Empezar

DAMO-YOLO frente a YOLOv6-3.0

La investigación en visión artificial ha producido arquitecturas especializadas adaptadas a aplicaciones industriales. Dos modelos destacan por centrarse en el rendimiento en tiempo real y la eficiencia de despliegue: DAMO-YOLO y YOLOv6-3.0. Esta página ofrece una comparación técnica de sus arquitecturas, métricas de rendimiento y métodos de entrenamiento para ayudarte a elegir entre ellos.

DAMO-YOLO: la búsqueda de arquitecturas neuronales se une a la detección de objetos#

Desarrollado por investigadores del Grupo Alibaba, DAMO-YOLO presenta un enfoque novedoso para la familia YOLO, al integrar la búsqueda de arquitecturas neuronales (NAS) en el diseño de su red troncal.

Innovaciones arquitectónicas#

DAMO-YOLO utiliza una red troncal optimizada mediante NAS, llamada MAE-NAS, que busca automáticamente estructuras de red eficientes sujetas a límites de latencia específicos. Esto permite que el modelo se adapte eficientemente a distintos perfiles de hardware. Para mejorar la fusión de características, la arquitectura emplea una RepGFPN eficiente (red piramidal de características generalizada reparametrizada), que mejora considerablemente la representación multiescala.

El modelo también presenta un diseño «ZeroHead». Al eliminar las complejas estructuras de varias ramas de la cabeza de detección, conserva la información espacial con mayor eficacia y reduce la carga computacional. El entrenamiento también utiliza AlignedOTA (asignación óptima de transporte alineada) y destilación de conocimiento, lo que permite que los modelos estudiante más pequeños aprendan de redes profesor de mayor tamaño.

Más información sobre DAMO-YOLO

Complejidad de la destilación

Aunque la destilación de conocimiento ayuda a DAMO-YOLO a lograr una gran precisión, requiere una canalización de entrenamiento de varias etapas. Esto aumenta considerablemente la capacidad de cálculo de GPU necesaria en comparación con el entrenamiento de modelos estándar de una sola etapa.

YOLOv6-3.0: máximo rendimiento industrial#

Desarrollado por el Departamento de IA Visual de Meituan, YOLOv6-3.0 se presenta explícitamente como un detector de objetos industrial, diseñado para maximizar el rendimiento en hardware de NVIDIA.

  • Autores: Chuyi Li, Lulu Li, Yifei Geng, Hongliang Jiang, Meng Cheng, Bo Zhang, Zaidan Ke, Xiaoming Xu y Xiangxiang Chu
  • Organización: Meituan
  • Fecha: 2023-01-13
  • arXiv: 2301.05586
  • GitHub: meituan/YOLOv6

Características y mejoras principales#

YOLOv6-3.0 se basa en la red troncal EfficientRep, compatible con el hardware, por lo que ofrece gran velocidad al utilizar optimizaciones como TensorRT en GPU modernas. En su versión 3.0, la red integra un módulo de concatenación bidireccional (BiC) para mejorar la localización de objetos de distintos tamaños.

Otra característica destacada es la estrategia de entrenamiento asistido por anclajes (AAT). AAT combina la estabilidad de los detectores basados en anclajes durante el entrenamiento con la velocidad de inferencia de un diseño sin anclajes. Este enfoque híbrido converge bien sin sacrificar la latencia de despliegue, por lo que es una opción sólida para procesar grandes volúmenes de vídeo en analítica de ciudades inteligentes y sistemas de pago automatizado.

Más información sobre YOLOv6

Comparativa de rendimiento#

Al evaluar estos modelos para la inferencia en tiempo real, es fundamental equilibrar el número de parámetros, los FLOPs y la precisión mAP. La tabla siguiente compara su rendimiento.

Modelotamaño
(píxeles)
mAPval50-95Velocidad
CPU ONNX
(ms)
Velocidad
T4 TensorRT10
(ms)
parámetros
(M)
FLOPs
(B)
DAMO-YOLOt64042.0-2.328.518.1
DAMO-YOLOs64046.0-3.4516.337.8
DAMO-YOLOm64049.2-5.0928.261.8
DAMO-YOLOl64050.8-7.1842.197.3
YOLOv6-3.0n64037.5-1.174.711.4
YOLOv6-3.0s64045.0-2.6618.545.3
YOLOv6-3.0m64050.0-5.2834.985.8
YOLOv6-3.0l64052.8-8.9559.6150.7

Aunque DAMO-YOLO muestra una ligera ventaja en la categoría pequeña (46,0 mAP frente a 45,0 mAP), YOLOv6-3.0 escala mejor y lidera en las categorías mediana y grande, a la vez que mantiene el menor número de parámetros en su configuración nano.

Cómo elegir entre los dos

Si tu entorno de hardware permite realizar búsquedas automatizadas intensivas para personalizar la red troncal, el enfoque NAS de DAMO-YOLO es eficaz. Sin embargo, si dependes por completo de la aceleración GPU estandarizada (como T4 o A100), las estructuras EfficientRep de YOLOv6 suelen traducirse en más FPS brutos.

