YOLO11 frente a DAMO-YOLO#

Elegir la arquitectura óptima es un paso fundamental en cualquier proyecto de computer vision. Esta guía técnica ofrece una comparación exhaustiva entre dos potentes modelos de detección de objetos: Ultralytics YOLO11 y DAMO-YOLO. Nos adentraremos en sus innovaciones arquitectónicas, paradigmas de entrenamiento y aplicabilidad en el mundo real para ayudarte a seleccionar la mejor herramienta para tus necesidades de despliegue.

Resumen de modelos#

Ultralytics YOLO11#

Desarrollado por el equipo de Ultralytics, YOLO11 representa una iteración altamente refinada en la familia YOLO, que optimiza significativamente tanto la precisión como la eficiencia. Está diseñado para investigadores e ingenieros que buscan un ecosistema unificado y listo para producción que abarque desde la gestión de datasets hasta el despliegue en el borde (edge).

• Autores: Glenn Jocher y Jing Qiu
• Organización: Ultralytics
• Fecha: 2024-09-27
• GitHub: https://github.com/ultralytics/ultralytics
• Docs: https://docs.ultralytics.com/models/yolo11/

Más información sobre YOLO11

YOLO11 destaca por su versatilidad. Mientras que muchos modelos tradicionales se centran únicamente en cuadros delimitadores, YOLO11 admite de forma nativa object detection, instance segmentation, image classification y pose estimation. Esta capacidad multimodal permite a los desarrolladores consolidar sus flujos de trabajo de vision AI bajo un único marco de trabajo bien mantenido.

DAMO-YOLO#

DAMO-YOLO fue desarrollado por investigadores de Alibaba Group. Aprovecha la Búsqueda de Arquitectura Neuronal (NAS) para descubrir backbones altamente eficientes adaptados para la inferencia en tiempo real en GPUs y otros aceleradores.

• Autores: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang y Xiuyu Sun
• Organization: Alibaba Group
• Fecha: 23-11-2022
• Arxiv: https://arxiv.org/abs/2211.15444v2
• GitHub: https://github.com/tinyvision/DAMO-YOLO
• Docs: https://github.com/tinyvision/DAMO-YOLO/blob/master/README.md

Más información sobre DAMO-YOLO

La filosofía central de DAMO-YOLO gira en torno a la rep-parameterization y la búsqueda automatizada. Mediante el uso de MAE-NAS (Multi-Objective Evolutionary Neural Architecture Search), los autores diseñaron un backbone personalizado que aumenta significativamente la velocidad de inferencia en hardware especializado. También incorpora una neck altamente optimizada llamada Efficient RepGFPN y una estructura ZeroHead simplificada para minimizar la latencia.

Comparación de rendimiento y arquitectura#

Comprender las compensaciones de rendimiento es vital al desplegar aplicaciones de edge AI. La tabla siguiente resume métricas clave como mean Average Precision (mAP), la latencia y el tamaño computacional.

Análisis arquitectónico en profundidad#

YOLO11 se basa en un «backbone» altamente eficiente y de diseño personalizado que equilibra a la perfección el recuento de parámetros y la capacidad de representación. Está optimizado para funcionar de maravilla en una amplia gama de hardware, destacando de forma nativa con un uso mínimo de CUDA memory tanto durante el entrenamiento como en la inferencia. Esto lo convierte en una opción estelar para hardware de consumo estándar o dispositivos IoT con recursos limitados.

Por el contrario, los backbones de DAMO-YOLO generados mediante MAE-NAS están ajustados para entornos de GPU de alto rendimiento. Su Efficient RepGFPN (Generalized Feature Pyramid Network) integra múltiples escalas de manera agresiva. Sin embargo, aunque la rep-parameterization acelera la inferencia, puede complicar el proceso de despliegue si tu stack de hardware no admite explícitamente estas operaciones de forma eficiente.

Usabilidad y eficiencia de entrenamiento#

Al tener en cuenta el tiempo de desarrollo, la facilidad de uso de un modelo resulta tan importante como sus benchmarks brutos.

YOLO11 se basa en gran medida en el principio de accesibilidad para el desarrollador. El paquete integral ultralytics abstrae el trabajo pesado del análisis sintáctico de conjuntos de datos, la aumentación y el ajuste de hiperparámetros. Exportar modelos a formatos de producción como ONNX, TensorRT y OpenVINO requiere tan solo un único comando.

from ultralytics import YOLO

# Initialize YOLO11 object detection model
model = YOLO("yolo11s.pt")

# Train the model with mixed precision on COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Export the trained model to TensorRT for edge deployment
model.export(format="engine", device=0)

DAMO-YOLO, que proviene de un trasfondo académico y de gran carga de investigación, presenta una curva de aprendizaje más empinada. Alcanzar su máxima precisión a menudo implica complejos flujos de trabajo de destilación de conocimientos, lo que significa que primero debes entrenar una red «profesora» masiva antes de pasar ese conocimiento a una red «alumna» más pequeña. Esto infla enormemente los requisitos de sobrecarga de GPU compute y la duración total del entrenamiento en comparación con los ágiles bucles de entrenamiento de los modelos de Ultralytics.

