Empezar

RTDETRv2 frente a YOLO11

Las nuevas arquitecturas de visión artificial siguen ampliando las posibilidades en dispositivos edge y servidores en la nube. RTDETRv2 y YOLO11 son dos opciones muy utilizadas para la detección de objetos en tiempo real. Ambas ofrecen buenos resultados, pero representan enfoques arquitectónicos distintos: un detector basado en Transformer frente a una red neuronal convolucional (CNN) altamente optimizada.

Esta comparativa analiza las arquitecturas, las métricas de rendimiento, las metodologías de entrenamiento y los casos de uso ideales de ambos modelos para ayudarte a elegir el más adecuado para tu próxima aplicación.

RTDETRv2: el rival basado en Transformer#

Presentado como una evolución del Transformer de detección en tiempo real original, RTDETRv2 aplica mecanismos de atención a características multiescala de una red CNN troncal. Su codificador híbrido y su decodificador Transformer capturan el contexto global de la imagen, lo que resulta útil para detectar objetos muy superpuestos en escenas complejas.

Detalles del modelo:

Puntos fuertes y débiles de la arquitectura#

La principal innovación de RTDETRv2 es su arquitectura integral sin NMS. Al eliminar la supresión no máxima (NMS), simplifica el flujo de posprocesamiento. Además, sus capacidades de extracción de características multiescala han mejorado con respecto al modelo RT-DETR original, lo que le permite identificar mejor objetos de distintos tamaños.

Sin embargo, como depende de Transformer, RTDETRv2 suele necesitar más memoria durante el entrenamiento. Los modelos Transformer generalmente convergen más despacio y requieren más memoria CUDA que las CNN tradicionales, por lo que son menos accesibles para investigadores que utilizan hardware de consumo o implementan sus modelos en entornos de IA en el edge con recursos limitados.

Más información sobre RTDETRv2

Ultralytics YOLO11: eficiencia de las CNN#

A partir de investigaciones anteriores sobre YOLO, Ultralytics YOLO11 perfecciona la arquitectura CNN para mejorar el equilibrio entre velocidad y precisión, sin renunciar a un ecosistema de Ultralytics flexible y pensado para desarrolladores.

Detalles del modelo:

La ventaja de Ultralytics#

La principal fortaleza de YOLO11 es su equilibrio de rendimiento. Su compromiso entre velocidad y precisión se adapta a una amplia variedad de escenarios de implementación, desde grandes clústeres de computación en la nube hasta dispositivos móviles ligeros.

Los modelos YOLO de Ultralytics también consumen menos memoria durante el entrenamiento y la inferencia. A diferencia de los modelos Transformer, que pueden agotar rápidamente la VRAM, YOLO11 permite utilizar tamaños de lote mayores en GPU estándar. Además, YOLO11 ofrece versatilidad más allá de la detección de objetos, con compatibilidad nativa con la segmentación de instancias, la clasificación de imágenes, la estimación de pose y las cajas delimitadoras orientadas (OBB).

Comparativa de rendimiento y métricas#

La tabla siguiente compara la precisión y la velocidad en COCO. RTDETRv2 es ligeramente más preciso en las escalas pequeña y mediana, mientras que YOLO11 ofrece cinco tamaños de modelo, incluida una variante nano, y una latencia TensorRT menor en todos los tamaños comparables.

Modelotamaño
(píxeles)
mAPval50-95Velocidad
CPU ONNX
(ms)
Velocidad
T4 TensorRT10
(ms)
parámetros
(M)
FLOPs
(B)
RTDETRv2-s64048.1-5.032060
RTDETRv2-m64051.9-7.5136100
RTDETRv2-l64053.4-9.7642136
RTDETRv2-x64054.3-15.0376259
YOLO11n64039.556.11.52.66.5
YOLO11s64047.090.02.59.421.6
YOLO11m64051.5183.24.720.168.1
YOLO11l64053.4238.66.225.387.2
YOLO11x64054.7462.811.356.9195.3

YOLO11x alcanza un 54,7 % de mAPval, 0,4 puntos más que RTDETRv2-x, con menos FLOPs (195,3 B frente a 259 B) y una inferencia TensorRT más rápida (11,3 ms frente a 15,03 ms). YOLO11l iguala a RTDETRv2-l con un 53,4 % y tarda 6,2 ms en lugar de 9,76 ms, mientras que RTDETRv2-s y -m aventajan a YOLO11s y -m en 1,1 y 0,4 puntos, con una latencia entre 1,6 y 2 veces mayor. Las variantes nano y pequeña de YOLO11 son opciones ligeras para dispositivos con recursos limitados, como la Raspberry Pi.

Ecosistema, facilidad de uso y entrenamiento#

Los modelos de Ultralytics están diseñados para que sean fáciles de usar. El paquete de Python ultralytics proporciona una API unificada que se ocupa del aumento de datos, el entrenamiento distribuido y la exportación de modelos. El repositorio de investigación de RTDETRv2 requiere más código repetitivo y configuración, mientras que Ultralytics ofrece un flujo de trabajo completo, desde los datos hasta la implementación.