Casos de uso y recomendaciones#

La elección entre DAMO-YOLO y YOLOv6 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 YOLOv6#

Se recomienda YOLOv6 para:

  • Despliegues adaptados al hardware industrial: situaciones en las que el diseño adaptado al hardware y la reparametrización eficiente del modelo ofrecen un rendimiento optimizado en el hardware de destino específico.
  • Detección rápida en una sola etapa: aplicaciones que priorizan la velocidad de inferencia bruta en GPU para procesar vídeo en tiempo real en entornos controlados.
  • Integración con el ecosistema de Meituan: Equipos que ya trabajan con la pila tecnológica y la infraestructura de despliegue de Meituan.

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 ventaja de Ultralytics: descubre YOLO26#

Aunque DAMO-YOLO y YOLOv6-3.0 son modelos capaces, sus ecosistemas están fragmentados, tienen limitaciones de tarea única y requieren canalizaciones de despliegue complejas. Para los equipos de ingeniería actuales, los modelos de Ultralytics ofrecen una experiencia de desarrollo mucho mejor, especialmente con YOLO26, el modelo más reciente.

Publicado en enero de 2026, YOLO26 está diseñado tanto para el despliegue en dispositivos periféricos como en la nube, y optimiza los requisitos de memoria y la eficiencia computacional.

¿Por qué elegir YOLO26?#

  1. Diseño integral sin NMS: A partir de los conceptos de YOLOv10, YOLO26 admite la inferencia integral nativa, que omite el posprocesamiento de la supresión no máxima (NMS) mediante su cabeza opcional uno a uno (nms=False). Esto simplifica el código de despliegue y reduce la variabilidad de la latencia de inferencia entre dispositivos periféricos.
  2. Optimización mejorada: YOLO26 emplea el optimizador MuSGD, una combinación de SGD y Muon (inspirada en el entrenamiento de grandes modelos de lenguaje) que permite entrenamientos estables y una convergencia más rápida.
  3. Versatilidad de hardware: La eliminación de DFL (pérdida focal de distribución) simplifica las cabezas de salida y mejora la compatibilidad con dispositivos periféricos. YOLO26n logra una inferencia en CPU hasta un 43 % más rápida que YOLO11n, por lo que es más adecuado que YOLOv6 para entornos periféricos móviles o de IoT.
  4. Mayor precisión: Con ProgLoss + STAL, YOLO26 mejora la detección de objetos pequeños, por lo que es una opción sólida para las imágenes aéreas y la inspección de defectos.
  5. Versatilidad multitarea: A diferencia de los modelos industriales que solo predicen cuadros delimitadores, la familia YOLO26 admite varias tareas, como la segmentación de instancias, la clasificación de imágenes, la estimación de pose y los cuadros delimitadores orientados (OBB).

Experiencia del ecosistema#

La plataforma Ultralytics cubre todo el ciclo de vida del aprendizaje automático. Entrenar un modelo no requiere una canalización de destilación de varias etapas. Gracias al aumento de datos automático, al ajuste unificado de hiperparámetros y a las exportaciones con un solo clic a formatos como ONNX, OpenVINO y CoreML, puedes pasar rápidamente del conjunto de datos a producción.

Los modelos de Ultralytics también destacan por su eficiencia de memoria y evitan los elevados requisitos de VRAM de arquitecturas Transformer como RT-DETR.

Ejemplo de código para empezar#

Entrenar y ejecutar inferencias con un modelo de Ultralytics como YOLO26 es sencillo. El siguiente script de Python muestra cómo entrenar, ejecutar inferencias y exportar con solo unas pocas líneas de código:

from ultralytics import YOLO

# Carga el modelo nano YOLO26, muy eficiente
model = YOLO("yolo26n.pt")

# Entrena el modelo con tu conjunto de datos personalizado
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Ejecuta la inferencia en una imagen de muestra
prediction = model("https://ultralytics.com/images/bus.jpg")

# Exporta a TensorRT para obtener el máximo rendimiento en GPU
model.export(format="engine", dynamic=True)

Conclusión#

DAMO-YOLO y YOLOv6-3.0 son dos impresionantes trabajos de ingeniería que han impulsado la detección industrial de objetos. Sin embargo, son herramientas especializadas que suelen requerir configuraciones complejas y estar sujetas a estrictas limitaciones de hardware.

Para los desarrolladores e investigadores que necesitan un buen equilibrio de rendimiento, capacidades multitarea y un ecosistema bien mantenido y activo, la opción recomendada es YOLO26 de Ultralytics. Al combinar un optimizador inspirado en los LLM con una arquitectura sencilla que admite la inferencia sin NMS, YOLO26 simplifica el despliegue de IA y ofrece una gran precisión en entornos periféricos y en la nube.

Si estás evaluando modelos para un nuevo proyecto de visión artificial, empieza por explorar las capacidades del ecosistema Ultralytics YOLO. También puede resultarte útil compararlos con otras arquitecturas, como EfficientDet, o con hitos anteriores, como YOLO11, para comprender a fondo la evolución de la IA visual en tiempo real.

Colaboradores

Comentarios

Haz una pregunta, comparte tus resultados o ayuda a otra persona.