YOLOv5 vs. DAMO-YOLO: Una comparativa técnica exhaustiva

El panorama de la computer vision en tiempo real está en constante evolución, con investigadores e ingenieros esforzándose por lograr el equilibrio perfecto entre precisión, velocidad y usabilidad. Dos modelos destacados que han marcado este camino son Ultralytics YOLOv5 y DAMO-YOLO de Alibaba.

Esta guía ofrece un análisis técnico detallado de sus arquitecturas, métricas de rendimiento y metodologías de entrenamiento para ayudarte a elegir el modelo adecuado para tu próximo despliegue.

Antecedentes de los modelos

Antes de adentrarnos en los matices técnicos, es importante comprender los orígenes y las filosofías de diseño principales detrás de cada uno de estos influyentes modelos de visión.

Ultralytics YOLOv5

Desarrollado por Glenn Jocher y el equipo de Ultralytics, YOLOv5 se ha convertido en un estándar del sector desde su lanzamiento. Construido de forma nativa sobre el framework PyTorch, dio prioridad a una experiencia de desarrollo optimizada y a capacidades de despliegue robustas desde el primer momento.

• Autor: Glenn Jocher
• Organización: Ultralytics
• Fecha: 2020-06-26
• GitHub: https://github.com/ultralytics/yolov5
• Documentación: Documentación de Ultralytics YOLOv5

Más información sobre YOLOv5

DAMO-YOLO

Creado por investigadores de Alibaba Group, DAMO-YOLO se centra intensamente en la Neural Architecture Search (NAS) y en técnicas avanzadas de destilación. Empuja los límites teóricos del rendimiento específico del hardware, orientándose fuertemente a entornos de investigación y periféricos (edge) que requieren una optimización extrema.

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

Más información sobre DAMO-YOLO

Innovaciones arquitectónicas

Ambos modelos aprovechan conceptos estructurales únicos para lograr su rendimiento en tiempo real, aunque sus enfoques difieren significativamente.

YOLOv5: Estabilidad y versatilidad

YOLOv5 utiliza un backbone CSP (Cross Stage Partial) modificado junto con un neck PANet (Path Aggregation Network). Esta estructura es altamente eficiente, minimizando el uso de memoria CUDA tanto durante el entrenamiento como en la inferencia.

Uno de los mayores puntos fuertes de YOLOv5 es su versatilidad en las tareas. Más allá de las predicciones de cuadros delimitadores (bounding boxes), ofrece arquitecturas dedicadas para segmentación de imágenes y clasificación de imágenes, lo que permite a los desarrolladores estandarizar sus pipelines de visión en torno a un único framework coherente.

DAMO-YOLO: Búsqueda automatizada de arquitectura

La innovación principal de DAMO-YOLO es su backbone MAE-NAS. Utilizando una búsqueda evolutiva multiobjetivo, el equipo de Alibaba descubrió backbones que equilibran la precisión de detección y la velocidad de inferencia de forma dinámica.

Además, cuenta con el neck Efficient RepGFPN para una mejor fusión de características, lo cual es muy beneficioso para las variaciones de escala complejas que suelen observarse en el análisis de imágenes por satélite. Su diseño ZeroHead simplifica las capas finales de predicción para reducir la latencia, aunque esta compleja generación estructural puede hacer que la arquitectura sea rígida y más difícil de modificar para aplicaciones personalizadas.

Rendimiento y métricas

Evaluar detectores de objetos en tiempo real requiere observar una matriz de mAP (mean Average Precision), velocidad de inferencia y parámetros de tamaño del modelo.

Aunque DAMO-YOLO alcanza puntuaciones mAP altamente competitivas con ciertos conteos de parámetros, YOLOv5 demuestra consistentemente velocidades de TensorRT excepcionales y conteos de parámetros increíblemente bajos para sus configuraciones nano y small. Este equilibrio de rendimiento garantiza que YOLOv5 funcione de manera eficiente en diversos escenarios de despliegue en el edge.

Eficiencia de entrenamiento y ecosistema

La precisión teórica de un modelo solo es tan buena como su capacidad de implementación práctica. Aquí es donde los modelos divergen considerablemente.

La complejidad de la destilación

DAMO-YOLO depende en gran medida de una metodología de entrenamiento de múltiples etapas. Implementa una técnica de destilación de conocimiento profesor-alumno conocida como AlignedOTA. Si bien esto extrae el máximo rendimiento del modelo alumno, requiere entrenar inicialmente un modelo profesor masivo. Esto aumenta drásticamente el tiempo de computación, los costes energéticos y el hardware necesario, lo que supone un cuello de botella para los equipos de ML ágiles.

