PP-YOLOE+ frente a YOLOv10
La visión por computador sigue evolucionando y aparecen nuevos modelos que mejoran la detección de objetos en tiempo real. Esta comparación técnica analiza PP-YOLOE+ y YOLOv10, dos arquitecturas competentes diseñadas para ecosistemas distintos. También explica cómo el sector avanza hacia herramientas unificadas y fáciles de usar, como Ultralytics Platform y el modelo YOLO26.
Introducción a los modelos#
Elegir los fundamentos adecuados para tus proyectos de visión por computador requiere comprender claramente las ventajas y desventajas arquitectónicas de cada modelo, las limitaciones del despliegue y el soporte del ecosistema.
Descripción general de PP-YOLOE+#
Desarrollado por los autores de PaddlePaddle en Baidu, PP-YOLOE+ es una evolución de las versiones anteriores del ecosistema PaddleDetection.
- Autores: Autores de PaddlePaddle
- Organización: Baidu
- Fecha: 2022-04-02
- arXiv: https://arxiv.org/abs/2203.16250
- GitHub: Repositorio de PaddleDetection
- Documentación: Documentación oficial de PP-YOLOE+
Ventajas: PP-YOLOE+ destaca en entornos estrechamente integrados con el marco PaddlePaddle. Incorpora una red troncal CSPRepResNet y se basa en una estrategia de asignación de etiquetas alineada con las tareas (TAL) para lograr una elevada precisión media (mAP). Está optimizado para desplegarse en GPU de servidor, habituales en aplicaciones industriales.
Desventajas: El principal inconveniente de PP-YOLOE+ es su fuerte dependencia del ecosistema PaddlePaddle, que puede resultar menos intuitivo para los desarrolladores acostumbrados a PyTorch. También requiere la supresión no máxima (NMS) tradicional para el posprocesamiento, lo que añade latencia y complejidad al despliegue.
Más información sobre PP-YOLOE+
Descripción general de YOLOv10#
Publicado por investigadores de la Universidad de Tsinghua, YOLOv10 supuso un importante cambio arquitectónico al eliminar NMS del flujo de inferencia.
- Autores: Ao Wang, Hui Chen, Lihao Liu, et al.
- Organización: Universidad de Tsinghua
- Fecha: 2024-05-23
- arXiv: https://arxiv.org/abs/2405.14458
- GitHub: Repositorio de YOLOv10
- Documentación: Documentación de YOLOv10
Ventajas: La característica más destacada de YOLOv10 es su asignación doble coherente para el entrenamiento sin NMS. Esto significa que el modelo predice cuadros delimitadores de forma nativa, sin necesidad de una etapa de filtrado secundaria, lo que simplifica y acelera notablemente el despliegue de modelos en dispositivos periféricos. Ofrece un buen equilibrio entre un número reducido de parámetros y una elevada precisión.
Desventajas: Aunque es muy eficiente para la detección de objetos 2D estándar, YOLOv10 no admite de forma nativa otras tareas importantes de visión por computador, como la segmentación de instancias y la estimación de pose, lo que limita su versatilidad en flujos de trabajo complejos y multitarea.
Comparativa de rendimiento y métricas#
Comprender el rendimiento de estos modelos en pruebas comparativas estandarizadas es fundamental para elegir la arquitectura adecuada. La tabla siguiente compara su tamaño, precisión y latencia.
| Modelo | tamaño (píxeles) | mAPval50-95 | Velocidad CPU ONNX (ms) | Velocidad T4 TensorRT10 (ms) | parámetros (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| 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 |
| YOLOv10n | 640 | 38.5 | - | 1.84 | 2.3 | 6.7 |
| YOLOv10s | 640 | 46.3 | - | 2.49 | 7.2 | 21.6 |
| YOLOv10m | 640 | 51.1 | - | 4.74 | 15.4 | 59.1 |
| YOLOv10b | 640 | 52.5 | - | 5.74 | 19.1 | 92.0 |
| YOLOv10l | 640 | 53.2 | - | 7.28 | 24.4 | 120.3 |
| YOLOv10x | 640 | 54.4 | - | 10.70 | 29.5 | 160.4 |
Análisis técnico#
Al analizar los datos, se aprecian varias tendencias clave. Los modelos nano y pequeños de YOLOv10 están orientados a la eficiencia en el borde: YOLOv10n utiliza solo 2,3 millones de parámetros y 6,7B FLOPs. Este diseño ligero, combinado con su arquitectura sin NMS, reduce considerablemente la latencia en plataformas que utilizan TensorRT y OpenVINO.
Por el contrario, PP-YOLOE+ demuestra un gran rendimiento en las categorías de pesos más grandes: su variante X-large supera ligeramente a YOLOv10x en mAP (54,7 % frente a 54,4 %). Sin embargo, esto supone más del triple de parámetros (98,42M frente a 29,5M), por lo que YOLOv10x es un modelo considerablemente más eficiente en entornos con memoria limitada.
La ventaja del ecosistema Ultralytics#
Aunque PP-YOLOE+ y YOLOv10 ofrecen logros técnicos notables, la ingeniería moderna de ML exige algo más que una arquitectura sin más: requiere un ecosistema bien mantenido.
