YOLO11 frente a DAMO-YOLO#

Elegir la arquitectura adecuada es un paso fundamental en cualquier proyecto de visión artificial. Esta guía compara dos modelos de detección de objetos, Ultralytics YOLO11 y DAMO-YOLO, y analiza sus arquitecturas, procesos de entrenamiento y aplicabilidad en el mundo real para ayudarte a elegir la mejor herramienta para tus necesidades de implementación.

Descripción general de los modelos#

Ultralytics YOLO11#

Desarrollado por Ultralytics, YOLO11 perfecciona la familia YOLO para ofrecer precisión y eficiencia. Está diseñado para investigadores e ingenieros que buscan un ecosistema unificado y listo para producción, desde la gestión de conjuntos de datos hasta la implementación edge.

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

La principal ventaja de YOLO11 es su versatilidad. Mientras que muchos modelos se centran únicamente en las cajas delimitadoras, YOLO11 admite de forma nativa la detección de objetos, la segmentación de instancias, la clasificación de imágenes, la estimación de poses y la detección con cajas delimitadoras orientadas (OBB). Esto permite a los desarrolladores centralizar sus procesos de IA visual en un único framework con mantenimiento activo.

DAMO-YOLO#

DAMO-YOLO fue desarrollado por investigadores de Alibaba Group. Utiliza la búsqueda de arquitecturas neuronales (NAS) para encontrar redes troncales eficientes, adaptadas a la inferencia en tiempo real en GPU y otros aceleradores.

• 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: https://github.com/tinyvision/DAMO-YOLO/blob/master/README.md

Más información sobre DAMO-YOLO

DAMO-YOLO se basa en la reparametrización y la búsqueda automatizada. Mediante MAE-NAS (búsqueda de arquitecturas neuronales de máxima entropía), sus autores diseñaron una red troncal personalizada que mejora la velocidad de inferencia en hardware especializado. También incorpora un cuello optimizado llamado Efficient RepGFPN y una ZeroHead ligera para reducir al mínimo la latencia.

Comparación del rendimiento y la arquitectura#

El equilibrio entre rendimiento y coste es importante al implementar aplicaciones de IA edge. La tabla siguiente muestra la precisión media promedio (mAP), la latencia y el tamaño de los modelos en el conjunto de datos COCO. Con tamaños comparables, YOLO11 es más preciso y rápido en una GPU T4: YOLO11s alcanza 47.0 mAP en 2.5 ms, frente a 46.0 mAP en 3.45 ms de DAMO-YOLOs, y YOLO11l alcanza 53.4 mAP en 6.2 ms, frente a 50.8 mAP en 7.18 ms de DAMO-YOLOl. DAMO-YOLOt (42.0 mAP y 8.5M parámetros) queda entre YOLO11n y YOLO11s en tamaño y precisión.

Análisis en profundidad de la arquitectura#

YOLO11 utiliza una red troncal diseñada a medida que equilibra el número de parámetros y la capacidad de representación. Funciona bien en distintos tipos de hardware y mantiene bajo el uso de memoria CUDA tanto durante el entrenamiento como durante la inferencia, por lo que es una buena opción para hardware de consumo y dispositivos IoT con recursos limitados.

Las redes troncales MAE-NAS de DAMO-YOLO están optimizadas para entornos GPU de alto rendimiento. Su Efficient RepGFPN (red piramidal de características generalizada) fusiona características de varias escalas. La reparametrización acelera la inferencia, pero puede complicar el despliegue si tu plataforma de hardware no admite bien estas operaciones.

Facilidad de uso y eficiencia del entrenamiento#

Cuando el tiempo de desarrollo es importante, la facilidad de uso de un modelo cuenta tanto como sus resultados en pruebas de rendimiento.

