Empezar

YOLOv8 frente a DAMO-YOLO

El panorama de la visión artificial evoluciona constantemente y las nuevas arquitecturas amplían las posibilidades tanto en dispositivos edge como en grandes clústeres en la nube. Esta comparación técnica analiza dos modelos destacados de detección de objetos en tiempo real: YOLOv8 y DAMO-YOLO. Al examinar sus arquitecturas, métricas de rendimiento y metodologías de entrenamiento, los ingenieros de aprendizaje automático pueden tomar decisiones informadas para sus flujos de despliegue.

Antecedentes y orígenes de los modelos#

Ambos modelos se presentaron en fechas similares, pero parten de distintas filosofías de diseño y objetivos de investigación.

Detalles de YOLOv8#

Detalles de DAMO-YOLO#

Más información sobre DAMO-YOLO

Innovaciones arquitectónicas#

YOLOv8: diseño versátil sin anclajes#

Ultralytics YOLOv8 introdujo mejoras importantes respecto a sus predecesores y se convirtió en un modelo fiable y ampliamente adoptado. Cuenta con una cabeza de detección sin anchors, que reduce el número de predicciones de cajas y acelera la inferencia. La arquitectura utiliza una cabeza desacoplada que separa las tareas de clasificación y regresión, lo que permite obtener predicciones de cajas delimitadoras más precisas.

Además, YOLOv8 implementa Distribution Focal Loss (DFL) junto con la pérdida CIoU, lo que mejora la capacidad del modelo para localizar con precisión los límites de los objetos, especialmente cuando son pequeños o están ocluidos. Su backbone simplificado está optimizado para ejecutarse tanto en GPU como en CPU.

DAMO-YOLO sigue un enfoque distinto y depende en gran medida de la búsqueda de arquitecturas neuronales (NAS) para diseñar automáticamente su backbone. El equipo de Alibaba presentó «MAE-NAS» para encontrar estructuras que ofrezcan un equilibrio óptimo entre latencia y precisión, específicamente con la aceleración de TensorRT.

El modelo incorpora una RepGFPN (red piramidal de características generalizada reparametrizada) para fusionar características de forma eficiente y un diseño «ZeroHead» para reducir al mínimo la carga computacional del cabezal de detección. Durante el entrenamiento, utiliza AlignedOTA para asignar etiquetas y depende en gran medida de un complejo proceso de destilación de conocimiento, que requiere un modelo profesor de mayor tamaño para supervisar al modelo alumno objetivo.

Complejidad del entrenamiento

Aunque DAMO-YOLO alcanza buenas métricas de latencia mediante la búsqueda de arquitecturas neuronales y la destilación, esta última suele requerir más memoria CUDA y tiempo de cálculo durante el entrenamiento que el flujo de entrenamiento de una sola etapa de YOLOv8.

Rendimiento y métricas#

Al implementar modelos de visión artificial en producción, es fundamental equilibrar la precisión (mAP) y la velocidad de inferencia. La tabla siguiente muestra el rendimiento de ambos modelos en distintos tamaños.

Modelotamaño
(píxeles)
mAPval50-95Velocidad
CPU ONNX
(ms)
Velocidad
T4 TensorRT10
(ms)
parámetros
(M)
FLOPs
(B)
YOLOv8n64037.380.41.473.28.7
YOLOv8s64044.9128.42.6611.228.6
YOLOv8m64050.2234.75.8625.978.9
YOLOv8l64052.9375.29.0643.7165.1
YOLOv8x64053.9479.114.3768.2257.8
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

En los tamaños más pequeños, DAMO-YOLOt y DAMO-YOLOs alcanzan una mAP mayor que YOLOv8n y YOLOv8s, pero utilizan más parámetros; a partir del tamaño mediano, YOLOv8 ofrece mayor precisión. YOLOv8n (nano) solo necesita 3,2 millones de parámetros, frente a los 8,5 millones de DAMO-YOLOt, por lo que es más adecuado para dispositivos móviles o entornos con límites de memoria estrictos. YOLOv8 también ofrece una gama más amplia de tamaños, hasta llegar a YOLOv8x, el modelo más preciso de esta comparación, para cargas de trabajo en la nube.

Experiencia para desarrolladores y ecosistema#

Facilidad de uso y eficiencia del entrenamiento#

La experiencia de usuario es uno de los principales factores diferenciadores. El ecosistema de Ultralytics está diseñado para acelerar el trabajo de los desarrolladores. Entrenar un modelo YOLOv8 personalizado requiere una cantidad moderada de memoria y se realiza mediante una API unificada de Python o una interfaz de línea de comandos.

En cambio, reproducir el entrenamiento con destilación de DAMO-YOLO suele requerir navegar por complejos archivos de configuración y gestionar el seguimiento de experimentos del proceso profesor-alumno en varias etapas.

