Empezar

PP-YOLOE+ frente a DAMO-YOLO

La investigación en visión artificial ha dado lugar a muchas arquitecturas especializadas para la detección de objetos en tiempo real. Al evaluar modelos para aplicaciones industriales y de investigación, suelen destacar dos marcos de 2022: PP-YOLOE+, de Baidu, y DAMO-YOLO, de Alibaba Group. Ambos modelos impulsaron la detección sin anclajes al introducir nuevas redes troncales, mejores estrategias de asignación de etiquetas y técnicas especializadas de fusión de características.

Esta guía ofrece un análisis técnico de PP-YOLOE+ y DAMO-YOLO, y abarca sus arquitecturas, métodos de entrenamiento y ventajas de despliegue. También examina cómo se comparan estos marcos con soluciones modernas como Ultralytics YOLO26 para ayudarte a elegir la herramienta adecuada según las limitaciones específicas de tu despliegue.

PP-YOLOE+: detección de objetos industriales optimizada#

Desarrollado en el ecosistema de Baidu, PP-YOLOE+ mejora de forma iterativa el PP-YOLOE original y está muy optimizado para el marco de aprendizaje profundo PaddlePaddle. Se diseñó para maximizar la precisión y la velocidad de inferencia en hardware de servidor, por lo que es una opción sólida para la inspección industrial y las aplicaciones de comercio minorista inteligente.

Innovaciones arquitectónicas#

PP-YOLOE+ incorpora varias mejoras arquitectónicas para superar a los detectores sin anclajes anteriores:

  • Red troncal CSPRepResNet: Esta red troncal utiliza una arquitectura de estilo RepVGG combinada con conexiones Cross Stage Partial (CSP), lo que ofrece un equilibrio sólido entre la capacidad de extracción de características y la latencia de inferencia.
  • Aprendizaje de alineación de tareas (TAL): PP-YOLOE+ emplea una estrategia dinámica de asignación de etiquetas que alinea las tareas de clasificación y regresión durante el entrenamiento, lo que reduce la diferencia entre el rendimiento durante el entrenamiento y la inferencia.
  • Cabezal eficiente alineado con tareas (ET-head): Un cabezal de detección optimizado, diseñado para procesar características con rapidez sin sacrificar la resolución espacial, lo que ayuda a mantener unas métricas mAP altas.

Detalles de PP-YOLOE+ :

Más información sobre PP-YOLOE+

DAMO-YOLO: búsqueda de arquitecturas neuronales en el edge#

Creado por la Academia DAMO de Alibaba, DAMO-YOLO adopta un enfoque muy distinto. En lugar de diseñar manualmente la red troncal, el equipo de investigación utilizó la búsqueda de arquitecturas neuronales (NAS) para descubrir topologías de red eficientes adaptadas a límites estrictos de latencia.

Características clave y flujo de entrenamiento#

DAMO-YOLO prioriza la baja latencia y la alta precisión mediante una metodología automatizada que se apoya ampliamente en la destilación:

  • Redes troncales MAE-NAS: Mediante la búsqueda de arquitecturas neuronales basada en la entropía máxima, DAMO-YOLO crea redes troncales optimizadas específicamente para el equilibrio entre parámetros y precisión.
  • RepGFPN eficiente: Una red piramidal de características generalizada y reparametrizada permite una fusión robusta de características multiescala, lo que ayuda al modelo a detectar objetos de tamaños muy distintos en un mismo fotograma.
  • Diseño ZeroHead: Un cabezal de detección simplificado que reduce considerablemente la carga computacional durante la inferencia.
  • Mejora mediante destilación: Para potenciar el rendimiento de las variantes más pequeñas, DAMO-YOLO depende en gran medida de un complejo proceso de destilación de conocimiento en el que un modelo profesor más grande guía al modelo alumno.

Detalles de DAMO-YOLO:

Más información sobre DAMO-YOLO

Dependencia del marco

Aunque PP-YOLOE+ y DAMO-YOLO ofrecen innovaciones teóricas sólidas, están estrechamente vinculados a sus respectivos marcos (PaddlePaddle y determinados entornos de Alibaba). Esto puede dificultar la adaptación de estos modelos a implementaciones estandarizadas en la nube o en edge.

Análisis del rendimiento#

Al evaluar estos modelos, el equilibrio entre latencia, complejidad computacional (FLOPs) y precisión media promedio (mAP) determina el entorno de despliegue más adecuado.

