RTDETRv2 frente a DAMO-YOLO#

La visión artificial sigue evolucionando a medida que investigadores e ingenieros desarrollan modelos que equilibran velocidad, precisión y eficiencia. Dos arquitecturas destacadas en este campo son RTDETRv2, desarrollado por Baidu, y DAMO-YOLO, creado por Alibaba Group. Ambos modelos impulsan la detección de objetos en tiempo real, pero adoptan enfoques arquitectónicos fundamentalmente distintos.

Esta comparación técnica aborda sus arquitecturas, métodos de entrenamiento y capacidades de implementación en entornos reales. También explica cómo se comparan estos modelos con el ecosistema más amplio, en particular con la plataforma Ultralytics y la familia de modelos YOLO26.

Innovaciones arquitectónicas#

Comprender los mecanismos fundamentales de estos modelos es crucial para los ingenieros de aprendizaje automático que deben elegir la herramienta adecuada para entornos de producción.

RTDETRv2: el enfoque Transformer#

A partir del éxito del RT-DETR original, RTDETRv2 utiliza un codificador híbrido y un decodificador Transformer. Este diseño permite procesar eficazmente el contexto global, lo que facilita distinguir objetos superpuestos en escenas densas. La ventaja más importante de esta arquitectura es su diseño nativo sin NMS (supresión no máxima). Al eliminar el paso de posprocesamiento de NMS, RTDETRv2 simplifica el flujo de inferencia y garantiza una latencia más estable en distintas configuraciones de hardware.

Más información sobre RTDETRv2

DAMO-YOLO: avances en la eficiencia de las CNN#

DAMO-YOLO, por otro lado, mantiene sus raíces en la línea YOLO basada en CNN, pero incorpora varias mejoras destacables. Utiliza la búsqueda de arquitectura neuronal (NAS) para optimizar su backbone y mejorar la eficiencia de extracción de características. También incorpora un RepGFPN eficiente (red piramidal de características generalizada reparametrizada) y un diseño ZeroHead, además de AlignedOTA y técnicas de destilación de conocimiento. Estas innovaciones permiten a DAMO-YOLO alcanzar velocidades de inferencia rápidas y mantener una puntuación mAP^val_50-95 competitiva.

Más información sobre DAMO-YOLO

Comparativa de rendimiento y métricas#

Al evaluar modelos para su implementación, son fundamentales las métricas de rendimiento, como la precisión media (mAP), la velocidad de inferencia y el número de parámetros. La tabla siguiente compara las dos familias de modelos.

Análisis de los resultados#

Como se muestra en la tabla, RTDETRv2-x alcanza la mayor precisión, con un mAP^val_50-95 de 54,3, lo que demuestra la eficacia de la arquitectura Transformer en benchmarks exigentes como el conjunto de datos COCO. Sin embargo, esto implica un número de parámetros (76M) y de FLOPs considerablemente mayor.

DAMO-YOLOt (Tiny), en cambio, es muy ligero: solo requiere 8,5M de parámetros, por lo que es una opción rápida para entornos con una memoria CUDA muy limitada. Por lo general, DAMO-YOLO ofrece un equilibrio favorable entre velocidad y precisión para dispositivos de borde antiguos.

Ecosistema, facilidad de uso y la ventaja de Ultralytics#

Aunque los repositorios independientes, como los proyectos oficiales de RT-DETR y DAMO-YOLO en GitHub, ofrecen el código base para entrenar estos modelos, integrarlos en flujos de trabajo de producción suele requerir mucho código repetitivo y optimización manual.

Aquí es donde el ecosistema Ultralytics simplifica mucho la experiencia de desarrollo. Ultralytics integra directamente en su API unificada detectores basados en transformers, como el RT-DETR original, lo que permite entrenar, validar y exportar modelos con una sola línea de código. Los modelos de Ultralytics también son conocidos por sus bajos requisitos de memoria durante el entrenamiento frente a los repositorios independientes basados en transformers pesados.

Ejemplo de código: integración#

Así puedes ejecutar inferencias con la biblioteca de Python de Ultralytics. La API mantiene la coherencia tanto si utilizas un modelo Transformer como una CNN moderna.

from ultralytics import RTDETR, YOLO

# Cargar un modelo RT-DETR para comprender escenas complejas
model_rtdetr = RTDETR("rtdetr-l.pt")

# Carga el modelo Ultralytics YOLO26 más reciente
model_yolo26 = YOLO("yolo26n.pt")

# Ejecuta la inferencia en una imagen de muestra
results_rtdetr = model_rtdetr("https://ultralytics.com/images/bus.jpg")
results_yolo = model_yolo26("https://ultralytics.com/images/bus.jpg")

# Muestra los resultados
results_yolo[0].show()

Casos de uso ideales#

La elección entre estas arquitecturas depende de los requisitos concretos de tu proyecto:

• RTDETRv2 ofrece el mejor rendimiento en procesamiento en servidor, donde hay VRAM abundante. Su capacidad para captar el contexto global lo hace adecuado para el diagnóstico por imagen y el análisis de multitudes densas, donde las oclusiones son frecuentes.
• DAMO-YOLO es muy adecuado para las aplicaciones IoT integradas y las líneas de inspección industrial de alta velocidad, donde el bajo número de parámetros y una tasa elevada de FPS son requisitos estrictos.

El futuro: Ultralytics YOLO26#

Tanto RTDETRv2 como DAMO-YOLO tienen sus ventajas, pero el campo de la visión artificial avanza rápidamente. Para proyectos nuevos, la versión más reciente, Ultralytics YOLO26, combina velocidad, precisión y una buena experiencia de desarrollo.

YOLO26 adopta un diseño integral sin NMS y captura la principal ventaja de los transformers sin su gran carga computacional. Incorpora el optimizador MuSGD, inspirado en el entrenamiento de modelos de lenguaje grandes, para lograr una convergencia estable y rápida. Gracias a la eliminación de DFL (Distribution Focal Loss), que simplifica la exportación y mejora la compatibilidad con dispositivos de borde y de bajo consumo, YOLO26n consigue una inferencia en CPU hasta un 43 % más rápida que YOLO11n, lo que lo convierte en una opción excelente para la computación en el borde. ProgLoss + STAL (pérdida progresiva y asignación de etiquetas consciente de los objetos pequeños) también mejora notablemente el reconocimiento de objetos pequeños, algo fundamental para el IoT, la robótica y las imágenes aéreas.

A diferencia de los modelos limitados estrictamente a cuadros delimitadores, la familia YOLO26 admite tareas que van desde la segmentación de instancias y la estimación de pose hasta los cuadros delimitadores orientados (OBB), todo ello gestionado desde la plataforma Ultralytics.

Detalles y referencias del modelo#

RTDETRv2#

• Autores: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang y Yi Liu
• Organización: Baidu
• Fecha: 2024-07-24
• arXiv: 2407.17140
• GitHub: Repositorio de RT-DETR

DAMO-YOLO#

• Autores: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang y Xiuyu Sun
• Organización: Alibaba Group
• Fecha: 2022-11-23
• arXiv: 2211.15444v2
• GitHub: Repositorio de DAMO-YOLO

Para ver otras comparaciones, consulta las guías sobre RTDETRv2 frente a YOLO11 o DAMO-YOLO frente a YOLOv8, donde puedes comprobar el rendimiento de estos modelos frente a generaciones anteriores de la familia Ultralytics.