Empezar

YOLOv10 frente a DAMO-YOLO

Al crear canalizaciones modernas de visión artificial, es fundamental elegir la arquitectura adecuada para la detección de objetos en tiempo real. Este análisis técnico abarca las arquitecturas, las métricas de rendimiento y los casos de uso ideales de YOLOv10 y DAMO-YOLO. Ambos modelos impulsaron la detección en tiempo real, pero siguen caminos arquitectónicos distintos.

Tanto si tu proyecto requiere la implementación en hardware de IA edge con recursos limitados como si exige la máxima precisión en GPU en la nube, comprender las diferencias entre estas arquitecturas te ayudará a tomar una decisión fundamentada.

Explora YOLOv10#

Presentado por investigadores de la Universidad de Tsinghua, YOLOv10 incorporó a la familia YOLO un enfoque nativo integral que elimina la necesidad de la supresión no máxima (NMS) durante el posprocesamiento.

Detalles de YOLOv10:

Características arquitectónicas principales#

La principal innovación de YOLOv10 es su estrategia de asignaciones duales coherentes para entrenar sin NMS. Los detectores de objetos tradicionales se basan en NMS para filtrar las cajas delimitadoras superpuestas, lo que añade una latencia variable y crea un cuello de botella para aplicaciones en tiempo real como los vehículos autónomos y la robótica de alta velocidad. Al predecir directamente una sola caja delimitadora por objeto, YOLOv10 logra una latencia de inferencia baja y predecible.

Además, el modelo aplica un diseño integral orientado a la eficiencia y la precisión. La arquitectura optimiza varios componentes, como una cabeza de clasificación ligera y un submuestreo desacoplado espacial y por canales, lo que reduce la redundancia computacional. El resultado es una arquitectura con menos parámetros y menos FLOPs, que mantiene una precisión media promedio (mAP) competitiva.

Exportación optimizada para producción

Como YOLOv10 elimina las operaciones NMS del grafo de inferencia, exportar el modelo a formatos como ONNX o TensorRT es más sencillo, por lo que resulta ideal para implementaciones edge.

Más información sobre YOLOv10

Ejemplo de uso#

YOLOv10 está integrado en el ecosistema de Ultralytics, así que puedes utilizarlo mediante el paquete Python de Ultralytics.

from ultralytics import YOLO

# Carga un modelo nano YOLOv10 preentrenado
model = YOLO("yolov10n.pt")

# Entrena el modelo con el conjunto de datos COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Ejecuta la inferencia en una imagen de prueba
results = model("https://ultralytics.com/images/bus.jpg")

# Exporta el modelo al formato TensorRT
model.export(format="engine", quantize=16)

Explora DAMO-YOLO#

Desarrollado por Alibaba Group, DAMO-YOLO se centra en descubrir estructuras de red eficientes mediante la búsqueda de arquitecturas neuronales (NAS) automatizada, con el objetivo de ampliar la frontera de Pareto entre velocidad y precisión.

Detalles de DAMO-YOLO:

Características arquitectónicas principales#

DAMO-YOLO incorpora varias técnicas diseñadas para aplicaciones industriales. La base del modelo es su backbone MAE-NAS, generado mediante una búsqueda guiada por la entropía máxima. Este proceso automatizado descubre estructuras de backbone que se ajustan a presupuestos computacionales predefinidos y equilibran la precisión con la latencia de inferencia.

La arquitectura también utiliza un neck Efficient RepGFPN. Esta red piramidal de características está diseñada para mejorar la fusión de características entre distintas escalas, algo esencial en tareas complejas como el análisis de imágenes aéreas, donde los objetos varían mucho de tamaño. DAMO-YOLO también implementa ZeroHead, una cabeza de detección minimalista que reduce la complejidad de las capas de predicción finales y ahorra cómputo durante la inferencia.

Más información sobre DAMO-YOLO

Comparativa de rendimiento#

Al evaluar arquitecturas de detección de objetos, es esencial encontrar el equilibrio adecuado entre velocidad de inferencia, eficiencia de parámetros y precisión de detección. La tabla siguiente compara el rendimiento de YOLOv10 y DAMO-YOLO en sus respectivos tamaños de modelo.

Modelotamaño
(píxeles)
mAPval50-95Velocidad
CPU ONNX
(ms)
Velocidad
T4 TensorRT10
(ms)
parámetros
(M)
FLOPs
(B)
YOLOv10n64038.5-1.842.36.7
YOLOv10s64046.3-2.497.221.6
YOLOv10m64051.1-4.7415.459.1
YOLOv10b64052.5-5.7419.192.0
YOLOv10l64053.2-7.2824.4120.3
YOLOv10x64054.4-10.7029.5160.4
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

YOLOv10 es más preciso que DAMO-YOLO en escalas comparables y utiliza menos parámetros: YOLOv10s alcanza 46,3 mAP con 7,2 M de parámetros en 2,49 ms, frente a 46,0 mAP con 16,3 M de parámetros en 3,45 ms de DAMO-YOLOs. DAMO-YOLOt ofrece una gran precisión para su tamaño (42,0 mAP) y DAMO-YOLOl es ligeramente más rápido que YOLOv10l con TensorRT en T4 (7,18 ms frente a 7,28 ms), pero la eficiencia de parámetros de la familia YOLOv10 le da ventaja en entornos de implementación con recursos limitados.

