EfficientDet frente a PP-YOLOE+
La evolución constante de los modelos de detección de objetos ha dado forma a la visión artificial. Dos hitos importantes son EfficientDet de Google y PP-YOLOE+ de Baidu. Aunque ambas arquitecturas equilibran la eficiencia computacional y la precisión de detección, abordan este reto con filosofías de diseño fundamentalmente distintas.
Esta guía examina sus arquitecturas, métodos de entrenamiento y escenarios de despliegue reales para ayudarte a elegir la red neuronal adecuada para tu próxima aplicación de visión artificial.
Innovaciones arquitectónicas y filosofías de diseño#
Comprender la arquitectura básica de estos modelos es fundamental para implementarlos de forma eficaz en entornos de producción, ya sea en dispositivos edge o en servidores en la nube.
EfficientDet: el potencial del escalado compuesto#
Desarrollado por Google Research, EfficientDet cambió la forma de escalar los detectores al sustituir el escalado improvisado por un método de escalado compuesto bien fundamentado.
- Autores: Mingxing Tan, Ruoming Pang y Quoc V. Le
- Organización: Google Research
- Fecha: 2019-11-20
- arXiv: 1911.09070
- GitHub: google/automl
- Documentación: Documentación de EfficientDet
Más información sobre EfficientDet
La innovación principal de EfficientDet es la red piramidal de características bidireccional (BiFPN). A diferencia de las FPN tradicionales, que solo suman características de arriba abajo, BiFPN introduce pesos aprendibles para fusionar características entre escalas tanto de arriba abajo como de abajo arriba. Esto permite a la red aprender la importancia de las distintas características de entrada. Combinado con la red troncal EfficientNet, EfficientDet escala simultáneamente la resolución, la profundidad y la anchura para crear una familia de modelos (d0 a d7) adaptada a distintos presupuestos computacionales.
Al implementar EfficientDet, ten en cuenta el hardware de destino. Aunque d0 es adecuado para dispositivos móviles, escalar hasta d7 requiere una cantidad considerable de memoria GPU y potencia de cálculo.
PP-YOLOE+: ampliación de los límites de PaddlePaddle#
PP-YOLOE+, desarrollado por el equipo de PaddlePaddle de Baidu a partir de los éxitos de sus predecesores, se diseñó para ofrecer una gran precisión y está optimizado para despliegues de servidor de alto rendimiento.
- Autores: Autores de PaddlePaddle
- Organización: Baidu
- Fecha: 2022-04-02
- arXiv: 2203.16250
- GitHub: PaddlePaddle/PaddleDetection
- Documentación: Configuración de PP-YOLOE+
Más información sobre PP-YOLOE+
PP-YOLOE+ cuenta con una red troncal CSPRepResNet, que aprovecha las redes parciales entre etapas combinadas con técnicas de reparametrización para mejorar la extracción de características sin aumentar la latencia de inferencia. Su cabeza ET (cabeza eficiente alineada con la tarea) mejora notablemente la alineación entre las tareas de clasificación y localización. También emplea un diseño sin anclajes combinado con la asignación dinámica de etiquetas (TAL), lo que simplifica el proceso de entrenamiento y mejora la generalización a distintos conjuntos de datos.
Métricas de rendimiento y pruebas de referencia#
Al elegir un modelo para la inferencia en tiempo real, es fundamental evaluar el equilibrio entre la precisión media (mAP) y la velocidad de cálculo. La siguiente tabla presenta las principales métricas de rendimiento de ambas familias de modelos.
| Modelo | tamaño (píxeles) | mAPval50-95 | Velocidad CPU ONNX (ms) | Velocidad T4 TensorRT10 (ms) | parámetros (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| EfficientDet-d0 | 512 | 34.6 | - | 3.92 | 3.9 | 2.54 |
| EfficientDet-d1 | 640 | 40.5 | - | 7.31 | 6.6 | 6.1 |
| EfficientDet-d2 | 768 | 43.0 | - | 10.92 | 8.1 | 11.0 |
| EfficientDet-d3 | 896 | 47.5 | - | 19.59 | 12.0 | 24.9 |
| EfficientDet-d4 | 1024 | 49.7 | - | 33.55 | 20.7 | 55.2 |
| EfficientDet-d5 | 1280 | 51.5 | - | 67.86 | 33.7 | 130.0 |
| EfficientDet-d6 | 1280 | 52.6 | - | 89.29 | 51.9 | 226.0 |
| EfficientDet-d7 | 1536 | 53.7 | - | 128.07 | 51.9 | 325.0 |
| PP-YOLOE+t | 640 | 39.9 | - | 2.84 | 4.85 | 19.15 |
| PP-YOLOE+s | 640 | 43.7 | - | 2.62 | 7.93 | 17.36 |
| PP-YOLOE+m | 640 | 49.8 | - | 5.56 | 23.43 | 49.91 |
| PP-YOLOE+l | 640 | 52.9 | - | 8.36 | 52.2 | 110.07 |
| PP-YOLOE+x | 640 | 54.7 | - | 14.3 | 98.42 | 206.59 |
Como se observa, PP-YOLOE+ suele alcanzar máximos de precisión más altos con un número equivalente de parámetros, especialmente en sus variantes más grandes (l y x). Está optimizado para el rendimiento de las GPU, por lo que es una opción sólida para los despliegues de procesamiento por lotes en servidores. En cambio, los modelos EfficientDet más pequeños tienen muy pocos parámetros y FLOPs, lo que puede resultar ventajoso en entornos con una memoria muy limitada.