YOLO11 está diseñado para facilitar el trabajo de los desarrolladores. El paquete ultralytics se encarga de interpretar los conjuntos de datos, aplicar aumentos y ajustar los hiperparámetros; para exportar a formatos de producción como ONNX, TensorRT y OpenVINO, basta con un comando.

from ultralytics import YOLO

# Inicializa el modelo de detección de objetos YOLO11
model = YOLO("yolo11s.pt")

# Entrena el modelo con precisión mixta en COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Exporta el modelo entrenado a TensorRT para implementarlo en el borde
model.export(format="engine", device=0)

DAMO-YOLO tiene sus raíces en la investigación y presenta una curva de aprendizaje más pronunciada. La precisión indicada depende de un proceso de destilación de conocimiento: primero entrenas una red «profesora» más grande y después transfieres sus conocimientos a una red «estudiante» más pequeña. Esto requiere más capacidad de cálculo de GPU y tiempo de entrenamiento que el ciclo estándar de entrenamiento de Ultralytics.

Casos de uso y recomendaciones#

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

Cuándo elegir YOLO11#

YOLO11 es una excelente opción para:

• Despliegue periférico en producción: Aplicaciones comerciales en dispositivos como Raspberry Pi o NVIDIA Jetson, donde la fiabilidad y el mantenimiento activo son fundamentales.
• Aplicaciones de visión multitarea: Proyectos que requieren detección, segmentación, estimación de poses y OBB en un único framework unificado.
• Prototipado e implementación rápidos: Equipos que necesitan pasar rápidamente de la recopilación de datos a producción mediante la 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 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 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 requieren una inferencia constante y de baja latencia, sin la complejidad del posprocesamiento de supresión no máxima (NMS).
• Entornos solo con CPU: Dispositivos sin aceleración de GPU dedicada, en los que la inferencia en CPU hasta un 43 % más rápida de YOLO26 (YOLO26n frente a YOLO11n) supone una ventaja decisiva.
• Detección de objetos pequeños: Situaciones exigentes, como las imágenes aéreas tomadas con drones o el análisis de sensores IoT, en las que ProgLoss y STAL mejoran la precisión con objetos pequeños.

Aplicaciones y casos de uso en el mundo real#

Sistemas autónomos y drones#

Para imágenes aéreas e implementaciones en vehículos aéreos no tripulados (UAV), YOLO11 ofrece un equilibrio favorable entre velocidad y precisión. La detección de objetos pequeños es un gran reto en el análisis de imágenes captadas por drones, y la fusión de características a varias escalas de YOLO11 le ayuda a detectar objetos de distintos tamaños. Además, sus bajos requisitos de memoria permiten ejecutar las variantes Nano y Small de YOLO11 directamente en CPU edge o NPU ligeras instaladas en el dron.

Automatización industrial y control de calidad#

En las fábricas inteligentes, la latencia es fundamental. DAMO-YOLO ofrece inferencia rápida en GPU de servidor, pero su arquitectura especializada puede ser más difícil de integrar. YOLO11 suele ser la opción más práctica para el control de calidad automatizado gracias a su sencilla API de seguimiento y a la posibilidad de pasar de la detección a las tareas OBB cuando los defectos requieren cajas delimitadoras inclinadas.

Atención sanitaria inteligente e imágenes médicas#

Los conjuntos de datos de imágenes médicas suelen ser pequeños, por lo que es difícil evitar el sobreajuste. Los flujos de trabajo integrados de aumento de datos y aprendizaje por transferencia del ecosistema Ultralytics ayudan a profesionales clínicos y desarrolladores a crear modelos precisos de detección de tumores. La amplia comunidad de Ultralytics también ayuda a resolver problemas en ámbitos especializados como la sanidad.

DAMO-YOLO sigue siendo una demostración destacada de la búsqueda de arquitecturas neuronales, pero YOLO11 y el resto de la familia Ultralytics, encabezada por YOLO26, son la opción más práctica para tareas de visión artificial en el mundo real gracias a su rápida implementación, facilidad de uso y compatibilidad con varias tareas.