YOLOv5 frente a DAMO-YOLO
El panorama de la visión artificial en tiempo real evoluciona constantemente, mientras investigadores e ingenieros buscan el equilibrio adecuado entre precisión, velocidad y facilidad de uso. Dos modelos destacados que han marcado este recorrido son Ultralytics YOLOv5 y DAMO-YOLO, de Alibaba.
Esta guía ofrece un análisis técnico exhaustivo de sus arquitecturas, métricas de rendimiento y metodologías de entrenamiento para ayudarte a elegir el modelo adecuado para tu próximo despliegue.
Contexto de los modelos#
Antes de comparar los detalles técnicos, es importante conocer los orígenes y las principales filosofías de diseño 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. Creado de forma nativa en el framework PyTorch, priorizó desde el principio una experiencia de desarrollo sencilla y unas sólidas capacidades de despliegue.
- Autor: Glenn Jocher
- Organización: Ultralytics
- Fecha: 2020-06-26
- GitHub: ultralytics/yolov5
- Documentación: Documentación de Ultralytics YOLOv5
DAMO-YOLO#
Creado por investigadores de Alibaba Group, DAMO-YOLO se centra especialmente en las técnicas de búsqueda de arquitecturas neuronales (NAS) y destilación de conocimiento. Está orientado al rendimiento específico del hardware y dirigido a entornos de investigación e implementación que requieren ajustes exhaustivos.
- Autores: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang y Xiuyu Sun
- Organización: Alibaba Group
- Fecha: 2022-11-23
- arXiv: 2211.15444v2
- GitHub: tinyvision/DAMO-YOLO
Más información sobre DAMO-YOLO
Innovaciones arquitectónicas#
Ambos modelos aprovechan conceptos estructurales propios para lograr su rendimiento en tiempo real, aunque sus enfoques difieren considerablemente.
YOLOv5: estabilidad y versatilidad#
YOLOv5 utiliza una red troncal CSP (Cross Stage Partial) modificada junto con un cuello PANet (Path Aggregation Network). Esta estructura es eficiente y mantiene bajo el uso de memoria CUDA tanto durante el entrenamiento como durante la inferencia.
Uno de los mayores puntos fuertes de YOLOv5 es su versatilidad en distintas tareas. Además de las predicciones de cajas delimitadoras, el repositorio original de YOLOv5 ofrece arquitecturas específicas para la segmentación de instancias (v7.0) y la clasificación de imágenes (v6.2), lo que permite a los desarrolladores estandarizar sus procesos de visión en torno a un único framework coherente.
DAMO-YOLO: búsqueda automatizada de arquitecturas#
La innovación principal de DAMO-YOLO es su red troncal MAE-NAS. Mediante una búsqueda guiada por la entropía máxima, el equipo de Alibaba encontró redes troncales que equilibran la precisión de detección y la velocidad de inferencia dentro de presupuestos de latencia específicos.
Además, incorpora el cuello Efficient RepGFPN para mejorar la fusión de características, algo muy útil ante las complejas variaciones de escala que suelen encontrarse 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 volver la arquitectura rígida y más difícil de modificar para aplicaciones personalizadas.
Las arquitecturas basadas en Transformer suelen necesitar mucha memoria GPU. Tanto YOLOv5 como DAMO-YOLO utilizan diseños convolucionales eficientes para mantener bajo el uso de memoria, y los modelos de Ultralytics están diseñados para entrenarse en GPU de consumo, lo que los hace accesibles a investigadores independientes y startups.
Rendimiento y métricas#
Para evaluar los detectores de objetos en tiempo real, hay que tener en cuenta conjuntamente el mAP (precisión media), la velocidad de inferencia y el tamaño del modelo.
| Modelo | tamaño (píxeles) | mAPval50-95 | Velocidad CPU ONNX (ms) | Velocidad T4 TensorRT10 (ms) | parámetros (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv5n | 640 | 28.0 | - | 1.12 | 1.9 | 4.5 |
| YOLOv5s | 640 | 37.4 | - | 1.92 | 7.2 | 16.5 |
| YOLOv5m | 640 | 45.4 | - | 4.03 | 21.2 | 49.0 |
| YOLOv5l | 640 | 49.0 | - | 6.61 | 46.5 | 109.1 |
| YOLOv5x | 640 | 50.7 | - | 11.89 | 86.7 | 205.7 |
| DAMO-YOLOt | 640 | 42.0 | - | 2.32 | 8.5 | 18.1 |
| DAMO-YOLOs | 640 | 46.0 | - | 3.45 | 16.3 | 37.8 |
| DAMO-YOLOm | 640 | 49.2 | - | 5.09 | 28.2 | 61.8 |
| DAMO-YOLOl | 640 | 50.8 | - | 7.18 | 42.1 | 97.3 |
DAMO-YOLO consigue un mAP superior al de YOLOv5 con cantidades de parámetros comparables; por ejemplo, DAMO-YOLOs alcanza 46,0 mAP con 16,3 M de parámetros, frente a los 45,4 mAP de YOLOv5m, que tiene 21,2 M de parámetros. YOLOv5 ofrece las velocidades más altas en TensorRT y el menor número de parámetros en sus configuraciones nano y pequeña, por lo que resulta adecuado para implementaciones periféricas donde la latencia es crítica.
