Empezar

YOLOX frente a DAMO-YOLO

La evolución de la detección de objetos en tiempo real ha atravesado varias etapas: de las arquitecturas basadas en anclajes a las arquitecturas sin anclajes, y de los backbones diseñados manualmente a la búsqueda automatizada de arquitecturas neuronales (NAS). Esta comparación técnica analiza dos hitos importantes de esta evolución, YOLOX y DAMO-YOLO, abarca sus innovaciones arquitectónicas, metodologías de entrenamiento y concesiones de rendimiento, y explica por qué Ultralytics YOLO26 es la alternativa recomendada para proyectos nuevos.

YOLOX: pionero del paradigma sin anclajes#

Lanzado el 18 de julio de 2021 por Zheng Ge, Songtao Liu, Feng Wang, Zeming Li y Jian Sun, de Megvii, YOLOX marcó un punto de inflexión al integrar un diseño sin anclajes en la familia YOLO. Tal como se describe en su detallado informe técnico en arXiv, YOLOX aspiraba a cerrar la brecha entre la investigación académica y la implementación industrial.

Innovaciones arquitectónicas clave#

YOLOX introdujo varios cambios estructurales fundamentales que mejoraron sus predecesores:

  • Mecanismo sin anclajes: Al predecir directamente el centro de un objeto y las dimensiones de su caja delimitadora, YOLOX redujo el número de heurísticas de diseño y simplificó los complejos procesos de agrupamiento de anclajes. Esto le permite adaptarse a diversos escenarios de visión artificial.
  • Cabeza desacoplada: Los modelos YOLO tradicionales utilizaban una única cabeza acoplada para la clasificación y la regresión. YOLOX implementó una cabeza desacoplada que procesa por separado la clasificación y la localización, lo que acelera la convergencia y mejora la precisión.
  • Asignación de etiquetas SimOTA: Se utilizó una versión simplificada de la asignación por transporte óptimo (OTA) para asignar dinámicamente muestras positivas, reducir los tiempos de entrenamiento y resolver las ambigüedades de las asignaciones basadas en el punto central.
El legado de YOLOX

El diseño de cabezal desacoplado de YOLOX influyó enormemente en las generaciones posteriores de detectores de objetos y se convirtió en una característica estándar de muchos modelos modernos.

Descubre más sobre YOLOX

DAMO-YOLO: búsqueda automatizada de arquitecturas a gran escala#

DAMO-YOLO, desarrollado por Xianzhe Xu y un equipo de investigadores del Grupo Alibaba, se presentó el 23 de noviembre de 2022. Como se detalla en su publicación de arXiv, el modelo se basaba en gran medida en la búsqueda de arquitecturas neuronales (NAS) para mejorar el equilibrio entre velocidad y precisión.

Innovaciones arquitectónicas clave#

La estrategia de DAMO-YOLO se basaba en automatizar el diseño de estructuras eficientes:

  • Backbones MAE-NAS: Mediante una búsqueda guiada por entropía máxima, DAMO-YOLO descubrió backbones muy eficientes y adaptados a presupuestos de latencia específicos, especialmente al exportarlos a frameworks como TensorRT.
  • RepGFPN eficiente: Un diseño con un cuello pesado que mejora la fusión de características entre distintas resoluciones espaciales, lo que beneficia el análisis de imágenes aéreas y la detección de objetos de distintas escalas.
  • ZeroHead: Un cabezal de predicción simplificado que reduce la redundancia computacional sin sacrificar la precisión media promedio (mAP) del modelo.
  • AlignedOTA y destilación: Incorpora estrategias avanzadas de asignación de etiquetas y destilación de conocimiento entre profesor y alumno para mejorar el rendimiento de los modelos alumno más pequeños.

Más información sobre DAMO-YOLO

Comparativa de rendimiento y métricas#

Al comparar estos dos modelos, es importante tener en cuenta el número de parámetros, los FLOPs necesarios y los perfiles de latencia. A continuación se muestran los datos de referencia que comparan YOLOX y DAMO-YOLO en varias escalas.

Modelotamaño
(píxeles)
mAPval50-95Velocidad
CPU ONNX
(ms)
Velocidad
T4 TensorRT10
(ms)
parámetros
(M)
FLOPs
(B)
YOLOXnano41625.8--0.911.08
YOLOXtiny41632.8--5.066.45
YOLOXs64040.5-2.569.026.8
YOLOXm64046.9-5.4325.373.8
YOLOXl64049.7-9.0454.2155.6
YOLOXx64051.1-16.199.1281.9
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

DAMO-YOLO es más preciso que YOLOX con una latencia comparable; por ejemplo, DAMO-YOLOt alcanza 42,0 mAP en 2,32 ms, frente a los 40,5 mAP en 2,56 ms de YOLOXs. Sin embargo, ambos modelos tienen inconvenientes: el diseño de YOLOX es anterior a muchas técnicas de entrenamiento más recientes, mientras que la dependencia de DAMO-YOLO de la destilación hace que el reentrenamiento con conjuntos de datos personalizados consuma más recursos y aumente los requisitos de memoria GPU.

