YOLO11 frente a DAMO-YOLO#

Elegir la arquitectura óptima es un paso fundamental en cualquier proyecto de visión artificial. Esta guía técnica ofrece una comparación exhaustiva de dos potentes modelos de detección de objetos: Ultralytics YOLO11 y DAMO-YOLO. Analizaremos sus innovaciones arquitectónicas, paradigmas de entrenamiento y aplicabilidad en el mundo real para ayudarte a elegir la herramienta más adecuada para tus necesidades de implementación.

Descripción general de los modelos#

Ultralytics YOLO11#

Desarrollado por el equipo de Ultralytics, YOLO11 es una versión muy refinada de la familia YOLO que optimiza notablemente tanto la precisión como la 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 en el borde.

• 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

YOLO11 destaca por su versatilidad. Mientras que muchos modelos tradicionales se centran únicamente en las cajas delimitadoras, YOLO11 admite de forma nativa la detección de objetos, la segmentación de instancias, la clasificación de imágenes y la estimación de poses. Esta capacidad multitarea permite a los desarrolladores consolidar sus procesos de trabajo de IA de visión en un único framework bien mantenido.

DAMO-YOLO#

DAMO-YOLO fue desarrollado por investigadores de Alibaba Group. Utiliza la búsqueda de arquitecturas neuronales (NAS) para encontrar redes troncales muy 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

La filosofía central de DAMO-YOLO gira en torno a la reparametrización y la búsqueda automatizada. Mediante MAE-NAS (búsqueda de arquitecturas neuronales de entropía máxima), los autores diseñaron una red troncal personalizada que aumenta considerablemente la velocidad de inferencia en hardware especializado. También incorpora un cuello muy optimizado llamado Efficient RepGFPN y una estructura ZeroHead simplificada para minimizar la latencia.

Comparación del rendimiento y la arquitectura#

Comprender las ventajas e inconvenientes del rendimiento es fundamental al implementar aplicaciones de IA en el borde. La tabla siguiente presenta métricas clave, como la precisión media (mAP), la latencia y el tamaño computacional.

Análisis en profundidad de la arquitectura#

YOLO11 se basa en una red troncal personalizada y muy eficiente que equilibra a la perfección el número de parámetros y la capacidad de representación. Está optimizado para funcionar de forma excelente en distintos tipos de hardware y destaca de forma nativa por su uso mínimo de memoria CUDA tanto durante el entrenamiento como durante la inferencia. Esto lo convierte en una opción excelente para hardware de consumo estándar o dispositivos IoT con recursos limitados.

Por el contrario, las redes troncales generadas mediante MAE-NAS de DAMO-YOLO están ajustadas con precisión para entornos de GPU de alto rendimiento. Su Efficient RepGFPN (red piramidal de características generalizada) integra varias escalas de forma intensiva. Sin embargo, aunque la reparametrización acelera la inferencia, puede complicar el proceso de implementación si tu plataforma de hardware no admite explícitamente estas operaciones de forma adecuada.

Facilidad de uso y eficiencia del entrenamiento#

Al tener en cuenta el tiempo de desarrollo, la facilidad de uso de un modelo es tan importante como sus resultados brutos en las evaluaciones comparativas.

YOLO11 se basa en gran medida en el principio de accesibilidad para los desarrolladores. El completo paquete ultralytics se encarga de las tareas más complejas de análisis de conjuntos de datos, aumento de datos y ajuste de hiperparámetros. Para exportar modelos a formatos de producción como ONNX, TensorRT y OpenVINO, basta con un solo 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, de origen académico y centrado en la investigación, presenta una curva de aprendizaje más pronunciada. Para alcanzar su máxima precisión, a menudo se necesitan procesos complejos de destilación del conocimiento; es decir, primero hay que entrenar una red «profesora» enorme y, después, transmitir ese conocimiento a una red «alumna» más pequeña. Esto aumenta enormemente el consumo de recursos de GPU y la duración total del entrenamiento en comparación con los ciclos de entrenamiento ligeros de los modelos 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 dentro de un único framework unificado.
• Prototipado y despliegue rápidos: Equipos que necesitan pasar rápidamente de la recopilación de datos a producción mediante la sencilla 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 necesitan inferencias uniformes y de baja latencia sin la complejidad del posprocesamiento con supresión no máxima.
• Entornos que solo usan CPU: Dispositivos sin aceleración GPU dedicada, en los que la inferencia con CPU hasta un 43 % más rápida de YOLO26 supone una ventaja decisiva.
• Detección de objetos pequeños: Casos exigentes, como las imágenes aéreas tomadas con drones o el análisis de sensores IoT, donde ProgLoss y STAL mejoran notablemente la precisión al detectar objetos diminutos.

Aplicaciones y casos de uso en el mundo real#

Sistemas autónomos y drones#

Para imágenes aéreas e implementaciones de UAV, YOLO11 ofrece un equilibrio de rendimiento muy favorable. La detección de objetos pequeños supone un gran reto en el análisis con drones, pero YOLO11 gestiona de forma nativa distintas escalas desde el primer momento. Además, sus bajos requisitos de memoria permiten ejecutar las variantes Nano y Small de YOLO11 directamente en CPU o NPU ligeras de borde instaladas en el dron.

Automatización industrial y control de calidad#

En las fábricas inteligentes, la latencia es fundamental. Aunque DAMO-YOLO ofrece velocidades de inferencia sólidas en GPU de servidor de alta potencia gracias a su cuello RepGFPN, su integración rígida puede ser excesiva. YOLO11 suele ser una alternativa superior para el control de calidad automatizado gracias a sus sencillas API de seguimiento y a la posibilidad de cambiar sin problemas de la detección pura a tareas de cajas delimitadoras orientadas (OBB) cuando los defectos requieren identificar límites angulados.

Atención sanitaria inteligente e imágenes médicas#

Los conjuntos de datos de imágenes médicas suelen ser relativamente pequeños, y evitar el sobreajuste es todo un reto. Las técnicas de aumento de datos activas, combinadas con los procesos de aprendizaje por transferencia estándar que ofrece el ecosistema bien mantenido de Ultralytics, ayudan a los profesionales sanitarios y a los desarrolladores a implementar de forma fiable modelos de detección de tumores precisos. El amplio respaldo de la comunidad garantiza que los problemas de ámbitos complejos como la atención sanitaria se resuelvan rápidamente.

En definitiva, aunque DAMO-YOLO sigue siendo una demostración potente de la búsqueda de arquitecturas neuronales, YOLO11 y el resto de la familia Ultralytics son la recomendación definitiva para tareas de visión artificial en el mundo real, ya que priorizan una implementación rápida, la facilidad de uso para desarrolladores y un rendimiento multitarea de primer nivel.