Modelotamaño
(píxeles)
mAPval50-95Velocidad
CPU ONNX
(ms)
Velocidad
T4 TensorRT10
(ms)
parámetros
(M)
FLOPs
(B)
PP-YOLOE+t64039.9-2.844.8519.15
PP-YOLOE+s64043.7-2.627.9317.36
PP-YOLOE+m64049.8-5.5623.4349.91
PP-YOLOE+l64052.9-8.3652.2110.07
PP-YOLOE+x64054.7-14.398.42206.59
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

DAMO-YOLOt alcanza una latencia menor en TensorRT que PP-YOLOE+t, y DAMO-YOLO es más preciso con objetos diminutos y pequeños, por lo que resulta muy competitivo para flujos de vídeo de alto rendimiento. Sin embargo, PP-YOLOE+ se amplía eficazmente a su variante extragrande (x), con una precisión de primer nivel en imágenes complejas en las que el tiempo de inferencia es secundario.

La ventaja de Ultralytics: más allá de las arquitecturas de 2022#

Aunque PP-YOLOE+ y DAMO-YOLO fueron hitos importantes, el desarrollo moderno exige más versatilidad, procesos de entrenamiento más sencillos y menos requisitos de memoria. La plataforma Ultralytics responde a estas necesidades con una experiencia optimizada que evita los complejos procesos de destilación y las configuraciones específicas de cada marco que requerían los modelos antiguos.

Para los desarrolladores que buscan el mejor equilibrio de rendimiento actual, Ultralytics YOLO26 supone un gran avance en la eficiencia del despliegue en el mundo real.

Por qué YOLO26 lidera el sector#

Lanzado en enero de 2026, YOLO26 se basa en YOLO11 e incorpora varias funciones pensadas para producción:

  • Diseño integral sin NMS: YOLO26 puede omitir por completo el posprocesamiento de supresión no máxima (NMS) con su cabezal opcional uno a uno (nms=False). Esto simplifica la lógica de despliegue y proporciona una latencia de inferencia uniforme y predecible.
  • Optimizador MuSGD: Inspirado en las técnicas de entrenamiento de modelos de lenguaje grandes, YOLO26 utiliza un optimizador híbrido MuSGD para ofrecer un entrenamiento estable y una convergencia rápida, ahorrando horas de GPU.
  • Inferencia en CPU más rápida: Al eliminar la pérdida focal de distribución (DFL) y optimizar el grafo de la red, YOLO26n consigue una inferencia en CPU hasta un 43 % más rápida que YOLO11n, por lo que es una excelente opción para los dispositivos de IA edge.
  • ProgLoss + STAL: La pérdida progresiva y una estrategia de asignación de etiquetas consciente de los objetos pequeños mejoran notablemente su reconocimiento, algo fundamental para las operaciones con drones y la teledetección.
  • Versatilidad multitarea: A diferencia de PP-YOLOE+, centrado exclusivamente en la detección, YOLO26 admite de forma nativa la segmentación de instancias, la clasificación de imágenes, la estimación de pose y las cajas delimitadoras orientadas (OBB).

Facilidad de uso y eficiencia del entrenamiento#

Entrenar un modelo DAMO-YOLO requiere gestionar un complejo flujo de destilación profesor-alumno. En cambio, para entrenar un modelo Ultralytics solo hacen falta unas pocas líneas de Python y se utiliza una cantidad mínima de memoria CUDA en comparación con las arquitecturas de la competencia.

from ultralytics import YOLO

# Inicializa el modelo YOLO26
model = YOLO("yolo26n.pt")

# Entrena el modelo con el optimizador MuSGD
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, optimizer="MuSGD")

# Ejecuta una inferencia de extremo a extremo sin NMS
results = model("https://ultralytics.com/images/bus.jpg", nms=False)

# Exporta a ONNX o TensorRT
model.export(format="onnx")

Casos de uso ideales y recomendaciones#

La elección de la arquitectura de visión artificial adecuada depende en gran medida de la integración con el ecosistema de tu equipo y de los destinos de despliegue.

  • Elige PP-YOLOE+ si toda tu canalización está profundamente integrada en el ecosistema PaddlePaddle de Baidu. Sigue siendo una buena opción para analizar imágenes estáticas en servidores potentes cuando el objetivo principal es maximizar la precisión.
  • Elige DAMO-YOLO si investigas algoritmos de búsqueda de arquitecturas neuronales o si dispones de los recursos de ingeniería necesarios para mantener complejos flujos de destilación y alcanzar objetivos de latencia exigentes en TensorRT.
  • Elige Ultralytics YOLO26 para casi cualquier escenario de producción moderno. El ecosistema Ultralytics ofrece documentación exhaustiva, menos requisitos de memoria y una API optimizada. Tanto si estás creando sistemas de control de calidad automatizado como si ejecutas seguimiento en tiempo real en una Raspberry Pi, la arquitectura de YOLO26 sin NMS ofrece resultados rápidos, estables y precisos desde el primer momento.

Si estás explorando otras soluciones, la documentación de Ultralytics también ofrece numerosos recursos sobre YOLOv8, de uso extendido, y YOLO11, un modelo robusto, para que dispongas del modelo adecuado ante cualquier reto de visión artificial.

Comentarios

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