El paquete de Ultralytics también permite usar modelos RT-DETR junto con modelos YOLO, de modo que ambos pueden aprovechar el ecosistema bien mantenido de Ultralytics, que incluye integraciones con Weights & Biases y Comet para el seguimiento de experimentos.

from ultralytics import RTDETR, YOLO

# Carga un modelo RTDETR a través de la API de Ultralytics
model_rtdetr = RTDETR("rtdetr-l.pt")

# Carga un modelo YOLO11 altamente optimizado
model_yolo = YOLO("yolo11n.pt")

# Entrena YOLO11 con un uso de memoria muy eficiente
results = model_yolo.train(data="coco8.yaml", epochs=100, imgsz=640)

# Exporta el modelo YOLO entrenado al formato ONNX
model_yolo.export(format="onnx")
Optimiza tu flujo de trabajo

La eficiencia del entrenamiento es importante en el aprendizaje automático. Los modelos de Ultralytics parten de pesos preentrenados, por lo que el aprendizaje por transferencia con datos personalizados converge rápidamente. Para gestionar conjuntos de datos, ejecuciones de entrenamiento y puntos de conexión de implementación sin escribir código, utiliza Ultralytics Platform para disponer de un flujo de trabajo MLOps integrado.

Aplicaciones en el mundo real#

La elección entre estas arquitecturas suele depender de las limitaciones de implementación específicas de tu proyecto.

En qué destaca RTDETRv2: La red troncal Transformer de RTDETRv2 resulta muy eficaz en situaciones con objetos densos y muy ocluidos que requieren contexto global. Se suele utilizar en investigación académica y en aplicaciones en las que el presupuesto computacional importa menos que modelar las relaciones entre objetos.

En qué destaca YOLO11: YOLO11 es muy adecuado para implementaciones prácticas en el mundo real. Su reducido consumo de memoria y su inferencia rápida lo convierten en una buena opción para:

  • Fabricación inteligente: Ejecutar detección de defectos en tiempo real en líneas de producción mediante PC industriales.
  • Agricultura: Implementarlo en drones para supervisar en tiempo real la salud de los cultivos y automatizar la robótica de recolección.
  • Análisis del comercio minorista: Procesar varias transmisiones de cámaras simultáneamente para gestionar colas y hacer un seguimiento del inventario sin necesidad de grandes clústeres de servidores.

Casos de uso y recomendaciones#

La elección entre RT-DETR y YOLO11 depende de los requisitos específicos de tu proyecto, las limitaciones de implementación y tus preferencias de ecosistema.

Cuándo elegir RT-DETR#

RT-DETR es una excelente opción para:

  • Investigación en detección basada en Transformer: Proyectos que exploran mecanismos de atención y arquitecturas Transformer para la detección de objetos integral sin NMS.
  • Casos que requieren gran precisión y admiten una latencia flexible: Aplicaciones en las que la precisión de detección es prioritaria y se acepta una latencia de inferencia algo mayor.
  • Detección de objetos grandes: Escenas con objetos principalmente medianos o grandes, en las que el mecanismo de atención global de los Transformer ofrece una ventaja natural.

Cuándo elegir YOLO11#

Se recomienda YOLO11 para:

  • Implementación de producción en el edge: Aplicaciones comerciales en dispositivos como Raspberry Pi o NVIDIA Jetson, donde la fiabilidad y el mantenimiento activo son fundamentales.
  • Aplicaciones de visión multitarea: Proyectos que requieren detección, segmentación, clasificación, estimación de poses y OBB en un único framework unificado.
  • Prototipado y despliegue rápidos: Equipos que necesitan pasar rápidamente de la recopilación de datos a producción mediante la sencilla API de Python de Ultralytics.

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 que solo usan CPU: Dispositivos sin aceleración de GPU dedicada, en los que la inferencia en CPU de YOLO26n, hasta un 43 % más rápida que la de YOLO11n, ofrece una ventaja decisiva.
  • Detección de objetos pequeños: Situaciones exigentes, como las imágenes aéreas tomadas con drones o el análisis de sensores IoT, en las que ProgLoss y STAL mejoran la precisión con objetos pequeños.

Perspectivas de futuro: llega YOLO26#

Si vas a empezar un proyecto nuevo, considera también Ultralytics YOLO26, publicado en enero de 2026 y recomendado por Ultralytics. Combina ideas de ambos enfoques: una cabeza opcional integral sin NMS (nms=False, introducida en los modelos YOLO por YOLOv10) elimina el posprocesamiento de NMS, como RTDETRv2, y mantiene la velocidad de una CNN.

YOLO26 utiliza el optimizador MuSGD, inspirado en técnicas de entrenamiento de LLM, para lograr una convergencia estable y rápida, y YOLO26n ofrece una inferencia en CPU hasta un 43 % más rápida que YOLO11n, gracias en parte a la eliminación de Distribution Focal Loss (DFL). Progressive Loss y Small-Target-Aware Label Assignment (ProgLoss + STAL) mejoran el reconocimiento de objetos pequeños, por lo que YOLO26 es la opción recomendada para los nuevos flujos de trabajo de visión artificial.

Tanto si eliges YOLO11 por su versatilidad probada, RTDETRv2 por sus mecanismos de atención o YOLO26 por su rendimiento en el edge, la documentación de Ultralytics explica cómo entrenar e implementar YOLO11, YOLO26 y el RT-DETR original.

Comentarios1

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

  1. UltralyticsAssistantGitHubUltralytics

    👋 Hello, thank you for starting this discussion about comparing RTDETRv2 and YOLO11 🚀! We’re thrilled to see your interest in exploring the strengths and ideal use cases of these models.

    For those looking to dive deeper, the Comparison Guide is a great resource to start with. It highlights key differences and performance metrics, helping you make informed decisions based on your project needs.

    If you have specific questions about YOLO11 performance or implementation, feel free to provide more details so we can assist better. For custom training or real-world applications, including dataset examples or logs would be immensely helpful!

    💡 Pro Tip: Keep your ultralytics package up to date to leverage the latest features and fixes. Simply run:

    pip install -U ultralytics

    For real-time discussions, join our Discord 🎧. Alternatively, connect with our community on Discourse or our Subreddit to share insights and experiences.

    An Ultralytics engineer will review and assist with your discussion soon. Stay tuned! 😊