Empezar

DAMO-YOLO frente a YOLOv7

La investigación en visión artificial ha producido modelos eficientes de detección de objetos diseñados para equilibrar la precisión y el coste computacional. Dos modelos destacados presentados en 2022 son DAMO-YOLO y YOLOv7. Aunque ambos se dirigen a tareas de visión en tiempo real, logran sus resultados con arquitecturas y métodos de entrenamiento muy distintos.

Esta comparación técnica explora los enfoques diferenciados de ambos modelos y examina sus arquitecturas, posibilidades de despliegue y métricas de rendimiento para ayudar a los ingenieros de aprendizaje automático a elegir la herramienta adecuada para sus aplicaciones específicas de visión artificial.

Orígenes y metadatos de los modelos#

Antes del análisis técnico, aquí tienes los antecedentes de cada modelo.

DAMO-YOLO#

Desarrollado por investigadores de Alibaba Group, DAMO-YOLO se presentó para optimizar tanto la velocidad como la precisión mediante la búsqueda automatizada de arquitecturas y la destilación.

Más información sobre DAMO-YOLO

YOLOv7#

Lanzado a mediados de 2022 como modelo de vanguardia para detectores en tiempo real, YOLOv7 amplió las posibilidades de la inferencia en tiempo real al introducir «bag-of-freebies» entrenables sin aumentar los costes de despliegue.

Más información sobre YOLOv7

Compatibilidad con Ultralytics

Ultralytics no publica pesos ni archivos YAML de YOLOv7, por lo que YOLOv7 no se puede entrenar de forma nativa con el paquete Ultralytics. Los modelos YOLOv7 entrenados en el repositorio original se pueden exportar a ONNX o TensorRT y ejecutar para la inferencia con Ultralytics.

Innovaciones arquitectónicas#

DAMO-YOLO: NAS y destilación#

DAMO-YOLO incorpora varias técnicas orientadas a la eficiencia:

  • Redes troncales NAS: utiliza la búsqueda de arquitectura neuronal (NAS) para diseñar automáticamente redes troncales eficientes (MAE-NAS) adaptadas a entornos donde la latencia es crítica.
  • RepGFPN eficiente: Una red piramidal de características generalizada modificada que mejora considerablemente la eficiencia de la fusión de características en varias escalas.
  • ZeroHead y AlignedOTA: Incorpora un cabezal de detección ligero y una estrategia optimizada de asignación de etiquetas (AlignedOTA) para reducir la carga computacional.
  • Mejora mediante destilación: Se basa en gran medida en la destilación de conocimiento durante el entrenamiento para aumentar el rendimiento de las variantes más pequeñas del modelo sin incrementar su número de parámetros.

YOLOv7: E-ELAN y bag-of-freebies#

YOLOv7 adoptó un enfoque de ingeniería estructural, centrado en optimizar las rutas del gradiente y en aplicar estrategias de entrenamiento sólidas.

  • Arquitectura E-ELAN: La red extendida de agregación eficiente de capas permite que el modelo aprenda características más diversas al controlar las rutas de gradiente más cortas y más largas, lo que garantiza una convergencia de aprendizaje eficaz.
  • Escalado del modelo: Introduce un método de escalado compuesto adaptado a los modelos basados en concatenación, que escala simultáneamente la profundidad y la anchura para lograr una alineación estructural.
  • Bag-of-freebies entrenable: Emplea técnicas como las convoluciones reparametrizadas (RepConv) sin conexiones de identidad y estrategias dinámicas de asignación de etiquetas, que mejoran la precisión durante el entrenamiento sin afectar a la velocidad de inferencia.

Análisis del rendimiento#

Al evaluar la precisión media promedio (mAP), la velocidad y la eficiencia, ambos modelos ofrecen un buen rendimiento, aunque se dirigen a segmentos ligeramente distintos. YOLOv7 se centra en el despliegue de alta precisión en GPU, mientras que las estructuras derivadas de NAS de DAMO-YOLO buscan una latencia baja con presupuestos de GPU ajustados.

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
YOLOv7l64051.4-6.8436.9104.7
YOLOv7x64053.1-11.5771.3189.9

Como muestran las métricas, DAMO-YOLO ofrece variantes ligeras (como el modelo tiny, con solo 8,5 M de parámetros), mientras que YOLOv7 alcanza un pico de precisión general más alto: YOLOv7x obtiene 53,1 mAP en el conjunto de datos COCO.

La ventaja del ecosistema Ultralytics#

Aunque la arquitectura teórica es importante, la practicidad de un modelo viene determinada por su ecosistema. Los modelos nativos de Ultralytics, como YOLO26, se benefician de un ecosistema bien mantenido y una gran facilidad de uso.

