Empezar

EfficientDet frente a YOLOv5

Elegir la arquitectura de red neuronal adecuada es un paso decisivo en cualquier proyecto de visión artificial. El equilibrio entre la latencia de inferencia, la eficiencia de los parámetros y la precisión de detección determina el rendimiento real del modelo. Esta guía técnica analiza dos marcos influyentes de detección de objetos: EfficientDet de Google y YOLOv5 de Ultralytics.

Al comparar sus innovaciones arquitectónicas, metodologías de entrenamiento y capacidades de implementación, los desarrolladores pueden tomar decisiones fundamentadas para sus entornos específicos, tanto si escalan en servidores en la nube como si ejecutan los modelos en dispositivos edge con recursos limitados.

EfficientDet: arquitectura escalable con BiFPN#

EfficientDet, presentado por Google Research, se diseñó para escalar sistemáticamente tanto la red troncal como la red de características y lograr una alta precisión con menos parámetros que los modelos líderes anteriores.

Detalles del modelo#

Innovaciones arquitectónicas#

EfficientDet utiliza el modelo de clasificación EfficientNet como red troncal, junto con un método de escalado compuesto que escala uniformemente la anchura, la profundidad y la resolución de la red. Su contribución más destacada a la detección de objetos es la introducción de la red piramidal de características bidireccional (BiFPN). A diferencia de las redes piramidales de características estándar, que simplemente agregan características de arriba abajo, BiFPN permite conexiones complejas y bidireccionales entre escalas e introduce pesos aprendibles para determinar la importancia de las distintas características de entrada.

Aunque es muy preciso, EfficientDet depende en gran medida del ecosistema TensorFlow y de bibliotecas específicas de AutoML. Esta dependencia puede dificultar la integración en flujos de implementación personalizados y ligeros, o en entornos que favorecen los grafos computacionales dinámicos.

Más información sobre EfficientDet

Ultralytics YOLOv5: democratizar la IA en tiempo real#

Lanzado a mediados de 2020, Ultralytics YOLOv5 hizo que YOLO fuera mucho más accesible al implementar la arquitectura de forma nativa en PyTorch. Estableció un nuevo estándar para la experiencia de desarrollo, la eficiencia del entrenamiento y la flexibilidad de los despliegues en tiempo real.

Detalles del modelo#

Innovaciones arquitectónicas#

YOLOv5 introdujo mejoras importantes con respecto a sus predecesores: utilizó una red troncal CSPDarknet (parcial entre etapas) que mejora el flujo de gradientes y reduce el número total de parámetros. YOLOv5 también incorpora cajas de anclaje de aprendizaje automático, que calculan automáticamente las cajas delimitadoras previas a partir de tus datos de entrenamiento personalizados y eliminan la necesidad de ajustar los anclajes manualmente.

YOLOv5 también depende en gran medida del aumento de datos Mosaic, que combina cuatro imágenes distintas en un único mosaico de entrenamiento. Esto mejora la capacidad del modelo para detectar objetos pequeños y su comprensión contextual, y le permite adaptarse a entornos diversos.

Rendimiento y pruebas de referencia#

Evaluar modelos con pruebas de referencia estándar, como el conjunto de datos COCO, es fundamental para comprender el equilibrio entre precisión y velocidad. La tabla siguiente muestra el rendimiento de distintos tamaños de EfficientDet y YOLOv5 en condiciones estandarizadas.

Modelotamaño
(píxeles)
mAPval50-95Velocidad
CPU ONNX
(ms)
Velocidad
T4 TensorRT10
(ms)
parámetros
(M)
FLOPs
(B)
EfficientDet-d051234.6-3.923.92.54
EfficientDet-d164040.5-7.316.66.1
EfficientDet-d276843.0-10.928.111.0
EfficientDet-d389647.5-19.5912.024.9
EfficientDet-d4102449.7-33.5520.755.2
EfficientDet-d5128051.5-67.8633.7130.0
EfficientDet-d6128052.6-89.2951.9226.0
EfficientDet-d7153653.7-128.0751.9325.0
YOLOv5n64028.0-1.121.94.5
YOLOv5s64037.4-1.927.216.5
YOLOv5m64045.4-4.0321.249.0
YOLOv5l64049.0-6.6146.5109.1
YOLOv5x64050.7-11.8986.7205.7

Análisis de las compensaciones#

Aunque EfficientDet-d7 alcanza un mAP máximo de 53,7, su latencia de inferencia en GPU es considerable en comparación con las arquitecturas YOLO. YOLOv5, en cambio, aprovecha mucho la aceleración por hardware. La variante YOLOv5n alcanza un tiempo de inferencia de 1,12 ms en una GPU T4 con NVIDIA TensorRT, por lo que es mucho más adecuada para aplicaciones en tiempo real, como la conducción autónoma o las líneas de fabricación de alta velocidad.

Los modelos YOLOv5 también necesitan mucha menos memoria CUDA durante el entrenamiento que las redes complejas con escalado compuesto o los grandes modelos Transformer. Esta reducida huella de memoria hace más accesible la IA moderna y permite a los investigadores entrenar modelos robustos en hardware de consumo estándar.

