DAMO-YOLO frente a YOLOX
La visión artificial en tiempo real sigue evolucionando. Dos hitos destacados son DAMO-YOLO y YOLOX, que aportan innovaciones propias a la detección de objetos de alta velocidad y precisión. Ambos modelos han contribuido significativamente a la comunidad de código abierto, y a los ingenieros de aprendizaje automático les conviene conocer sus diferencias arquitectónicas, métodos de entrenamiento y escenarios de despliegue más adecuados.
Esta guía analiza los detalles técnicos de ambos modelos y explica por qué las alternativas modernas, como Ultralytics YOLO26, ofrecen un mejor rendimiento y una mayor facilidad de uso en los entornos de producción actuales.
Descripción general de los modelos#
Detalles de DAMO-YOLO#
DAMO-YOLO, desarrollado por un equipo de investigadores de Alibaba Group, se presentó como un método eficiente de detección de objetos que utiliza el descubrimiento automatizado de arquitecturas.
- Autores: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang y Xiuyu Sun
- Organización: Alibaba Group
- Fecha: 2022-11-23
- arXiv: https://arxiv.org/abs/2211.15444v2
- GitHub: https://github.com/tinyvision/DAMO-YOLO
- Documentación: Documentación de DAMO-YOLO
Más información sobre DAMO-YOLO
Detalles de YOLOX#
YOLOX, creado por investigadores de Megvii, buscaba salvar la brecha entre las comunidades académica e industrial al adoptar un diseño sin anclajes para la serie YOLO, simplificando la arquitectura y logrando un mejor rendimiento en aquel momento.
- Autores: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li y Jian Sun
- Organización: Megvii
- Fecha: 2021-07-18
- arXiv: https://arxiv.org/abs/2107.08430
- GitHub: https://github.com/Megvii-BaseDetection/YOLOX
- Documentación: Documentación de YOLOX
Análisis de la arquitectura#
Arquitectura de DAMO-YOLO#
DAMO-YOLO se basa en gran medida en la búsqueda de arquitectura neuronal (NAS). Sus componentes principales son:
- Redes troncales MAE-NAS: emplea una búsqueda guiada por la entropía máxima para descubrir redes troncales que equilibran la velocidad de inferencia y la precisión.
- RepGFPN eficiente: Un diseño de neck pesado adaptado a la fusión de características, que ayuda al modelo a mantener una precisión alta con objetos de distintas escalas.
- ZeroHead: Un cabezal de detección sencillo y ligero que reduce la carga computacional de las capas de predicción finales.
Arquitectura de YOLOX#
YOLOX adoptó un enfoque diferente, centrado en la simplicidad estructural y en un diseño sin anclajes:
- Mecanismo sin anclajes: Al predecir directamente las coordenadas de las cajas delimitadoras sin anclajes predefinidos, YOLOX reduce el número de parámetros de diseño y los ajustes heurísticos necesarios.
- Cabezal desacoplado: Separa las tareas de clasificación y regresión en distintas ramas de características, lo que mejora la velocidad de convergencia y la precisión general.
- Asignación de etiquetas SimOTA: estrategia de asignación de etiquetas que distribuye dinámicamente las muestras positivas entre las referencias reales, mejorando la eficiencia del entrenamiento.
Mientras DAMO-YOLO utiliza NAS guiada por máquinas para encontrar arquitecturas eficientes bajo restricciones estrictas, YOLOX se basa en simplificaciones diseñadas por personas (como cabezales sin anclajes) para agilizar el pipeline de detección de objetos.
Comparativa de rendimiento#
Para evaluar estos modelos, hay que analizar la precisión media (mAP), la velocidad de inferencia y el número de parámetros. La tabla siguiente compara las variantes estándar y ligeras de ambas arquitecturas.
| Modelo | tamaño (píxeles) | mAPval50-95 | Velocidad CPU ONNX (ms) | Velocidad T4 TensorRT10 (ms) | parámetros (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 |
| YOLOXnano | 416 | 25.8 | - | - | 0.91 | 1.08 |
| YOLOXtiny | 416 | 32.8 | - | - | 5.06 | 6.45 |
| YOLOXs | 640 | 40.5 | - | 2.56 | 9.0 | 26.8 |
| YOLOXm | 640 | 46.9 | - | 5.43 | 25.3 | 73.8 |
| YOLOXl | 640 | 49.7 | - | 9.04 | 54.2 | 155.6 |
| YOLOXx | 640 | 51.1 | - | 16.1 | 99.1 | 281.9 |
Aunque YOLOXx alcanza el mAP absoluto más alto, con 51,1, DAMO-YOLOl ofrece un competitivo mAP de 50,8 con menos de la mitad de parámetros (42,1 M frente a 99,1 M) y una ejecución en TensorRT significativamente más rápida.
Metodologías de entrenamiento#
Entrenamiento de DAMO-YOLO#
DAMO-YOLO incorpora durante el entrenamiento una compleja mejora basada en la destilación de conocimiento. A menudo, primero se entrena un modelo «profesor» grande y luego se destila su conocimiento en modelos «alumno» más pequeños. También utiliza AlignedOTA para la asignación dinámica de etiquetas. Aunque es eficaz, este proceso de entrenamiento de varias etapas aumenta considerablemente el tiempo de cómputo en GPU y la memoria necesarios.