  • Equilibrio de rendimiento: Los modelos de Ultralytics logran sistemáticamente un buen equilibrio entre la velocidad de inferencia y la precisión de detección, por lo que son adecuados tanto para dispositivos periféricos como para el despliegue de modelos en la nube.
  • Requisitos de memoria: A diferencia de los modelos más pesados basados en Transformer, los modelos YOLO de Ultralytics requieren poca memoria CUDA durante el entrenamiento. Esto permite usar tamaños de lote mayores y agiliza el proceso de entrenamiento incluso en hardware de consumo.
  • Versatilidad: El marco de Ultralytics va más allá de la detección de objetos y abarca tareas como la segmentación de instancias y la estimación de pose, lo que proporciona a los desarrolladores un conjunto completo de herramientas de visión artificial.
Eficiencia del entrenamiento

El paquete de Ultralytics te permite pasar rápidamente de un conjunto de datos a un modelo completamente entrenado mediante cargadores de datos optimizados y pesos preentrenados.

Ejemplo de código: ejecutar YOLOv7 con Ultralytics#

Tras convertir una exportación ONNX de YOLOv7 del repositorio original, tal como se describe en los ejemplos de uso de YOLOv7, puedes ejecutarla con la API Python de Ultralytics.

from ultralytics import YOLO

# Carga un modelo YOLOv7 ONNX convertido para Ultralytics
model = YOLO("yolov7-ultralytics.onnx", task="detect")

# Ejecutar inferencia
predictions = model.predict("https://ultralytics.com/images/bus.jpg", save=True)

El nuevo estándar: presentamos YOLO26#

YOLOv7 y DAMO-YOLO supusieron avances importantes en 2022, pero el campo de la IA visual evoluciona rápidamente. Para los equipos que empiezan proyectos nuevos hoy, el modelo recomendado es Ultralytics YOLO26, publicado en enero de 2026.

YOLO26 mejora tanto el rendimiento como la facilidad de uso:

  • Diseño integral sin NMS: YOLO26 ofrece una cabeza integral nativa (nms=False). Al eliminar el posprocesamiento de la supresión no máxima (NMS), permite una lógica de despliegue más rápida y sencilla, un enfoque introducido por primera vez en YOLOv10.
  • Optimizador MuSGD: Inspirado en técnicas de entrenamiento de grandes modelos de lenguaje, como las empleadas para Kimi K2 de Moonshot AI, YOLO26 utiliza una combinación de SGD y Muon para lograr una dinámica de entrenamiento estable y una convergencia más rápida.
  • Inferencia en CPU hasta un 43 % más rápida: Al eliminar la pérdida focal de distribución (DFL) y simplificar la arquitectura, YOLO26 está optimizado para la computación periférica de bajo consumo; YOLO26n funciona hasta un 43 % más rápido que YOLO11n en CPU.
  • ProgLoss + STAL: Una nueva pérdida progresiva y una asignación de etiquetas consciente de los objetos pequeños que se centran explícitamente en mejorar el reconocimiento de objetos pequeños, una capacidad esencial para aplicaciones de imágenes aéreas, robótica y vigilancia de seguridad.
  • Mejoras específicas para cada tarea: Además de la detección estándar, YOLO26 incluye mejoras adaptadas a diversas tareas, como la creación de prototipos multiescala para la segmentación, RLE para la estimación de pose y pérdidas angulares específicas para las cajas delimitadoras orientadas (OBB).

Casos de uso ideales#

La elección de la arquitectura adecuada depende del entorno de despliegue al que te dirijas y de las limitaciones del proyecto.

Cuándo elegir DAMO-YOLO:

  • Despliegas en hardware GPU dedicado con límites de latencia estrictos, donde las variantes pequeñas de DAMO-YOLO, buscadas mediante NAS, mantienen bajo el número de parámetros.
  • Investigas la búsqueda de arquitecturas neuronales o la destilación de conocimiento.

Cuándo elegir YOLOv7:

  • Ya tienes procesos de GPU heredados optimizados para la inferencia de alta precisión basada en anchors.
  • Operas en entornos donde la precisión en tiempo real es primordial, como los vehículos autónomos de alta velocidad o la robótica avanzada.

Cuándo elegir YOLO26 (recomendado):

  • Estás creando desde cero una nueva aplicación de visión artificial y necesitas una gran precisión, además de una inferencia rápida en CPU y en dispositivos periféricos.
  • Necesitas un despliegue rápido y sencillo (por ejemplo, exportar a CoreML o TensorRT) sin tener que lidiar con las limitaciones de los operadores NMS.
  • Quieres aprovechar todas las capacidades de la Ultralytics Platform para entrenar en la nube, gestionar conjuntos de datos y automatizar la implementación.

Al utilizar el ecosistema de Ultralytics, los desarrolladores pueden reducir considerablemente el tiempo de ingeniería y mantener un alto rendimiento predictivo en aplicaciones reales.

Comentarios

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