DAMO-YOLO frente a YOLOv5#
La evolución de la computer vision ha estado marcada por la innovación continua en la detección de objetos en tiempo real. Hoy en día, los desarrolladores y investigadores se enfrentan a una miríada de opciones arquitectónicas al diseñar pipelines de visión. Esta comparativa técnica exhaustiva explora los matices entre DAMO-YOLO y Ultralytics YOLOv5, destacando sus respectivas arquitecturas, metodologías de entrenamiento, métricas de rendimiento y escenarios de despliegue ideales.
Introducción a DAMO-YOLO#
Publicado por Alibaba Group, DAMO-YOLO introdujo varias técnicas novedosas destinadas a superar los límites de la velocidad y la precisión en la detección.
- Autores: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang y Xiuyu Sun
- Organization: Alibaba Group
- Fecha: 23 de noviembre de 2022
- Arxiv: 2211.15444v2
- GitHub: tinyvision/DAMO-YOLO
- Documentación: README.md
Más información sobre DAMO-YOLO
Innovaciones arquitectónicas#
DAMO-YOLO se basa en los cimientos de la Búsqueda de Arquitectura Neural (NAS, por sus siglas en inglés). Los autores utilizaron MAE-NAS para diseñar automáticamente backbones que equilibran la latencia y la precisión. El modelo introduce un eficiente RepGFPN (Reparameterized Generalized Feature Pyramid Network) que mejora la fusión de características a diferentes escalas. Además, DAMO-YOLO incorpora un diseño "ZeroHead", eliminando las complejas cabezas de predicción multirrama en favor de una estructura más simple y eficiente que depende en gran medida de la reparametrización durante la inferencia.
Para mejorar el entrenamiento, el modelo utiliza AlignedOTA para la asignación de etiquetas y un proceso intensivo de mejora mediante destilación, en el que un modelo "profesor" más grande guía al modelo "alumno" más pequeño para lograr una mayor precisión.
Introducción a Ultralytics YOLOv5#
Ultralytics YOLOv5 es una de las arquitecturas de visión más adoptadas en el mundo, reconocida por su estabilidad, facilidad de uso y su extenso ecosistema de despliegue.
- Autores: Glenn Jocher
- Organización: Ultralytics
- Fecha: 26 de junio de 2020
- GitHub: ultralytics/yolov5
- Docs: YOLOv5 Documentation
El estándar del ecosistema#
YOLOv5 redefinió el estándar de la industria en cuanto a usabilidad. Construido de forma nativa en PyTorch, utiliza un backbone CSPNet altamente optimizado y un cuello PANet para una agregación robusta de características. Aunque precedió a la tendencia sin anclajes (anchor-free) vista en modelos posteriores, su enfoque basado en anclajes altamente refinado, junto con el aprendizaje automático de anclajes, garantiza un rendimiento excelente desde el primer momento.
La verdadera fuerza de YOLOv5 radica en su Ecosistema Bien Mantenido. Se integra sin problemas con herramientas de seguimiento como Comet y Weights & Biases, y admite exportaciones con un solo clic a formatos como ONNX, TensorRT y CoreML.
YOLOv5 es increíblemente fácil de entrenar en datasets personalizados. La API optimizada reduce la fricción desde el prototipo hasta la producción, convirtiéndolo en un favorito entre los equipos de ingeniería ágiles.