Entrenamiento de YOLOX#
YOLOX se basa en potentes estrategias de aumento de datos, como MixUp y Mosaic. Sin embargo, los autores descubrieron que desactivar estos aumentos intensivos durante las 15 últimas épocas permite al modelo adaptarse a la distribución natural de las imágenes y mejorar significativamente la precisión final.
Casos de uso ideales#
- DAMO-YOLO: Es más adecuado para despliegues industriales críticos en los que se pueden mantener pipelines de destilación en el servidor y el hardware objetivo (como determinadas GPU NVIDIA) aprovecha directamente su arquitectura NAS con neck pesado.
- YOLOX: es una buena opción para los desarrolladores que buscan un enfoque completamente sin anclajes. El ligero
YOLOXnanoes viable para dispositivos Android antiguos, la computación en el edge y sensores IoT con recursos muy limitados, donde el número de parámetros es el principal cuello de botella.
La ventaja de Ultralytics: llega YOLO26#
Aunque DAMO-YOLO y YOLOX son hitos importantes, hoy los desarrolladores necesitan soluciones más completas, versátiles y fáciles de usar. Aquí es donde destacan la plataforma Ultralytics y el recién publicado Ultralytics YOLO26.
Publicado en enero de 2026, YOLO26 es el modelo Ultralytics recomendado para las tareas de visión artificial compatibles. Incorpora varias mejoras respecto a arquitecturas anteriores:
- Diseño integral sin NMS: el cabezal uno a uno opcional de YOLO26 (
nms=False) omite el posprocesamiento de supresión no máxima (NMS). Esto permite un despliegue mucho más sencillo y rápido, evitando los cuellos de botella de latencia inherentes a los cabezales de detección tradicionales. - Hasta un 43 % más de velocidad de inferencia en CPU: al eliminar la pérdida focal de distribución (DFL) y optimizar las capas, YOLO26 ofrece una inferencia rápida en CPU y hardware edge; YOLO26n se ejecuta hasta un 43 % más rápido en CPU que YOLO11n.
- Optimizador MuSGD: inspirado en las técnicas de entrenamiento de los modelos de lenguaje grandes (LLM), YOLO26 incorpora el optimizador MuSGD (un híbrido de SGD y Muon), que permite entrenamientos estables y una convergencia más rápida que la configuración de entrenamiento anterior de YOLOX.
- ProgLoss + STAL: la pérdida progresiva y la asignación de etiquetas consciente de objetivos pequeños mejoran notablemente el reconocimiento de objetos pequeños, por lo que YOLO26 es más adecuado para imágenes de drones y robótica.
- Versatilidad: a diferencia de DAMO-YOLO, dedicado exclusivamente a la detección de objetos, YOLO26 admite de forma nativa la segmentación de instancias, la clasificación, la estimación de pose y las cajas delimitadoras orientadas (OBB) dentro del mismo ecosistema bien mantenido.
Facilidad de uso con Ultralytics#
La API de Python de Ultralytics agiliza la experiencia de desarrollo. Entrenar un modelo YOLO26 requiere mucho menos código repetitivo y evita los complejos pipelines de destilación de DAMO-YOLO. Además, los modelos Ultralytics requieren poca memoria CUDA durante el entrenamiento en comparación con los modelos pesados basados en Transformer.
from ultralytics import YOLO
# Carga el modelo nano más reciente de Ultralytics YOLO26
model = YOLO("yolo26n.pt")
# Entrena el modelo con tu conjunto de datos personalizado en una sola línea de código
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Ejecuta una inferencia rápida y sin NMS en una imagen
results = model("https://ultralytics.com/images/bus.jpg", nms=False)
# Exporta a ONNX o TensorRT
model.export(format="onnx")Puedes anotar automáticamente, entrenar y desplegar modelos en el edge con la plataforma Ultralytics, que gestiona el versionado de datos y el aprovisionamiento de GPU en la nube por ti.
Conclusión#
La elección entre DAMO-YOLO y YOLOX depende de las restricciones específicas: DAMO-YOLO ofrece una buena relación entre velocidad y precisión en determinadas GPU gracias a NAS, mientras que YOLOX proporciona un diseño limpio y sin anclajes, adecuado para escenarios edge ligeros.
Sin embargo, para los equipos que buscan una solución moderna, con mantenimiento activo y una comunidad activa, la arquitectura Ultralytics YOLO26 es la opción recomendada. Su inferencia opcional sin NMS, la rápida inferencia en CPU y una API unificada para tareas de detección, segmentación y pose lo hacen muy adecuado para pasar de la investigación a la producción en el mundo real.
Si te interesa explorar otras arquitecturas modernas, considera Ultralytics YOLO11 o modelos basados en Transformer, como RT-DETR, disponibles en la completa documentación de Ultralytics.
Comentarios
Haz una pregunta, comparte tus resultados o ayuda a otra persona.