Casos de uso ideales y estrategias de despliegue#
La elección entre estas arquitecturas suele depender de tu conjunto de tecnologías y del hardware de despliegue.
Cuándo elegir EfficientDet:
- Flujos de trabajo de AutoML: Si utilizas a fondo el ecosistema de Google y dependes de las funciones de búsqueda automatizada de arquitecturas.
- Edge con recursos limitados: Los modelos de gama baja (d0 y d1) tienen pocos parámetros (3,9 M y 6,6 M), por lo que son adecuados para dispositivos con restricciones estrictas de tamaño del modelo.
Cuándo elegir PP-YOLOE+:
- Servidores con GPU de gama alta: Casos que requieren el máximo rendimiento en hardware de NVIDIA, como el procesamiento de cientos de flujos de vídeo simultáneos para la vigilancia de ciudades inteligentes.
- Ecosistema de PaddlePaddle: Si tu equipo de desarrollo ya utiliza el marco de aprendizaje profundo de Baidu, integrar PP-YOLOE+ es sencillo.
La ventaja de Ultralytics: descubre YOLO26#
Aunque EfficientDet y PP-YOLOE+ son modelos capaces, los proyectos modernos necesitan soluciones que combinen un alto rendimiento con facilidad de uso. Aquí es donde Ultralytics YOLO26 destaca como la opción recomendada para las aplicaciones modernas de visión artificial.
Lanzado en enero de 2026, YOLO26 incorpora un diseño nativo de extremo a extremo sin NMS. Al omitir opcionalmente el posprocesamiento de supresión no máxima (NMS) (nms=False), un cuello de botella persistente en los modelos antiguos, YOLO26 simplifica el despliegue y reduce las fluctuaciones de latencia de inferencia.
YOLO26 también está optimizado para despliegues en el edge. La eliminación de Distribution Focal Loss (DFL) simplifica la exportación a formatos como ONNX y TensorRT, y YOLO26n ofrece una inferencia en CPU hasta un 43 % más rápida que YOLO11n. Esto lo convierte en una opción excelente para dispositivos IoT alimentados por batería.
YOLO26 incorpora el optimizador MuSGD, una combinación de SGD y Muon. Inspirado en los avances en el entrenamiento de LLM, este optimizador ofrece un entrenamiento estable y una convergencia rápida, lo que ahorra horas de cálculo en GPU.
Los desarrolladores también se benefician de la pérdida progresiva y la asignación de etiquetas adaptada a objetos pequeños de YOLO26 (ProgLoss + STAL), que mejoran el reconocimiento de objetos pequeños, un requisito fundamental para las imágenes aéreas y las aplicaciones de agricultura de precisión.
Implementación con Ultralytics#
La principal fortaleza de Ultralytics reside en su ecosistema unificado. A diferencia de los modelos que requieren scripts de entrenamiento complejos y hechos a medida, YOLO26 ofrece una API optimizada. Para entrenar un modelo con tu conjunto de datos personalizado, solo necesitas unas pocas líneas de código Python:
from ultralytics import YOLO
# Carga un modelo YOLO26 preentrenado
model = YOLO("yolo26n.pt")
# Entrena el modelo con el conjunto de datos COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Ejecuta una inferencia en una imagen nueva
predictions = model("https://ultralytics.com/images/bus.jpg")
# Exporta al formato ONNX para la implementación
model.export(format="onnx")Tanto si necesitas detección estándar como tareas especializadas, como la segmentación de instancias y la estimación de pose, YOLO26 las admite de forma nativa mediante prototipos multiescala y estimación de log-verosimilitud residual (RLE), todo dentro del mismo framework fácil de usar.
Otros modelos destacados#
Si estás evaluando arquitecturas para requisitos empresariales específicos, también merece la pena considerar la generación anterior, Ultralytics YOLO11, que sigue siendo un modelo robusto y probado en producción. Para las aplicaciones que requieren arquitecturas basadas en Transformer, RT-DETR ofrece una alternativa interesante, aunque durante el entrenamiento suele necesitar más memoria CUDA que las variantes YOLO más eficientes.
En conclusión, aunque EfficientDet ofrece un escalado fundamentado y PP-YOLOE+ proporciona un excelente rendimiento en GPU dentro de su framework específico, Ultralytics YOLO26 es la solución más equilibrada, versátil y fácil de usar para desarrolladores disponible hoy en día. Su arquitectura nativa de extremo a extremo y sus amplias posibilidades de integración lo convierten en la base recomendada para la próxima generación de IA visual.
Comentarios
Haz una pregunta, comparte tus resultados o ayuda a otra persona.