Ultralytics ofrece un paquete de Python que simplifica enormemente la recopilación y anotación de datos, el entrenamiento y el despliegue. En comparación con los pesados marcos de trabajo de investigación o los modelos Transformer antiguos, las arquitecturas de Ultralytics requieren una fracción de la memoria CUDA durante el entrenamiento, lo que permite aumentar el tamaño de los lotes y acelerar las iteraciones. El paquete de Ultralytics también ofrece una gran versatilidad: admite desde el primer momento la clasificación de imágenes, los cuadros delimitadores orientados (OBB) y el seguimiento robusto de objetos.
Llega YOLO26: la próxima generación#
Publicado en enero de 2026, Ultralytics YOLO26 combina las mejores ideas de modelos como YOLOv10 y, a la vez, aborda sus limitaciones.
Principales innovaciones de YOLO26:
- Diseño integral sin NMS: A partir del entrenamiento sin NMS que YOLOv10 introdujo en los modelos YOLO, YOLO26 ofrece una cabeza integral opcional (
nms=False) que elimina el posprocesamiento de NMS para lograr una implementación más rápida y sencilla en distintos tipos de hardware. - Eliminación de DFL: Al eliminar Distribution Focal Loss (DFL), la arquitectura del modelo es más sencilla de exportar, lo que mejora la compatibilidad con los dispositivos de IA en el borde de bajo consumo.
- Optimizador MuSGD: Inspirado en las técnicas de entrenamiento de modelos de lenguaje grandes, como Kimi K2 de Moonshot AI, YOLO26 utiliza una combinación híbrida de SGD y Muon. Esto proporciona un entrenamiento estable y una convergencia mucho más rápida.
- Inferencia en CPU hasta un 43 % más rápida: Optimizado para escenarios reales, YOLO26n es hasta un 43 % más rápido que YOLO11n en aplicaciones que dependen de la CPU, por lo que es adecuado para la vigilancia inteligente y los despliegues móviles.
- ProgLoss + STAL: Una función de pérdida progresiva y una estrategia de asignación de etiquetas consciente de los objetos pequeños mejoran considerablemente el reconocimiento de objetos pequeños, un factor clave para las imágenes aéreas y la robótica.
- Mejoras específicas para cada tarea: A diferencia de YOLOv10, YOLO26 admite de forma nativa proto multiescala para la segmentación y Residual Log-Likelihood Estimation (RLE) para la estimación de poses.
Implementación práctica#
Empezar a utilizar los modelos de Ultralytics es sencillo. Con solo unas pocas líneas de código, puedes iniciar un entrenamiento mediante flujos modernos de aumento de datos.
from ultralytics import YOLO
# Carga el modelo YOLO26, muy recomendable
model = YOLO("yolo26n.pt")
# Entrena el modelo con el conjunto de datos COCO8
# El uso de memoria está muy optimizado frente a las arquitecturas Transformer
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device=0)
# Ejecuta inferencias integrales sin NMS
inference_results = model("https://ultralytics.com/images/bus.jpg", nms=False)
# Exporta directamente a ONNX o TensorRT para la implementación
model.export(format="onnx", simplify=True)Casos de uso y recomendaciones#
La elección entre PP-YOLOE+ y YOLOv10 depende de los requisitos específicos de tu proyecto, las limitaciones de implementación y tus preferencias de ecosistema.
Cuándo elegir PP-YOLOE+#
PP-YOLOE+ es una buena opción para:
- Integración con el ecosistema PaddlePaddle: Organizaciones con infraestructura existente basada en el framework y las herramientas de PaddlePaddle de Baidu.
- Implementación edge con Paddle Lite: Implementación en hardware con kernels de inferencia muy optimizados, diseñados específicamente para Paddle Lite o el motor de inferencia Paddle.
- Detección de alta precisión en servidores: Escenarios que priorizan la máxima precisión de detección en servidores con GPU potentes, donde la dependencia del framework no supone un problema.
Cuándo elegir YOLOv10#
YOLOv10 se recomienda para:
- Detección en tiempo real sin NMS: Aplicaciones que se benefician de la detección de extremo a extremo sin supresión no máxima, lo que reduce la complejidad de la implementación.
- Equilibrio entre velocidad y precisión: Proyectos que necesitan un buen equilibrio entre la velocidad de inferencia y la precisión de detección en distintas escalas de modelo.
- Aplicaciones con latencia constante: Escenarios de implementación en los que los tiempos de inferencia predecibles son fundamentales, como la robótica o los sistemas autónomos.
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 necesitan inferencias uniformes y de baja latencia sin la complejidad del posprocesamiento con supresión no máxima.
- Entornos solo con CPU: Dispositivos sin aceleración dedicada por GPU, donde la inferencia hasta un 43 % más rápida de YOLO26 en CPU (YOLO26n frente a YOLO11n) ofrece una ventaja clara.
- Detección de objetos pequeños: Casos exigentes, como las imágenes aéreas tomadas con drones o el análisis de sensores IoT, donde ProgLoss y STAL mejoran notablemente la precisión al detectar objetos diminutos.
Conclusión#
PP-YOLOE+ sigue siendo una opción fiable para los equipos comprometidos con el ecosistema de Baidu y los entornos de servidores industriales. YOLOv10 es un hito académico importante que demostró la viabilidad de la detección en tiempo real sin NMS.
Sin embargo, para los desarrolladores que buscan la mejor combinación de precisión, inferencia rápida y capacidades multitarea, Ultralytics YOLO26 es la opción recomendada. Sus innovaciones en eficiencia del entrenamiento y despliegue con prioridad en el edge lo convierten en una solución robusta y versátil para la visión artificial de nivel de producción.
Comentarios
Haz una pregunta, comparte tus resultados o ayuda a otra persona.