Comparación de rendimiento y métricas#
Al comparar estos modelos, es fundamental observar el equilibrio entre la precisión media (mAP), la velocidad de inferencia y el número de parámetros.
| 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 |
| YOLOv5n | 640 | 28.0 | 73.6 | 1.12 | 2.6 | 7.7 |
| YOLOv5s | 640 | 37.4 | 120.7 | 1.92 | 9.1 | 24.0 |
| YOLOv5m | 640 | 45.4 | 233.9 | 4.03 | 25.1 | 64.2 |
| YOLOv5l | 640 | 49.0 | 408.4 | 6.61 | 53.2 | 135.0 |
| YOLOv5x | 640 | 50.7 | 763.2 | 11.89 | 97.2 | 246.4 |
Análisis de las compensaciones#
DAMO-YOLO alcanza puntuaciones de mAP impresionantes para sus tamaños de parámetros, beneficiándose en gran medida de su fase de entrenamiento por destilación. Sin embargo, esto tiene el coste de la Eficiencia de Entrenamiento. El proceso de destilación de múltiples etapas requiere entrenar primero un modelo profesor pesado, lo que aumenta significativamente el tiempo de GPU compute necesario y la VRAM.
Por el contrario, YOLOv5 ofrece unos Requisitos de Memoria excelentes. Los modelos de Ultralytics YOLO son conocidos por un menor uso de memoria tanto durante el entrenamiento como en la inferencia en comparación con los complejos pipelines de destilación o los modelos basados en Transformer como RT-DETR. Esto permite entrenar YOLOv5 de manera eficiente en hardware de consumo o en entornos de nube accesibles como Google Colab.
Aplicaciones en el mundo real y versatilidad#
Elegir la arquitectura correcta suele depender del entorno de despliegue.
Donde destaca DAMO-YOLO#
DAMO-YOLO es estrictamente un modelo de object detection. Es una opción excelente para la investigación académica, en particular para equipos que estudian la Búsqueda de Arquitectura Neural o aquellos que pretenden reproducir las técnicas de reparametrización detalladas en el artículo. Si un proyecto cuenta con amplios recursos computacionales para ejecutar la fase de entrenamiento por destilación y se centra únicamente en exprimir la última fracción de precisión para cajas delimitadoras 2D, DAMO-YOLO es un fuerte competidor.
La ventaja de Ultralytics#
Para la producción en el mundo real, la Facilidad de Uso y la Versatilidad de los modelos de Ultralytics los convierten en la opción preferida. Aunque YOLOv5 sigue siendo un elemento básico para la detección y la image classification, el ecosistema más amplio de Ultralytics permite a los desarrolladores cambiar sin esfuerzo entre tareas.
Por ejemplo, las iteraciones más nuevas de la familia Ultralytics admiten de forma nativa la instance segmentation, la pose estimation y la detección Oriented Bounding Box (OBB). Esta capacidad multitarea garantiza que los equipos puedan utilizar una única API de Python unificada para pipelines complejos, como combinar el automated number plate recognition con la segmentación de vehículos.
Casos de uso y recomendaciones#
Elegir entre DAMO-YOLO y YOLOv5 depende de los requisitos específicos de tu proyecto, las restricciones de despliegue y las 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 de altos FPS en infraestructura de GPU NVIDIA fija, donde el rendimiento por lote (batch-1) es la métrica principal.
- Líneas de fabricación industrial: Escenarios con restricciones estrictas de latencia de GPU en hardware dedicado, como la inspección de calidad en tiempo real en líneas de montaje.
- Investigación en búsqueda de arquitectura neuronal: Estudio de los efectos de la búsqueda automatizada de arquitectura (MAE-NAS) y backbones reparametrizados eficientes en el rendimiento de detección.
Cuándo elegir YOLOv5#
YOLOv5 se recomienda para:
- Sistemas de producción probados: Despliegues existentes donde se valora la larga trayectoria de estabilidad, la extensa documentación y el enorme soporte de la comunidad de YOLOv5.
- Entrenamiento con recursos limitados: Entornos con recursos de GPU limitados donde la eficiente canalización de entrenamiento de YOLOv5 y sus menores requisitos de memoria son ventajosos.
- Amplio soporte de formatos de exportación: Proyectos que requieren despliegue en muchos formatos, incluidos ONNX, TensorRT, CoreML y TFLite.