En el siguiente ejemplo se entrena y exporta YOLOv8 con Python:

from ultralytics import YOLO

# Carga un modelo YOLOv8 nano preentrenado
model = YOLO("yolov8n.pt")

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

# Exporta el modelo entrenado al formato ONNX
path = model.export(format="onnx")

Versatilidad en distintas tareas de visión#

DAMO-YOLO está diseñado exclusivamente para la detección de objetos con cajas delimitadoras. En cambio, la arquitectura YOLOv8 admite varias tareas de forma nativa. Al cambiar los pesos del modelo, los desarrolladores pueden realizar segmentación de instancias, clasificación de imágenes y estimación de pose sin modificar el código base de despliegue, lo que hace que los modelos de Ultralytics sean más prácticos para las aplicaciones multitarea.

Casos de uso reales#

Cuándo usar YOLOv8#

La combinación de velocidad, precisión y facilidad de implementación de YOLOv8 lo convierte en la opción ideal para:

  • Analítica para el comercio minorista inteligente: Realizar seguimiento de objetos para supervisar el comportamiento de los clientes o automatizar el control del inventario.
  • Robótica agrícola: Aprovecha su gran rendimiento en distintos tipos de hardware para identificar cultivos o plagas en tiempo real.
  • Diagnóstico sanitario: Utilizar la segmentación de instancias para localizar anomalías en imágenes médicas de forma rápida y precisa.
  • Despliegues edge: La exportación integrada a formatos como OpenVINO y CoreML hace que YOLOv8 sea adecuado para dispositivos con recursos limitados.

Cuándo usar DAMO-YOLO#

DAMO-YOLO puede ser beneficioso en situaciones concretas, especialmente:

  • Investigación académica sobre NAS: Para equipos que estudian la reparametrización o los métodos de diseño automatizado de arquitecturas.
  • Flujos de trabajo limitados estrictamente por la GPU: aplicaciones que se ejecutan exclusivamente en determinado hardware de NVIDIA, donde sus estructuras diseñadas mediante NAS se optimizaron para ejecutarse con TensorRT.

Casos de uso y recomendaciones#

La elección entre YOLOv8 y DAMO-YOLO depende de los requisitos concretos de tu proyecto, las limitaciones de implementación y tus preferencias de ecosistema.

Cuándo elegir YOLOv8#

YOLOv8 es una buena opción para:

  • Implementación versátil de múltiples tareas: Proyectos que necesitan un modelo probado para detección, segmentación, clasificación y estimación de poses dentro del ecosistema de Ultralytics.
  • Sistemas de producción consolidados: Entornos de producción existentes basados en la arquitectura YOLOv8, con canalizaciones de implementación estables y bien probadas.
  • Amplio respaldo de la comunidad y del ecosistema: Aplicaciones que se benefician de los numerosos tutoriales de YOLOv8, las integraciones de terceros y los recursos de una comunidad activa.

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 que solo usan CPU: Dispositivos sin aceleración de GPU dedicada, en los que la inferencia en CPU de YOLO26n, hasta un 43 % más rápida que la de YOLO11n, ofrece una ventaja decisiva.
  • 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.

Perspectivas: modelos más recientes de Ultralytics#

YOLOv8 sigue siendo una herramienta fiable, pero el campo de la visión artificial avanza rápidamente, así que también conviene tener en cuenta las generaciones más recientes:

YOLO26: la última generación, Ultralytics YOLO26, incorpora un diseño nativo integral sin NMS (nms=False) que elimina la latencia del posprocesamiento de NMS. El optimizador MuSGD (un híbrido de SGD y Muon) estabiliza el entrenamiento, y ProgLoss + STAL (pérdida progresiva y asignación de etiquetas consciente de los objetos pequeños) mejoran la detección de objetos pequeños. Al eliminar DFL (se elimina Distribution Focal Loss para simplificar la exportación y mejorar la compatibilidad con dispositivos periféricos y de bajo consumo), YOLO26n ofrece una inferencia en CPU hasta un 43 % más rápida que YOLO11n, por lo que es una excelente opción para la computación en el borde.

YOLO11: Ultralytics YOLO11 perfecciona la arquitectura de YOLOv8 y sigue teniendo una gran aceptación en la comunidad.

Optimiza tu flujo de trabajo

Para llevar los modelos del prototipo a producción, usa Ultralytics Platform para anotar conjuntos de datos automáticamente, hacer un seguimiento de los experimentos y desplegar modelos en la nube o en dispositivos periféricos.

En conclusión, aunque DAMO-YOLO aporta información útil sobre la búsqueda de arquitecturas, los modelos de Ultralytics ofrecen un ecosistema más maduro, versátil y práctico para desarrolladores. Tanto si sigues con YOLOv8 como si te pasas a la arquitectura YOLO26 sin NMS, Ultralytics te proporciona un conjunto completo de herramientas para la IA de visión en tiempo real.

Comentarios1

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

  1. exilebuild5423GitHub(editado)

    Great technical comparison! DAMO-YOLO stands out with its advanced decoupled head and innovative data augmentation techniques, pushing accuracy further in specific detection tasks. However, this YOLOv8 comparison highlights how v8 offers a more balanced architecture with better ease of use, strong community support, and flexibility for multitask learning. Both models are strong contenders — the choice really depends on deployment needs and optimization priorities.