Empezar

DAMO-YOLO frente a YOLOv9

La detección de objetos en tiempo real sigue evolucionando rápidamente. Mientras los equipos de ingeniería y los investigadores buscan el equilibrio adecuado entre precisión, velocidad de inferencia y eficiencia computacional, la comunidad investigadora ha desarrollado dos arquitecturas destacadas: DAMO-YOLO y YOLOv9. Ambos modelos incorporan importantes innovaciones arquitectónicas en visión artificial.

Esta guía técnica analiza ambos modelos y compara sus enfoques arquitectónicos, métodos de entrenamiento y capacidades de despliegue en el mundo real. También explica el papel del ecosistema de software general en el desarrollo moderno de IA y destaca las ventajas de plataformas integradas como Ultralytics Platform y de modelos de nueva generación como YOLO26.

Resumen ejecutivo: elige la arquitectura adecuada#

Aunque ambos modelos representan hitos importantes en la investigación del aprendizaje profundo, responden a filosofías de implementación algo distintas.

DAMO-YOLO destaca cuando se puede utilizar la búsqueda de arquitectura neuronal (NAS) para ajustar perfiles de rendimiento específicos, por lo que resulta interesante para estudiar despliegues personalizados en el borde. YOLOv9, en cambio, se centra en resolver los cuellos de botella de información en redes profundas y ofrece una gran eficiencia de parámetros.

Sin embargo, para los despliegues en producción, se recomienda seguir la ruta unificada del ecosistema de Ultralytics. Para los proyectos nuevos, el último modelo YOLO26 combina una gran precisión con un diseño integral opcional que elimina la necesidad de un posprocesamiento complejo.

Prepara tu proceso de visión artificial para el futuro

Aunque DAMO-YOLO y YOLOv9 son potentes modelos académicos, desplegarlos en producción suele requerir mucho trabajo de ingeniería personalizado. Ultralytics YOLO26 ofrece un rendimiento sólido mediante una API optimizada y fácil de mantener.

Especificaciones técnicas y autoría#

Los orígenes y el enfoque de desarrollo de estos modelos ayudan a entender sus respectivos puntos fuertes.

DAMO-YOLO#

Desarrollado por investigadores del Grupo Alibaba, DAMO-YOLO se centra especialmente en la generación automatizada de arquitecturas y la fusión eficiente de características.

Más información sobre DAMO-YOLO

YOLOv9#

Presentado como solución a la pérdida de información en redes convolucionales profundas, YOLOv9 se centra en preservar la información de gradiente durante el entrenamiento.

Más información sobre YOLOv9

Innovaciones arquitectónicas#

DAMO-YOLO se distingue por sus componentes personalizados y generados por máquinas. Su red troncal se genera mediante búsqueda de arquitectura neuronal (NAS), con el objetivo específico de lograr una inferencia de baja latencia en distintos tipos de hardware.

La arquitectura incorpora una RepGFPN eficiente (red de pirámide de características generalizada reparametrizada) para fusionar características, lo que mejora la detección de objetos a varias escalas sin aumentar excesivamente la carga computacional. También utiliza un diseño ZeroHead para simplificar el cabezal de detección y AlignedOTA para asignar etiquetas, junto con un proceso de mejora mediante destilación de conocimiento durante el entrenamiento. Aunque estas técnicas ofrecen una inferencia rápida, el proceso de destilación en varias etapas suele requerir mucha VRAM y tiempos de entrenamiento prolongados.

YOLOv9: resolver el cuello de botella de información#

YOLOv9 aborda un problema fundamental de las redes profundas: la pérdida gradual de información de los datos de entrada a medida que estos atraviesan capas sucesivas.

Para abordar este problema, los autores introdujeron la información de gradiente programable (PGI), un marco de supervisión auxiliar diseñado para conservar detalles cruciales en las capas profundas y generar gradientes fiables para actualizar los pesos. Junto con PGI se presenta la arquitectura GELAN (red de agregación de capas eficiente generalizada). GELAN optimiza la eficiencia de parámetros al combinar las ventajas de CSPNet y ELAN, maximizando el flujo de información y minimizando estrictamente las operaciones de coma flotante (FLOPs).

Análisis del rendimiento y métricas#

Al evaluar el rendimiento, ambos modelos demuestran una gran precisión media (mAP) en benchmarks estándar como COCO. YOLOv9 alcanza una mayor precisión con un número de parámetros comparable y la mayor precisión absoluta en general, gracias a su arquitectura PGI, que mantiene una alta fidelidad en conjuntos de datos difíciles.