Casos de uso y recomendaciones#

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

Cuándo elegir YOLOX#

YOLOX es una buena opción para:

  • Investigación sobre detección sin anclajes: Investigación académica que utiliza la arquitectura limpia y sin anclajes de YOLOX como base para experimentar con nuevos cabezales de detección o funciones de pérdida.
  • Dispositivos de borde ultraligeros: Implementación en microcontroladores o hardware móvil heredado, donde el tamaño extremadamente reducido de la variante YOLOX-Nano (0,91 M de parámetros) es fundamental.
  • Estudios de asignación de etiquetas SimOTA: Proyectos de investigación que analizan estrategias de asignación de etiquetas basadas en el transporte óptimo y su impacto en la convergencia del entrenamiento.

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.

La ventaja de Ultralytics: descubre YOLO26#

Aunque YOLOX y DAMO-YOLO son hitos históricos importantes, los desarrolladores actuales necesitan una solución que combine una gran precisión y facilidad de uso. Lanzado en enero de 2026, Ultralytics YOLO26 se basa en modelos sin NMS, como YOLOv10, para ofrecer un equilibrio sólido entre velocidad, precisión y experiencia de desarrollo.

¿Por qué elegir YOLO26?#

Frente a los repositorios académicos independientes, el ecosistema integrado de Ultralytics ofrece:

  • Diseño de extremo a extremo sin NMS: La cabeza opcional uno a uno de YOLO26 (nms=False) elimina NMS durante la inferencia. Esto proporciona una latencia rápida y predecible, fundamental para las implementaciones edge y los vehículos autónomos.
  • Eliminación de DFL: Al eliminar Distribution Focal Loss, YOLO26 simplifica la exportación a dispositivos edge y mejora la compatibilidad con hardware de bajo consumo.
  • Optimizador MuSGD: YOLO26 incorpora innovaciones de entrenamiento de LLM mediante su optimizador híbrido SGD y Muon, que ofrece un entrenamiento estable y una convergencia rápida.
  • Inferencia en CPU hasta un 43 % más rápida: Al eliminar DFL y NMS, YOLO26n funciona hasta un 43 % más rápido que YOLO11n en CPU, sin necesidad de hardware GPU costoso.
  • ProgLoss + STAL: La pérdida progresiva y la asignación de etiquetas con atención a objetos pequeños (STAL) mejoran la detección de objetos pequeños, por lo que YOLO26 es ideal para tareas como las inspecciones con drones y la monitorización de IoT.
  • Versatilidad: A diferencia de DAMO-YOLO, que es exclusivamente un detector, YOLO26 admite de forma nativa tareas de segmentación de instancias, segmentación semántica, estimación de profundidad, clasificación de imágenes, estimación de pose y cajas delimitadoras orientadas (OBB) en un único framework unificado.
Empieza a desarrollar al instante

Con la API de Python de Ultralytics, no necesitas configurar manualmente complejos flujos de destilación ni escribir cientos de líneas de código C++ para implementar tu modelo.

from ultralytics import YOLO

# Carga el modelo nano YOLO26
model = YOLO("yolo26n.pt")

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

# Ejecuta inferencias ultrarrápidas sin NMS
results = model("https://ultralytics.com/images/bus.jpg", nms=False)

# Exporta a ONNX o OpenVINO con un solo comando
model.export(format="openvino")

Otros modelos que puedes tener en cuenta#

El ecosistema de visión artificial es amplio. En función de tus restricciones específicas, quizá también quieras explorar otras arquitecturas totalmente compatibles con el ecosistema Ultralytics:

  • YOLO11: El predecesor de YOLO26, conocido por su robustez en el análisis del comercio minorista y el control de calidad en fabricación.
  • YOLOv8: Un modelo sin anclajes, estable y ampliamente adoptado, que contribuyó a popularizar la implementación edge.
  • RT-DETR: Un Transformer de detección en tiempo real desarrollado por Baidu, que ofrece una alternativa sólida para tareas que se benefician especialmente de los mecanismos de atención global, aunque exige más memoria para el entrenamiento.

Conclusión#

YOLOX y DAMO-YOLO aportaron conceptos importantes a la evolución del aprendizaje profundo: YOLOX validó el enfoque desacoplado y sin anclajes, y DAMO-YOLO demostró el potencial de la búsqueda automatizada de arquitecturas. Sin embargo, en entornos de producción reales, las complejidades de sus bases de código de investigación originales pueden ralentizar a los equipos ágiles.

Con la plataforma Ultralytics, los desarrolladores pueden evitar estos obstáculos. El diseño de extremo a extremo de YOLO26, su mayor velocidad en CPU y su amplia documentación hacen que la IA visual precisa sea más accesible. Tanto si desarrollas infraestructura para ciudades inteligentes como sistemas de diagnóstico sanitario o robótica avanzada, Ultralytics ofrece una vía directa desde los datos sin procesar hasta la implementación en el mundo real.

Comentarios

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