Cuándo elegir Ultralytics (YOLO26)#
Para la mayoría de los proyectos nuevos, Ultralytics YOLO26 ofrece la mejor combinación de rendimiento y experiencia de desarrollo:
- Implementación en el borde sin NMS: Aplicaciones que requieren una inferencia consistente y de baja latencia sin la complejidad del posprocesamiento de supresión de no máximos.
- Entornos solo de CPU: Dispositivos sin aceleración de GPU dedicada, donde la inferencia en CPU hasta un 43% más rápida de YOLO26 proporciona una ventaja decisiva.
- Detección de objetos pequeños: Escenarios desafiantes como la aerial drone imagery o el análisis con sensores IoT donde ProgLoss y STAL mejoran significativamente la precisión en objetos diminutos.
El futuro: pasarse a YOLO26#
Aunque YOLOv5 es legendario y DAMO-YOLO proporciona interesantes conocimientos académicos, el estado del arte ha evolucionado. Lanzado en enero de 2026, Ultralytics YOLO26 representa un salto masivo para la comunidad de visión.
YOLO26 aborda los cuellos de botella tradicionales del despliegue en el borde (edge) y la inestabilidad del entrenamiento:
- Diseño de Extremo a Extremo sin NMS: YOLO26 elimina de forma nativa el postprocesamiento de Supresión de No Máximos. Este avance simplifica la lógica de despliegue y reduce drásticamente la variabilidad de la latencia, haciéndolo ideal para robotics de alta velocidad y sistemas autónomos.
- Optimizador MuSGD: Inspirado en las innovaciones del entrenamiento de LLM (como el Kimi K2 de Moonshot AI), YOLO26 utiliza el optimizador MuSGD (un híbrido de SGD y Muon). Esto garantiza ejecuciones de entrenamiento altamente estables y una convergencia notablemente más rápida.
- Inferencia en CPU hasta un 43% más rápida: Al eliminar estratégicamente la Pérdida Focal de Distribución (DFL), YOLO26 alcanza velocidades enormemente superiores en CPU y dispositivos edge en comparación con sus predecesores como YOLO11 y YOLOv8.
- ProgLoss + STAL: Estas funciones de pérdida avanzadas producen mejoras notables en el reconocimiento de objetos pequeños, lo cual es fundamental para analizar aerial drone imagery y fuentes de sensores de IoT.
Ejemplo de código: Simplicidad en acción#
El paquete de Ultralytics te permite entrenar y desplegar modelos con solo unas pocas líneas de código. Tanto si estás utilizando YOLOv5 como si te actualizas al recomendado YOLO26, la interfaz sigue siendo coherente e intuitiva.
from ultralytics import YOLO
# Load the state-of-the-art YOLO26 small model
model = YOLO("yolo26s.pt")
# Train on a custom dataset effortlessly
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Run inference on an image and display results
predictions = model("https://ultralytics.com/images/bus.jpg")
predictions[0].show()
# Export the model for edge deployment
model.export(format="onnx")Conclusión#
Tanto DAMO-YOLO como YOLOv5 han contribuido significativamente al panorama de la visión por ordenador. DAMO-YOLO muestra el poder de la búsqueda de arquitectura neuronal y la destilación, lo que lo convierte en un estudio interesante para los investigadores. Sin embargo, YOLOv5 sigue siendo una potencia práctica debido a su equilibrio de rendimiento, sus bajos requisitos de memoria y su inigualable facilidad de uso.
Para los desarrolladores que comienzan nuevos proyectos hoy en día, la recomendación es aprovechar la Ultralytics Platform y adoptar YOLO26. Combina el querido ecosistema fácil de usar de YOLOv5 con innovadores avances arquitectónicos, garantizando una precisión de primer nivel y una inferencia ultrarrápida tanto para aplicaciones de IA en la nube como en el edge. Los desarrolladores también pueden querer explorar otros modelos eficientes como YOLOv6 o YOLOX dependiendo de las restricciones específicas de hardware heredado.