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
YOLOv9t64038.3-2.32.07.7
YOLOv9s64046.8-3.547.226.7
YOLOv9m64051.4-6.4320.176.8
YOLOv9c64053.0-7.1625.5102.8
YOLOv9e64055.6-16.7758.1192.5

Como se muestra arriba, YOLOv9-E alcanza la mayor precisión, mientras que las variantes más pequeñas de DAMO-YOLO y YOLOv9 mantienen velocidades de inferencia competitivas mediante optimizaciones de TensorRT.

Metodologías de entrenamiento y ecosistema#

Aunque la arquitectura en sí es importante, en las aplicaciones reales lo que más importa es la facilidad de uso y la eficiencia de entrenamiento del ecosistema de un modelo.

La dependencia de DAMO-YOLO de la destilación de conocimiento suele exigir entrenar un engorroso modelo «profesor» antes de transferir el conocimiento al modelo «alumno» de destino. Este enfoque tradicional de investigación aumenta considerablemente los requisitos de memoria y la duración de los ciclos de entrenamiento. Del mismo modo, el repositorio original de YOLOv9 requiere navegar por complejos archivos de configuración, lo que puede ralentizar el desarrollo ágil.

En cambio, Ultralytics Platform simplifica la experiencia de desarrollo. El paquete Python de Ultralytics abstrae el código repetitivo y permite a los equipos realizar el aumento de datos, ajustar hiperparámetros y exportar modelos con un esfuerzo mínimo.

Aplicaciones y casos de uso en el mundo real#

Cada arquitectura se adapta a determinados sectores según sus requisitos de recursos y sus niveles de precisión.

  • DAMO-YOLO en IA en el borde: Gracias a sus redes troncales optimizadas mediante NAS, DAMO-YOLO suele estudiarse en sistemas integrados que requieren reparametrización específica para cada hardware, como los aceleradores dedicados al control de calidad en la fabricación.
  • YOLOv9 en analítica de precisión: Gracias a su gran eficiencia de parámetros y a la conservación de gradientes impulsada por PGI, YOLOv9 es adecuado para escenarios de detección densa de objetos, como el análisis de imágenes aéreas o el seguimiento de objetos diminutos en entornos comerciales concurridos.

Casos de uso y recomendaciones#

La elección entre DAMO-YOLO y YOLOv9 depende de los requisitos específicos de tu proyecto, las restricciones de implementación 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 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 YOLOv9#

YOLOv9 se recomienda para:

  • Investigación sobre cuellos de botella de información: Proyectos académicos que estudian las arquitecturas de información de gradiente programable (PGI) y de red de agregación de capas eficiente generalizada (GELAN).
  • Estudios de optimización del flujo de gradiente: Investigaciones centradas en comprender y mitigar la pérdida de información en las capas profundas de la red durante el entrenamiento.
  • Evaluación comparativa de detección de alta precisión: Situaciones en las que el sólido rendimiento de YOLOv9 en las pruebas de referencia de COCO sirve como referencia para comparar arquitecturas.

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 de GPU dedicada, donde la inferencia en CPU hasta un 43 % más rápida de YOLO26n frente a YOLO11n supone una clara ventaja.
  • 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: el avance hacia YOLO26#

Para quienes comparan arquitecturas antiguas, pasarse al ecosistema moderno de Ultralytics —en concreto, a los últimos modelos YOLO26— ofrece ventajas claras.

YOLO26 simplifica el despliegue con su diseño integral sin NMS. Su cabezal one-to-one opcional (nms=False) elimina el posprocesamiento de supresión no máxima (NMS) y ofrece arquitecturas de despliegue más rápidas y sencillas. Junto con la eliminación de Distribution Focal Loss (DFL), YOLO26 ofrece una mayor compatibilidad con dispositivos de borde y de bajo consumo.

YOLO26 también incorpora el optimizador MuSGD, una combinación de descenso de gradiente estocástico y Muon inspirada en el entrenamiento de LLM. Esto permite una convergencia estable durante el entrenamiento y mantiene un uso reducido de memoria en comparación con las alternativas que dependen mucho de Transformer.

Entrenamiento optimizado con YOLO26

Con la API de Ultralytics, puedes entrenar un modelo YOLO26 con el seguimiento de experimentos integrado en unas pocas líneas de Python.

from ultralytics import YOLO

# Carga el modelo YOLO26 más reciente
model = YOLO("yolo26n.pt")

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

# Exporta el modelo entrenado al formato ONNX
model.export(format="onnx")

Tanto si necesitas una segmentación de instancias avanzada, una estimación de poses muy precisa o una detección estándar de cajas delimitadoras, la versatilidad del marco de Ultralytics permite que tu equipo dedique menos tiempo a configurar entornos de aprendizaje profundo y más a desplegar soluciones de IA robustas. Con mejoras de entrenamiento como ProgLoss + STAL para reconocer mejor los objetos pequeños, YOLO26 es la opción recomendada para las nuevas aplicaciones de visión.

Comentarios

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