Eficiencia de entrenamiento y ecosistema#
La precisión teórica de un modelo solo es tan buena como su viabilidad práctica. Aquí es donde los modelos difieren considerablemente.
La complejidad de la destilación#
DAMO-YOLO depende en gran medida de una metodología de entrenamiento en varias etapas. Combina la asignación de etiquetas AlignedOTA con una técnica de destilación de conocimiento profesor-estudiante. Aunque esta combinación extrae el máximo rendimiento del modelo estudiante, primero exige entrenar un modelo profesor grande. Esto aumenta el tiempo de cálculo, los costes energéticos y los requisitos de hardware, lo que puede ralentizar a los equipos de ML más pequeños.
La ventaja de Ultralytics: facilidad de uso#
Por el contrario, el ecosistema de Ultralytics es conocido por sus API intuitivas y la eficiencia del entrenamiento. Con un desarrollo activo y una amplia comunidad de código abierto, permite a los desarrolladores entrenar, validar y desplegar modelos con una configuración mínima.
from ultralytics import YOLO
# Carga un modelo YOLOv5 preentrenado
model = YOLO("yolov5su.pt") # YOLOv5u: pesos de YOLOv5 sin anclajes para el paquete ultralytics
# Entrena con el conjunto de datos de ejemplo COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Exporta al formato ONNX para la implementación
model.export(format="onnx")Ultralytics también ofrece seguimiento de experimentos integrado mediante integraciones como Weights & Biases y Comet.
Casos de uso reales#
- YOLOv5 es adecuado para entornos de producción exigentes. Su sencilla exportación lo convierte en una opción habitual para el análisis del comercio minorista inteligente, la detección de defectos de fabricación a alta velocidad y las aplicaciones móviles mediante CoreML.
- DAMO-YOLO es adecuado para la evaluación comparativa académica y para situaciones en las que se dispone de abundantes recursos de cálculo para entrenamientos prolongados con destilación, orientados a conseguir un mAP adicional en hardware específico y fijo.
Casos de uso y recomendaciones#
La elección entre YOLOv5 y DAMO-YOLO depende de los requisitos específicos de tu proyecto, las limitaciones de despliegue y tus preferencias de ecosistema.
Cuándo elegir YOLOv5#
YOLOv5 es una buena opción para:
- Sistemas de producción consolidados: Implementaciones existentes en las que se valoran la larga trayectoria de estabilidad de YOLOv5, su extensa documentación y su amplia comunidad.
- Entrenamiento con recursos limitados: entornos con recursos de GPU limitados, donde el pipeline de entrenamiento eficiente de YOLOv5 y sus menores requisitos de memoria suponen una ventaja.
- Amplia compatibilidad con formatos de exportación: proyectos que requieren despliegues en muchos formatos, como ONNX, TensorRT, CoreML y LiteRT.
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 GPU dedicada, donde YOLO26n funciona hasta un 43 % más rápido en CPU que YOLO11n.
- Detección de objetos pequeños: situaciones complejas, como las imágenes aéreas captadas con drones o el análisis de sensores IoT, en las que ProgLoss y STAL mejoran la precisión con objetos diminutos.
La siguiente evolución: YOLO26#
Si empiezas un proyecto nuevo, plantéate usar Ultralytics YOLO26, que se basa en los fundamentos de YOLOv5 e incorpora varios avances arquitectónicos y de entrenamiento.
YOLO26 ofrece un diseño de extremo a extremo sin NMS: su cabeza opcional uno a uno (nms=False) omite el posprocesamiento de supresión no máxima para lograr una implementación más rápida y sencilla.
Entre las innovaciones clave de YOLO26 se incluyen:
- Optimizador MuSGD: Inspirado en las innovaciones del entrenamiento de LLM, este híbrido de SGD y Muon ofrece un entrenamiento estable y una convergencia rápida.
- Inferencia en CPU hasta un 43 % más rápida: YOLO26n funciona hasta un 43 % más rápido que YOLO11n en CPU, por lo que resulta adecuado para la computación periférica y los dispositivos IoT sin GPU dedicada.
- ProgLoss + STAL: Una pérdida progresiva y una estrategia de asignación de etiquetas adaptada a objetos pequeños mejoran el reconocimiento de objetos pequeños, algo fundamental para las imágenes aéreas de drones y la robótica.
- Mejoras específicas por tarea: Desde una pérdida angular especializada para las cajas delimitadoras orientadas (OBB) hasta la estimación de log-verosimilitud residual (RLE) para una estimación de poses precisa, YOLO26 incorpora mejoras para cada tarea compatible.
Conclusión#
YOLOv5 y DAMO-YOLO se han ganado su lugar en la historia de la detección de objetos. DAMO-YOLO sigue siendo un caso de estudio interesante en búsqueda de arquitecturas neuronales y destilación. Para las organizaciones que priorizan un ecosistema bien mantenido, la facilidad de uso y una vía rápida a producción, los modelos de Ultralytics son la mejor opción.
Usa la plataforma Ultralytics para etiquetar, entrenar e implementar modelos más recientes, como YOLO26, y crear un proceso de visión artificial rápido, preciso y fácil de mantener.
Lecturas adicionales#
Comentarios
Haz una pregunta, comparte tus resultados o ayuda a otra persona.