Casos de uso y recomendaciones#

Elegir entre YOLO11 y DAMO-YOLO depende de los requisitos específicos de tu proyecto, las limitaciones de despliegue y tus preferencias de ecosistema.

Cuándo elegir YOLO11#

YOLO11 es una gran opción para:

• Implementación perimetral de producción: Aplicaciones comerciales en dispositivos como Raspberry Pi o NVIDIA Jetson donde la fiabilidad y el mantenimiento activo son primordiales.
• Aplicaciones de visión multitarea: Proyectos que requieren detección, segmentación, estimación de posturas y OBB dentro de un único framework unificado.
• Creación rápida de prototipos e implementación: Equipos que necesitan pasar rápidamente de la recopilación de datos a la producción utilizando la simplificada API de Python de Ultralytics.

Cuándo elegir DAMO-YOLO#

DAMO-YOLO se recomienda para:

• Analítica de vídeo de alto rendimiento: Procesamiento de flujos de vídeo de altos FPS en infraestructura de GPU NVIDIA fija, donde el rendimiento por lote (batch-1) es la métrica principal.
• Líneas de fabricación industrial: Escenarios con restricciones estrictas de latencia de GPU en hardware dedicado, como la inspección de calidad en tiempo real en líneas de montaje.
• Investigación en búsqueda de arquitectura neuronal: Estudio de los efectos de la búsqueda automatizada de arquitectura (MAE-NAS) y backbones reparametrizados eficientes en el rendimiento de detección.

Cuándo elegir Ultralytics (YOLO26)#

Para la mayoría de los proyectos nuevos, Ultralytics YOLO26 ofrece la mejor combinación de rendimiento y experiencia de desarrollo:

• Implementación en el borde sin NMS: Aplicaciones que requieren una inferencia consistente y de baja latencia sin la complejidad del posprocesamiento de supresión de no máximos.
• Entornos solo de CPU: Dispositivos sin aceleración de GPU dedicada, donde la inferencia en CPU hasta un 43% más rápida de YOLO26 proporciona una ventaja decisiva.
• Detección de objetos pequeños: Escenarios desafiantes como la aerial drone imagery o el análisis con sensores IoT donde ProgLoss y STAL mejoran significativamente la precisión en objetos diminutos.

Aplicaciones y casos de uso en el mundo real#

Sistemas autónomos y drones#

Para imágenes aéreas y despliegues con vehículos aéreos no tripulados (UAV), YOLO11 proporciona un equilibrio de rendimiento increíblemente favorable. La detección de objetos pequeños es un obstáculo enorme en la analítica de drones, pero YOLO11 maneja escalas variables de forma nativa desde el primer momento. Además, los bajos memory requirements permiten que las variantes Nano y Small de YOLO11 se ejecuten directamente en CPU perimetrales ligeras o NPU acopladas al dron.

Automatización industrial y control de calidad#

En las fábricas inteligentes, la latencia es primordial. Aunque DAMO-YOLO ofrece sólidas velocidades de inferencia en GPU pesadas de categoría de servidor gracias a su «neck» RepGFPN, su rígida integración puede ser excesiva. YOLO11 suele actuar como una alternativa superior para el control de calidad automatizado debido a sus sencillas tracking APIs y a la capacidad de pasar sin problemas de la detección pura a tareas de oriented bounding box (OBB) si los defectos requieren el reconocimiento de contornos en ángulo.

Salud inteligente e imágenes médicas#

Los conjuntos de datos de imágenes médicas suelen ser relativamente pequeños, y evitar el sobreajuste es un reto. Las técnicas de aumentación activas, combinadas con los flujos de trabajo estándar de aprendizaje por transferencia proporcionados por el ecosistema bien mantenido de Ultralytics, ayudan a los clínicos y desarrolladores a desplegar modelos de tumor detection precisos de manera fiable. El amplio apoyo de la comunidad garantiza que los problemas en dominios complejos como la sanidad se resuelvan rápidamente.

En última instancia, mientras que DAMO-YOLO sigue siendo una potente demostración de la Búsqueda de Arquitectura Neuronal, YOLO11 y la familia extendida de Ultralytics siguen siendo la recomendación definitiva para tareas de visión artificial en el mundo real, dando prioridad al despliegue rápido, la facilidad para el desarrollador y un rendimiento multimodal de primer nivel.