Casos de uso y recomendaciones#

La elección entre YOLOv10 y DAMO-YOLO depende de los requisitos específicos de tu proyecto, las limitaciones de despliegue y tus preferencias de ecosistema.

Cuándo elegir YOLOv10#

YOLOv10 es una buena opción para:

  • Detección en tiempo real sin NMS: Aplicaciones que se benefician de la detección de extremo a extremo sin supresión no máxima, lo que reduce la complejidad de la implementación.
  • Equilibrio entre velocidad y precisión: Proyectos que necesitan un buen equilibrio entre la velocidad de inferencia y la precisión de detección en distintas escalas de modelo.
  • Aplicaciones con latencia constante: Escenarios de implementación en los que los tiempos de inferencia predecibles son fundamentales, como la robótica o los sistemas autónomos.

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 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.

La ventaja de Ultralytics#

Elegir una arquitectura para producción implica ir más allá de las métricas brutas. Crear soluciones con modelos compatibles con el ecosistema de Ultralytics ofrece varias ventajas prácticas para desarrolladores e investigadores.

Facilidad de uso y ecosistema bien mantenido#

A diferencia de los repositorios académicos independientes, que pueden recibir actualizaciones poco frecuentes, Ultralytics ofrece un ecosistema con mantenimiento activo. Configurar entornos complejos para modelos que dependen de canalizaciones NAS puede ser difícil. En cambio, Ultralytics proporciona una API y una CLI estandarizadas de Python, respaldadas por documentación exhaustiva, que acortan el tiempo de comercialización de soluciones de visión personalizadas.

Eficiencia del entrenamiento y requisitos de memoria#

Entrenar modelos grandes puede encarecer rápidamente el cálculo. Históricamente, las arquitecturas Ultralytics YOLO se han caracterizado por su bajo consumo de memoria CUDA durante el entrenamiento y la inferencia. Esta eficiencia permite a los desarrolladores entrenar modelos en hardware de consumo o instancias en la nube económicas sin sufrir errores por falta de memoria, habituales al trabajar con modelos basados en Transformer como RT-DETR.

Seguimiento de experimentos

Ultralytics se integra con herramientas MLOps populares. Puedes seguir el progreso del entrenamiento de tus modelos mediante integraciones con Weights & Biases, Comet o ClearML, sin necesidad de código repetitivo adicional.

Versatilidad en distintas tareas#

Una limitación de muchos modelos de detección especializados, incluidos YOLOv10 y DAMO-YOLO, es su enfoque limitado a la detección. En el ecosistema de Ultralytics, modelos como YOLO11 y YOLO26 amplían las mismas herramientas a varias tareas de visión artificial, como la segmentación de instancias, la clasificación de imágenes, la estimación de pose y la detección con cajas delimitadoras orientadas (OBB).

Perspectivas de futuro: la evolución de YOLO26#

YOLOv10 introdujo la inferencia sin NMS en los modelos YOLO y DAMO-YOLO mostró lo que puede lograr NAS. Para los desarrolladores que empiezan proyectos nuevos hoy, recomendamos Ultralytics YOLO26.

Lanzado en enero de 2026 como sucesor de YOLO11, YOLO26 se basa en los cimientos sin NMS establecidos por YOLOv10 y ofrece una cabeza opcional uno a uno (nms=False).

Entre los avances clave de YOLO26 se incluyen:

  • Inferencia en CPU hasta un 43 % más rápida: YOLO26n funciona hasta un 43 % más rápido que YOLO11n en CPU, por lo que es adecuado para la computación edge y los dispositivos de bajo consumo.
  • Eliminación de DFL: Se ha eliminado Distribution Focal Loss, lo que permite exportaciones más sencillas y una mayor compatibilidad con distintos destinos de implementación.
  • Optimizador MuSGD: Una combinación de SGD y Muon que aporta a la visión artificial la estabilidad del entrenamiento de modelos de lenguaje grandes (LLM) y una convergencia más rápida.
  • ProgLoss + STAL: Progressive Loss y la asignación de etiquetas que tiene en cuenta los objetos pequeños (STAL) mejoran el reconocimiento de objetos pequeños, esencial para casos de uso como la agricultura y la teledetección.

Con la plataforma Ultralytics, los desarrolladores pueden anotar datos, entrenar e implementar modelos como YOLO26 desde un único lugar.

Comentarios

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