLO
YOLOv10: detección en tiempo real sin NMS#
Lanzado un año y medio más tarde, YOLOv10 eliminó la necesidad de aplicar supresión no máxima (NMS) durante la inferencia.
- Autores: Ao Wang, Hui Chen, Lihao Liu, et al.
- Organización: Universidad de Tsinghua
- Fecha: 23 de mayo de 2024
- arXiv: 2405.14458
- Documentación: Ultralytics YOLOv10
Aspectos arquitectónicos destacados#
La característica más destacada de YOLOv10 son sus asignaciones duales coherentes para el entrenamiento sin NMS. Los detectores tradicionales predicen varios cuadros delimitadores superpuestos para un mismo objeto, por lo que necesitan NMS para filtrar los duplicados. Este paso de posprocesamiento crea un cuello de botella, sobre todo en dispositivos periféricos. YOLOv10 lo resuelve permitiendo que el modelo prediga de forma natural un único cuadro delimitador preciso por objeto.
Los autores también se centraron en un diseño de modelo integral impulsado por la eficiencia y la precisión. Tras analizar cuidadosamente la redundancia computacional de las arquitecturas existentes, optimizaron la red troncal y el cabezal para reducir el número de FLOPs y parámetros. Este diseño ligero proporciona a YOLOv10 una latencia de inferencia baja al exportarlo a formatos como TensorRT u OpenVINO.
Rendimiento y pruebas de referencia#
La tabla siguiente muestra las métricas de rendimiento sin procesar en el conjunto de datos COCO. Los mejores valores generales de cada columna aparecen en negrita.
| 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 |
| YOLOv10n | 640 | 38.5 | - | 1.84 | 2.3 | 6.7 |
| YOLOv10s | 640 | 46.3 | - | 2.49 | 7.2 | 21.6 |
| YOLOv10m | 640 | 51.1 | - | 4.74 | 15.4 | 59.1 |
| YOLOv10b | 640 | 52.5 | - | 5.74 | 19.1 | 92.0 |
| YOLOv10l | 640 | 53.2 | - | 7.28 | 24.4 | 120.3 |
| YOLOv10x | 640 | 54.4 | - | 10.70 | 29.5 | 160.4 |
Aunque DAMO-YOLO ofrece una precisión competitiva, YOLOv10 alcanza una precisión mayor con tamaños comparables y pesos del modelo considerablemente menores. Por ejemplo, YOLOv10s logra un mAP ligeramente superior (46,3 %) al de DAMO-YOLOs (46,0 %) y utiliza menos de la mitad de parámetros (7,2 M frente a 16,3 M). Sus menores requisitos de memoria hacen de YOLOv10 una opción versátil para sistemas integrados.
Eficiencia y facilidad de uso del entrenamiento#
Al pasar de la investigación académica a producción, la facilidad de uso es fundamental. El proceso de destilación en varias etapas y las complejas configuraciones NAS de DAMO-YOLO suponen una curva de aprendizaje pronunciada para los equipos de ingeniería.
En cambio, YOLOv10 se beneficia de su integración completa en el paquete Python de Ultralytics. Entrenar un modelo personalizado requiere muy poco código repetitivo. Ultralytics gestiona automáticamente el aumento de datos, el ajuste de hiperparámetros y el seguimiento de experimentos.
from ultralytics import YOLO
# Carga un modelo nano YOLOv10 preentrenado
model = YOLO("yolov10n.pt")
# Entrena con un conjunto de datos personalizado y validación integrada
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Ejecuta la inferencia en una imagen
prediction = model("path/to/image.jpg")
prediction[0].show()Con el ecosistema Ultralytics, los desarrolladores pueden pasar de un prototipo a un modelo ONNX exportado completo con solo unas líneas de código, sin las complejas configuraciones de entorno que requieren los marcos más antiguos.
Casos de uso reales#
- Comercio minorista inteligente (DAMO-YOLO): la precisión de DAMO-YOLO resulta adecuada para entornos de servidor de alta densidad que analizan el comportamiento de los clientes, donde abundan las GPU y los cuellos de botella de NMS en tiempo real son manejables.
- Vehículos autónomos (YOLOv10): La arquitectura sin NMS ofrece una latencia predecible, fundamental para los sistemas de seguridad en la conducción autónoma.
- Automatización industrial (YOLOv10): Detectar defectos en líneas de montaje de alta velocidad requiere modelos que maximicen la velocidad de inferencia en tiempo real sin consumir grandes cantidades de VRAM, por lo que YOLOv10 es una opción excelente para el despliegue en el borde.
Casos de uso y recomendaciones#
La elección entre DAMO-YOLO y YOLOv10 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 YOLOv10#
YOLOv10 se recomienda para:
- Detección en tiempo real sin NMS: Aplicaciones que se benefician de la detección de extremo a extremo sin supresión no máxima, lo que reduce la complejidad de la implementación.
- Equilibrio entre velocidad y precisión: Proyectos que necesitan un buen equilibrio entre la velocidad de inferencia y la precisión de detección en distintas escalas de modelo.
- Aplicaciones con latencia constante: Escenarios de implementación en los que los tiempos de inferencia predecibles son fundamentales, como la robótica o los sistemas autónomos.
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 necesitan inferencias uniformes y de baja latencia sin la complejidad del posprocesamiento con supresión no máxima.
- 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 nueva generación: llega Ultralytics YOLO26#
Aunque YOLOv10 sentó las bases de la detección sin NMS, la tecnología ha evolucionado rápidamente. Para las aplicaciones modernas, el modelo Ultralytics YOLO26 combina un rendimiento sólido y facilidad de uso, y perfecciona las mejores ideas de las generaciones anteriores para su uso en producción.
YOLO26 cuenta con un modo integral nativo (nms=False) que omite el posprocesamiento de NMS para simplificar los flujos de despliegue en dispositivos de borde. La eliminación de Distribution Focal Loss (DFL) también mejora la compatibilidad con el hardware de IA en el borde de bajo consumo.
En cuanto al entrenamiento, YOLO26 incorpora el optimizador MuSGD, un método híbrido inspirado en técnicas de entrenamiento de modelos de lenguaje grandes (LLM), para conseguir un entrenamiento más estable y una convergencia más rápida. Junto con ProgLoss + STAL (función de pérdida progresiva y asignación de etiquetas consciente de los objetos pequeños), YOLO26 mejora el reconocimiento de objetos pequeños, una característica esencial para la conservación de la fauna y las operaciones con drones.
YOLO26 es mucho más que un detector de objetos. Ofrece mejoras específicas para distintas tareas y admite de forma nativa la segmentación de instancias, la estimación de poses mediante estimación residual de log-verosimilitud (RLE) y funciones de pérdida angular especializadas para cajas delimitadoras orientadas (OBB). Con una inferencia en CPU hasta un 43 % más rápida en YOLO26n que en YOLO11n, es la opción recomendada para equipos de ingeniería ágiles.
Para la gestión centralizada, el etiquetado y el entrenamiento en la nube de modelos YOLO26, la Ultralytics Platform ofrece una interfaz intuitiva que optimiza todo el ciclo de vida de la visión artificial.
Los desarrolladores interesados en explorar otros avances recientes también pueden evaluar Ultralytics YOLO11 o el marco basado en Transformer RT-DETR para situaciones que requieran soluciones arquitectónicas distintas.
Comentarios
Haz una pregunta, comparte tus resultados o ayuda a otra persona.