YOLOv9 frente a DAMO-YOLO
La rápida evolución de la visión artificial ha producido numerosas arquitecturas adaptadas a distintas limitaciones de despliegue y requisitos de precisión. Dos opciones destacadas son YOLOv9, conocido por abordar los cuellos de botella de información en redes profundas, y DAMO-YOLO, que se basa en la búsqueda de arquitecturas neuronales (NAS) y en pirámides de características eficientes.
Esta guía ofrece una comparación técnica de YOLOv9 y DAMO-YOLO, y destaca sus diferencias arquitectónicas, metodologías de entrenamiento y escenarios de despliegue ideales. También explica cómo el ecosistema de Ultralytics simplifica el paso del desarrollo a la producción y por qué ahora se recomiendan modelos más recientes como YOLO26 para los nuevos proyectos.
Análisis en profundidad de la arquitectura#
Comprender los mecanismos fundamentales de cada modelo permite entender por qué su rendimiento varía según las distintas métricas.
YOLOv9: información de gradiente programable#
YOLOv9 se diseñó para abordar directamente la pérdida de información que se produce cuando los datos fluyen por redes neuronales profundas.
- Autores: Chien-Yao Wang, Hong-Yuan Mark Liao
- Organización: Institute of Information Science, Academia Sinica, Taiwán
- Fecha: 21 de febrero de 2024
- Enlaces: arXiv, GitHub, Documentación
YOLOv9 introduce la información de gradiente programable (PGI) y la red generalizada de agregación eficiente de capas (GELAN). PGI garantiza que se conserve información espacial y semántica esencial durante el proceso de propagación hacia delante, lo que evita que se degraden los gradientes usados para actualizar los pesos. GELAN complementa este enfoque al maximizar la eficiencia de los parámetros, permitiendo al modelo alcanzar una precisión media promedio (mAP) de vanguardia con menos FLOPs que muchas CNN convencionales.
DAMO-YOLO: eficiencia basada en NAS#
Desarrollado por Alibaba Group, DAMO-YOLO adopta un enfoque diferente y utiliza la búsqueda automatizada de arquitecturas para encontrar un equilibrio eficiente entre velocidad y precisión.
- Autores: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang y Xiuyu Sun
- Organización: Alibaba Group
- Fecha: 23 de noviembre de 2022
- Enlaces: arXiv, GitHub
Más información sobre DAMO-YOLO
DAMO-YOLO utiliza un backbone MAE-NAS (búsqueda de arquitecturas neuronales de máxima entropía) para generar automáticamente estructuras de red eficientes. Emplea una RepGFPN (red piramidal de características generalizada reparametrizada) para fusionar características de forma robusta y un diseño «ZeroHead» para minimizar la carga computacional del cabezal de detección. Además, incorpora AlignedOTA para asignar etiquetas y la destilación de conocimiento para mejorar el rendimiento de sus variantes más pequeñas.
La búsqueda de arquitecturas neuronales (NAS) automatiza el diseño de redes neuronales artificiales. Aunque puede producir modelos muy eficientes, como DAMO-YOLO, añade una etapa de búsqueda al diseño del modelo (DAMO-YOLO utiliza la búsqueda MAE-NAS, que no requiere entrenamiento), a diferencia de la arquitectura diseñada manualmente de YOLOv9.
Comparativa de rendimiento y métricas#
Al seleccionar un modelo de detección de objetos, es fundamental encontrar el equilibrio entre precisión, velocidad y consumo computacional.
| Modelo | tamaño (píxeles) | mAPval50-95 | Velocidad CPU ONNX (ms) | Velocidad T4 TensorRT10 (ms) | parámetros (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv9t | 640 | 38.3 | - | 2.3 | 2.0 | 7.7 |
| YOLOv9s | 640 | 46.8 | - | 3.54 | 7.2 | 26.7 |
| YOLOv9m | 640 | 51.4 | - | 6.43 | 20.1 | 76.8 |
| YOLOv9c | 640 | 53.0 | - | 7.16 | 25.5 | 102.8 |
| YOLOv9e | 640 | 55.6 | - | 16.77 | 58.1 | 192.5 |
| 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 |
Análisis#
- Precisión frente a parámetros: YOLOv9 suele ofrecer una mejor relación entre parámetros y precisión. Por ejemplo, YOLOv9c alcanza un mAP del 53,0 % con 25,5 M de parámetros, mientras que DAMO-YOLOl logra un mAP del 50,8 %, pero necesita muchos más parámetros (42,1 M).
- Velocidad de inferencia: La arquitectura de DAMO-YOLO ofrece velocidades de inferencia competitivas con TensorRT en GPU T4 y supera ligeramente a YOLOv9 en las categorías medianas. Sin embargo, el menor número de parámetros de YOLOv9 en la mayoría de los tamaños ayuda a reducir el uso de memoria de la GPU.
- Requisitos de memoria: Los modelos YOLO de Ultralytics, incluido YOLOv9, suelen utilizar menos memoria durante el entrenamiento y la inferencia que los modelos complejos generados mediante NAS o las arquitecturas Transformer de gran tamaño, por lo que resultan prácticos para desplegarlos en hardware edge limitado.