Maximizar la eficiencia del hardware

Para obtener el máximo de fotogramas por segundo (FPS) de tu modelo YOLOv5 en dispositivos periféricos, exporta los pesos de PyTorch a TensorRT para GPU NVIDIA o a OpenVINO para CPU Intel. Este paso puede aumentar considerablemente la velocidad de inferencia.

Ecosistema de entrenamiento y experiencia de desarrollo#

La principal ventaja del ecosistema de Ultralytics es su experiencia de usuario simplificada. Mientras que EfficientDet requiere un conocimiento profundo de la API de detección de objetos de TensorFlow, YOLOv5 ofrece una API de Python sencilla y coherente.

El ecosistema de Ultralytics, con un mantenimiento constante, ofrece a los desarrolladores actualizaciones frecuentes, asistencia activa de la comunidad e integraciones con herramientas de seguimiento de experimentos como Weights & Biases y ClearML.

Ejemplo de código: primeros pasos con YOLOv5#

Para ejecutar inferencias con un modelo YOLOv5 preentrenado solo necesitas unas pocas líneas de código con el paquete Ultralytics de Python:

from ultralytics import YOLO

# Carga el modelo YOLOv5s de gran eficiencia
model = YOLO("yolov5su.pt")  # YOLOv5u: pesos de YOLOv5 sin anclajes para el paquete ultralytics

# Ejecuta la inferencia en una imagen
results = model("https://ultralytics.com/images/zidane.jpg")

# Muestra los cuadros delimitadores detectados
results[0].show()

Versatilidad y aplicaciones reales#

EfficientDet es exclusivamente un marco de detección de objetos, lo que limita su utilidad en canalizaciones de visión complejas. En cambio, YOLOv5 ha evolucionado para admitir varias tareas de visión artificial. Las versiones modernas del modelo admiten la segmentación de instancias y la clasificación de imágenes con gran precisión, lo que permite a los desarrolladores consolidar su conjunto de herramientas de aprendizaje automático.

Casos de uso ideales#

  • EfficientDet: Es más adecuado para el procesamiento sin conexión, la investigación académica y el análisis en la nube, donde se prioriza la precisión máxima frente a la latencia y se dispone de TPU de nivel servidor o GPU con mucha memoria.
  • YOLOv5: Una opción sólida para los despliegues de IA en el borde. Su combinación de baja latencia, pocos parámetros y alta precisión lo hace ideal para el análisis con drones, la automatización minorista en tiempo real y las aplicaciones móviles mediante CoreML o LiteRT.

La próxima generación: actualización a YOLO26#

Aunque YOLOv5 sigue siendo un modelo robusto y ampliamente desplegado, el campo de la IA avanza rápidamente. Para los equipos que empiezan proyectos nuevos o buscan el mejor rendimiento moderno, Ultralytics ha presentado YOLO26, lanzado en enero de 2026.

YOLO26 mejora el equilibrio entre velocidad y precisión con cambios arquitectónicos que facilitan el despliegue y aceleran la inferencia.

Principales avances de YOLO26#

  • Diseño integral sin NMS: La cabeza integral opcional de YOLO26 (nms=False) elimina el posprocesamiento de supresión no máxima (NMS). Esto simplifica la lógica de despliegue y reduce las variaciones de latencia, al perfeccionar un enfoque introducido por primera vez en YOLOv10.
  • Hasta un 43 % más rápido en inferencia en CPU: En comparación con YOLO11n, YOLO26n es hasta un 43 % más rápido en CPU, por lo que resulta adecuado para la computación en el borde y los dispositivos IoT de bajo consumo que funcionan sin GPU dedicada.
  • Optimizador MuSGD: Inspirada en técnicas de entrenamiento de modelos de lenguaje grandes (como las utilizadas para Kimi K2 de Moonshot AI), esta combinación de SGD y Muon aplica ideas del entrenamiento de LLM a la visión artificial y permite una convergencia más rápida y dinámicas de entrenamiento estables.
  • ProgLoss + STAL: La combinación de una pérdida progresiva y una estrategia de asignación de etiquetas adaptada a objetos pequeños mejora notablemente el reconocimiento de objetos pequeños, algo fundamental en las imágenes aéreas y la robótica.
  • Eliminación de DFL: Eliminar Distribution Focal Loss simplifica la cabeza del modelo y mejora la compatibilidad al exportarlo a hardware periférico antiguo o muy limitado.

Para los equipos que implementan flujos de trabajo con varias tareas, YOLO26 también incorpora mejoras específicas, como proto multiescala para la segmentación y una función de pérdida angular especializada para los cuadros delimitadores orientados (OBB). También puedes consultar YOLO11 o la arquitectura YOLOv8 para explorar otras alternativas modernas del ecosistema.

Conclusión#

La elección entre EfficientDet y YOLOv5 depende en gran medida del destino de despliegue. EfficientDet ofrece un enfoque de escalado bien fundamentado, adecuado para la inferencia principalmente en la nube. Sin embargo, la experiencia de desarrollo de YOLOv5, sus ciclos de entrenamiento rápidos en PyTorch y sus capacidades optimizadas de despliegue en dispositivos periféricos lo convierten en la opción preferida para la mayoría de las aplicaciones reales en tiempo real; YOLO26 es el punto de partida recomendado para nuevos proyectos. Al aprovechar las completas herramientas de Ultralytics, los equipos pueden acelerar su llegada al mercado y crear sistemas de IA muy reactivos.

Comentarios

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