DAMO-YOLO frente a YOLOv7#
La rápida evolución de la visión por ordenador ha producido modelos de object detection altamente eficientes diseñados para equilibrar la precisión y el coste computacional. Dos modelos notables introducidos en 2022 son DAMO-YOLO y YOLOv7. Aunque ambos pretenden superar los límites de las tareas de visión en tiempo real, logran sus resultados a través de paradigmas arquitectónicos y metodologías de entrenamiento muy diferentes.
Esta comparativa técnica exhaustiva explora los enfoques distintos de ambos modelos, examinando sus arquitecturas, su potencial de despliegue y sus métricas de rendimiento para ayudar a los ingenieros de aprendizaje automático a elegir la herramienta adecuada para sus computer vision applications específicas.
Orígenes y metadatos del modelo#
Antes de profundizar en el análisis técnico, es esencial contextualizar los orígenes de estos dos modelos de visión artificial.
DAMO-YOLO#
Desarrollado por investigadores de Alibaba Group, DAMO-YOLO se introdujo para optimizar tanto la velocidad como la precisión mediante la búsqueda automatizada de arquitecturas y la destilación.
- 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
Más información sobre DAMO-YOLO
YOLOv7#
Lanzado como el estado del arte a mediados de 2022, YOLOv7 impulsó aún más la real-time inference al introducir «bolsas de regalos» (bag-of-freebies) entrenables sin incrementar los costes de despliegue.
- Autores: Chien-Yao Wang, Alexey Bochkovskiy y Hong-Yuan Mark Liao
- Organización: Institute of Information Science, Academia Sinica, Taiwan
- Fecha: 6 de julio de 2022
- Arxiv: 2207.02696
- Docs: YOLOv7 Documentation
YOLOv7 cuenta con soporte oficial dentro del ecosistema Ultralytics, lo que permite un entrenamiento, validación y exportación fluidos con una API unificada.
Innovaciones arquitectónicas#
DAMO-YOLO: NAS y Destilación#
DAMO-YOLO incorpora varias técnicas de vanguardia orientadas a la máxima eficiencia:
- Backbones NAS: Utiliza la Búsqueda de Arquitectura Neuronal (NAS) para diseñar automáticamente backbones óptimos (MAE-NAS) adaptados a entornos donde la latencia es crítica.
- Efficient RepGFPN: Una red piramidal de características generalizada modificada que mejora significativamente la eficiencia de la fusión de características a través de múltiples escalas.
- ZeroHead y AlignedOTA: Incorpora una cabeza de detección ligera y una estrategia de asignación de etiquetas optimizada (AlignedOTA) para reducir la carga computacional.
- Mejora por destilación: Aprovecha enormemente la destilación de conocimiento durante el entrenamiento para impulsar el rendimiento de variantes de modelos más pequeños sin aumentar su número de parámetros.
YOLOv7: E-ELAN y Bag-of-Freebies#
YOLOv7 adoptó un enfoque de ingeniería más estructural, centrándose en la optimización de la ruta de gradiente y estrategias de entrenamiento robustas.
- Arquitectura E-ELAN: La Extended Efficient Layer Aggregation Network permite al modelo aprender características más diversas controlando las rutas de gradiente más cortas y largas, asegurando una convergencia de aprendizaje efectiva.
- Escalado de modelos: Introduce un método de escalado compuesto diseñado para modelos basados en concatenación, escalando la profundidad y la anchura simultáneamente para la alineación estructural.
- Trainable Bag-of-Freebies: Emplea técnicas como convoluciones reparametrizadas (RepConv) sin conexiones de identidad y estrategias de asignación dinámica de etiquetas, las cuales potencian la accuracy durante el entrenamiento sin afectar a la velocidad de inferencia.
Análisis de rendimiento#
Al evaluar el mean Average Precision (mAP), la velocidad y la eficiencia, ambos modelos muestran métricas impresionantes, aunque se dirigen a segmentos ligeramente diferentes. YOLOv7 se centra intensamente en el despliegue en GPU de alta precisión, mientras que las estructuras derivadas de NAS de DAMO-YOLO apuntan a un despliegue agresivo en CPU y borde con baja latencia.
| 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 |
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
Como se observa en las métricas, aunque DAMO-YOLO proporciona variantes extremadamente ligeras (como el modelo tiny con solo 8,5 M de parámetros), YOLOv7 logra un pico de precisión general más alto, con YOLOv7x alcanzando un impresionante 53,1 mAP en el conjunto de datos COCO.
La ventaja del ecosistema Ultralytics#
Si bien la arquitectura teórica es importante, la practicidad de un modelo viene dictada por su ecosistema. Los modelos soportados por Ultralytics, como YOLOv7, se benefician de un ecosistema bien mantenido y una facilidad de uso inigualable.