La ventaja de Ultralytics: Facilidad de uso

Por el contrario, el ecosistema de Ultralytics es mundialmente reconocido por sus API intuitivas y su eficiencia en el entrenamiento. Con el apoyo de un desarrollo activo y una enorme comunidad de código abierto, los desarrolladores pueden entrenar, validar y desplegar modelos sin problemas.

from ultralytics import YOLO

# Load a pretrained YOLOv5 model
model = YOLO("yolov5s.pt")

# Train on a custom dataset effortlessly
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Export to ONNX format for deployment
model.export(format="onnx")

Ultralytics también proporciona soporte integrado para el seguimiento de experimentos a través de herramientas como Weights & Biases y Comet ML, creando un flujo de trabajo sin fricciones.

Casos de uso en el mundo real

• YOLOv5 destaca en entornos de producción de ritmo rápido. Su sencilla capacidad de exportación lo convierte en la opción principal para análisis minorista inteligente, detección de defectos en fabricación de alta velocidad e integración en aplicaciones móviles mediante CoreML.
• DAMO-YOLO es muy adecuado para pruebas académicas estrictas y escenarios donde se dispone de vastos recursos computacionales para ejecutar largos procesos de entrenamiento destilado, destinados a exprimir mejoras fraccionarias de mAP para objetivos de hardware específicos y fijos.

Casos de uso y recomendaciones

Elegir entre YOLOv5 y DAMO-YOLO depende de los requisitos específicos de tu proyecto, las restricciones de despliegue y las preferencias de ecosistema.

Cuándo elegir YOLOv5

YOLOv5 es una opción sólida para:

• Sistemas de producción probados: Implementaciones existentes donde se valora la larga trayectoria de estabilidad de YOLOv5, su extensa documentación y el enorme soporte de la comunidad.
• Entrenamiento con recursos limitados: Entornos con recursos de GPU limitados donde el eficiente pipeline de entrenamiento de YOLOv5 y sus menores requisitos de memoria son ventajosos.
• Amplio soporte de formatos de exportación: Proyectos que requieren implementación en muchos formatos, incluyendo ONNX, TensorRT, CoreML y TFLite.

Cuándo elegir DAMO-YOLO

DAMO-YOLO se recomienda para:

• Análisis de video de alto rendimiento: Procesamiento de flujos de video de alta tasa de cuadros (FPS) en infraestructura de GPU NVIDIA fija, donde el rendimiento de procesamiento batch-1 es la métrica principal.
• Líneas de fabricación industrial: Escenarios con estrictas restricciones de latencia de GPU en hardware dedicado, como la inspección de calidad en tiempo real en líneas de ensamblaje.
• Investigación en Búsqueda de Arquitectura Neuronal: Estudiar los efectos de la búsqueda de arquitectura automatizada (MAE-NAS) y los 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 para el desarrollador:

• Despliegue en borde sin NMS: Aplicaciones que requieren una inferencia consistente y de baja latencia sin la complejidad del posprocesamiento de la 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 imágenes de drones aéreos o análisis de sensores IoT donde ProgLoss y STAL aumentan significativamente la precisión en objetos diminutos.

La próxima evolución: YOLO26

Si vas a empezar un nuevo proyecto, es muy recomendable mirar hacia el futuro. Ultralytics YOLO26 se basa en la increíble base de YOLOv5, incorporando avances revolucionarios que redefinen el estado del arte de la visión por IA.

Las innovaciones clave en YOLO26 incluyen:

• Optimizador MuSGD: Inspirado en las innovaciones del entrenamiento de LLM, este híbrido de SGD y Muon garantiza un entrenamiento altamente estable y una rápida convergencia.
• Hasta un 43% más de rapidez en inferencia por CPU: Altamente optimizado para el edge computing, lo que lo hace perfecto para dispositivos IoT que funcionan sin GPUs dedicadas.
• ProgLoss + STAL: Funciones de pérdida avanzadas que mejoran drásticamente el reconocimiento de objetos pequeños, algo crítico para imágenes aéreas de drones y robótica.
• Mejoras específicas por tarea: Desde pérdida de ángulo especializada para Oriented Bounding Boxes (OBB) hasta la estimación de log-verosimilitud residual (RLE) para una estimación de pose precisa, YOLO26 maneja dominios complejos con facilidad.

Conclusión

Tanto YOLOv5 como DAMO-YOLO han consolidado sus lugares en la historia de la detección de objetos. DAMO-YOLO sigue siendo un estudio fascinante sobre la búsqueda de arquitectura neuronal y la destilación. Sin embargo, para las organizaciones que priorizan un ecosistema bien mantenido, facilidad de uso y un camino rápido hacia la producción, los modelos de Ultralytics siguen siendo inigualables.

Recomendamos encarecidamente utilizar la plataforma de Ultralytics para anotar, entrenar y desplegar la próxima generación de modelos, como YOLO26, garantizando que tu pipeline de visión artificial esté preparado para el futuro, sea rápido y notablemente preciso.

Lecturas adicionales

• Explora el RT-DETR basado en Transformer para aplicaciones de alta precisión.
• Aprende sobre el modelo de la generación anterior YOLO11.
• Descubre cómo optimizar los despliegues con OpenVINO.