La ventaja del ecosistema Ultralytics#
Aunque las métricas teóricas son importantes, la implementación práctica suele determinar el éxito de un proyecto. En este sentido, la plataforma Ultralytics y el ecosistema de software más amplio de Ultralytics ofrecen ventajas claras frente a repositorios independientes como DAMO-YOLO.
Facilidad de uso y eficiencia del entrenamiento#
Entrenar un modelo YOLOv9 personalizado requiere muy poco código repetitivo. La API de Python de Ultralytics gestiona procesos complejos, como el aumento de datos, el entrenamiento distribuido y la optimización del hardware.
from ultralytics import YOLO
# Carga un modelo YOLOv9 preentrenado
model = YOLO("yolov9c.pt")
# Entrena el modelo con tu conjunto de datos personalizado
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Valida el rendimiento del modelo
metrics = model.val()
# Expórtalo para desplegarlo en producción
model.export(format="onnx")En cambio, utilizar DAMO-YOLO suele exigir trabajar con archivos de configuración rígidos y cadenas complejas de dependencias específicas de su flujo de entrenamiento, lo que da lugar a una curva de aprendizaje más pronunciada.
Versatilidad en distintas tareas#
La versatilidad es una característica distintiva de los modelos de Ultralytics. Además de la detección estándar de cajas delimitadoras, el framework de Ultralytics admite tareas como la segmentación de instancias, la clasificación de imágenes, la estimación de pose y la detección de cajas delimitadoras orientadas (OBB). DAMO-YOLO está optimizado exclusivamente para la detección de objetos 2D, por lo que requiere una reingeniería considerable para adaptarse a otros paradigmas visuales.
Ultralytics simplifica el flujo de despliegue al ofrecer la exportación de modelos con un solo comando a formatos como TensorRT, OpenVINO y CoreML, para ayudarte a optimizar el rendimiento en el hardware de destino.
Casos de uso y recomendaciones#
La elección entre YOLOv9 y DAMO-YOLO depende de los requisitos específicos de tu proyecto, las limitaciones del despliegue y tus preferencias de ecosistema.
Cuándo elegir YOLOv9#
YOLOv9 es una buena opción para:
- Investigación sobre cuellos de botella de información: Proyectos académicos que estudian las arquitecturas de información de gradiente programable (PGI) y de red de agregación de capas eficiente generalizada (GELAN).
- Estudios de optimización del flujo de gradiente: Investigaciones centradas en comprender y mitigar la pérdida de información en las capas profundas de la red durante el entrenamiento.
- Evaluación comparativa de detección de alta precisión: Situaciones en las que el sólido rendimiento de YOLOv9 en las pruebas de referencia de COCO sirve como referencia para comparar arquitecturas.
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 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 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.
El futuro: dar el salto a YOLO26#
Aunque YOLOv9 y DAMO-YOLO son hitos importantes, la visión artificial moderna ha evolucionado hacia arquitecturas nativas de extremo a extremo. Para los nuevos desarrollos, el modelo recomendado es YOLO26.
Lanzado en enero de 2026, YOLO26 se basa en sus predecesores y mejora tanto la precisión como la sencillez del despliegue.
Principales innovaciones de YOLO26#
- Diseño de extremo a extremo sin NMS: La cabeza opcional uno a uno de YOLO26 (
nms=False) elimina por completo el posprocesamiento con supresión de máximos no máximos (NMS). Esto crea una canalización de despliegue optimizada y nativa de extremo a extremo, un enfoque que YOLOv10 introdujo en los modelos YOLO. - Eliminación de DFL: se elimina Distribution Focal Loss para simplificar la exportación y mejorar la compatibilidad con dispositivos periféricos y de bajo consumo.
- Inferencia en CPU hasta un 43 % más rápida: Al eliminar DFL y NMS, YOLO26n funciona hasta un 43 % más rápido que YOLO11n en CPU, por lo que resulta adecuado para escenarios de computación edge sin GPU dedicada.
- Optimizador MuSGD: Inspirado en las innovaciones del entrenamiento de LLM, YOLO26 utiliza una combinación de SGD y Muon (MuSGD) para lograr un entrenamiento más estable y una convergencia más rápida.
- ProgLoss + STAL: La pérdida progresiva y la asignación de etiquetas con conocimiento de objetivos pequeños (STAL) mejoran la detección de objetos pequeños, por lo que YOLO26 es muy adecuado para imágenes aéreas de gran altitud y dispositivos IoT.
Si estás investigando YOLO11 o YOLOv8 para tu próximo proyecto, considera YOLO26, el modelo de Ultralytics recomendado actualmente.
Resumen#
La elección del modelo adecuado depende de tus limitaciones operativas específicas:
- DAMO-YOLO ofrece información útil sobre la optimización basada en NAS y proporciona velocidades competitivas para perfiles de hardware muy específicos en los que destaca su arquitectura RepGFPN.
- YOLOv9 es una excelente opción para los investigadores que se centran en conservar los detalles visuales más sutiles y aprovechan su arquitectura PGI para evitar la pérdida de información en redes profundas.
- Ultralytics YOLO26 es la opción recomendada para nuevas aplicaciones empresariales y de investigación. Su facilidad de uso, su arquitectura sin NMS y las optimizaciones de entrenamiento MuSGD lo hacen fiable, preciso y fácil de desplegar.
Comentarios
Haz una pregunta, comparte tus resultados o ayuda a otra persona.