- Performance Balance: Los modelos de Ultralytics logran de forma constante un equilibrio óptimo entre la velocidad de inferencia y la precisión de detección, lo que los hace ideales tanto para dispositivos de borde como para el model deployment basado en la nube.
- Memory Requirements: A diferencia de los modelos basados en Transformer más pesados, los modelos Ultralytics YOLO mantienen unos requisitos de memoria de CUDA bajos durante el entrenamiento. Esto permite batch sizes más grandes, optimizando el proceso de entrenamiento incluso en hardware de consumo.
- Versatility: El marco de trabajo de Ultralytics va más allá de la detección de objetos para abarcar tareas como la Instance Segmentation y la Pose Estimation, ofreciendo a los desarrolladores un kit de herramientas de visión por ordenador completo.
El paquete de Ultralytics te permite pasar sin problemas de los datasets a un modelo totalmente entrenado en solo minutos, aprovechando cargadores de datos altamente optimizados y pesos preentrenados.
Ejemplo de código: Entrenamiento de YOLOv7 con Ultralytics#
Integrar YOLOv7 en tu pipeline de visión artificial es increíblemente sencillo usando la API de Python de Ultralytics.
from ultralytics import YOLO
# Load a pre-trained YOLOv7 model
model = YOLO("yolov7.pt")
# Train the model on your custom dataset
results = model.train(data="coco8.yaml", epochs=50, imgsz=640)
# Run inference and validate results
metrics = model.val()
predictions = model.predict("https://ultralytics.com/images/bus.jpg", save=True)El nuevo estándar: Presentación de YOLO26#
Aunque YOLOv7 y DAMO-YOLO representaron avances significativos en 2022, el campo de la IA de visión avanza rápidamente. Para los equipos que inician nuevos proyectos hoy en día, el modelo recomendado es el vanguardista Ultralytics YOLO26, lanzado en enero de 2026.
YOLO26 supone un salto generacional en rendimiento y usabilidad, incorporando innovaciones de última generación:
- End-to-End NMS-Free Design: YOLO26 es nativamente de extremo a extremo. Al eliminar el postprocesamiento de supresión de no máximos (NMS), ofrece una lógica de despliegue más rápida y sencilla, un cambio de paradigma impulsado inicialmente por YOLOv10.
- Optimizador MuSGD: Inspirado en las innovaciones de los modelos de lenguaje grande como Kimi K2 de Moonshot AI, YOLO26 utiliza un híbrido de SGD y Muon. Este optimizador garantiza dinámicas de entrenamiento altamente estables y tasas de convergencia drásticamente más rápidas.
- Inferencia en CPU hasta un 43% más rápida: Con la eliminación específica de Distribution Focal Loss (DFL) y profundas mejoras estructurales, YOLO26 está fuertemente optimizado para la computación edge de bajo consumo, superando a las generaciones anteriores en hardware sin GPU.
- ProgLoss + STAL: Incorpora nuevas funciones de pérdida avanzadas que se centran explícitamente en mejorar el reconocimiento de objetos pequeños y lo potencian, una capacidad esencial para aplicaciones en imágenes aéreas, robótica y security monitoring.
- Task-Specific Improvements: Más allá de la detección estándar, YOLO26 incluye mejoras adaptadas a diversas tareas, como el prototipado multiescala para segmentación, RLE para la estimación de postura y pérdidas de ángulos específicos para Oriented Bounding Boxes (OBB).
Casos de uso ideales#
Elegir la arquitectura adecuada depende totalmente de tu entorno de despliegue objetivo y de las restricciones del proyecto.
Cuándo elegir DAMO-YOLO:
- Trabajas en entornos edge fuertemente restringidos y limitados en recursos donde el número bruto de parámetros debe mantenerse extremadamente bajo (por ejemplo, microcontroladores).
- Utilizas pipelines de aprendizaje automático automatizado integrados específicamente con los servicios en la nube propietarios de Alibaba.
Cuándo elegir YOLOv7:
- Tienes pipelines de GPU heredados ya optimizados para inferencia de alta precisión basada en anclas.
- Operas en entornos donde la precisión en tiempo real es primordial, como autonomous vehicles de alta velocidad o robotics avanzada.
Cuándo elegir YOLO26 (Recomendado):
- Estás construyendo una nueva aplicación de computer vision desde cero y necesitas lo último en tecnología tanto en precisión como en velocidad de inferencia en CPU y borde.
- Requieres un despliegue rápido y fluido (como la exportación a CoreML o TensorRT) sin lidiar con las limitaciones del operador NMS.
- Quieres utilizar todas las capacidades de la Ultralytics Platform para el entrenamiento en la nube, la gestión de conjuntos de datos y el despliegue automatizado.
Al aprovechar el robusto ecosistema de modelos de Ultralytics, los desarrolladores pueden reducir drásticamente el tiempo de ingeniería mientras aseguran un rendimiento predictivo de primer nivel para sus aplicaciones del mundo real.