RTDETRv2 frente a YOLO26
Los modelos de detección de objetos en tiempo real se evalúan por su velocidad, precisión y eficiencia de implementación. Esta página compara dos enfoques actuales: RTDETRv2, basado en Transformer, y Ultralytics YOLO26, una red neuronal convolucional (CNN) diseñada para implementarse en dispositivos periféricos. Analiza sus arquitecturas, métricas de rendimiento y casos de uso ideales para ayudarte a elegir el modelo adecuado para tu próximo proyecto de visión artificial.
RTDETRv2: transformadores de detección en tiempo real#
RTDETRv2 se basa en la arquitectura original de RT-DETR y combina la capacidad de los Transformer de visión para captar el contexto global con la velocidad necesaria para las aplicaciones en tiempo real.
Características principales:
- Autores: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang y Yi Liu
- Organización: Baidu
- Fecha: 2024-07-24
- Enlaces: arXiv, GitHub, Documentación
Arquitectura y puntos fuertes#
A diferencia de los detectores tradicionales basados en anclajes, RTDETRv2 utiliza un enfoque basado en Transformer que elimina la necesidad de aplicar la supresión no máxima (NMS) durante el posprocesamiento. Su mecanismo de atención le ayuda a gestionar escenas complejas y objetos superpuestos. Las mejoras de entrenamiento «Bag-of-Freebies» aumentan la precisión en el conjunto de datos COCO y mantienen velocidades de inferencia prácticas en GPU de gama alta.
Limitaciones#
RTDETRv2 logra resultados sólidos en las evaluaciones comparativas, pero puede ser más difícil de poner en producción. Las arquitecturas Transformer suelen utilizar más memoria durante el entrenamiento y la inferencia que las CNN, lo que puede dificultar su implementación en dispositivos de IA periférica con recursos limitados. Además, el entrenamiento de Transformer suele requerir lotes más grandes y más memoria CUDA, lo que puede convertirse en un cuello de botella con hardware limitado.
Más información sobre RTDETRv2
YOLO26: IA visual con prioridad en el edge#
Lanzado en enero de 2026, Ultralytics YOLO26 es el modelo YOLO más reciente de Ultralytics y la opción recomendada para los proyectos nuevos. Su diseño está pensado para facilitar la implementación en producción y lograr una inferencia eficiente en hardware periférico.
Características principales:
- Autores: Glenn Jocher y Jing Qiu
- Organización: Ultralytics
- Fecha: 14 de enero de 2026
- Enlaces: GitHub, Documentación
Innovaciones arquitectónicas#
YOLO26 incorpora varios cambios que abordan los problemas habituales de implementación de modelos:
- Diseño integral sin NMS: A partir del entrenamiento sin NMS que YOLOv10 introdujo en los modelos YOLO, YOLO26 admite inferencia integral nativa. Su cabeza opcional uno a uno (
nms=False) omite el posprocesamiento de NMS, lo que reduce la variabilidad de la latencia y hace que los tiempos de inferencia sean más predecibles en producción. - Hasta un 43 % más de velocidad de inferencia en CPU: Los refinamientos arquitectónicos y la eliminación de Distribution Focal Loss (DFL) hacen que YOLO26n sea hasta un 43 % más rápido en CPU que YOLO11n, por lo que resulta adecuado para dispositivos de computación en el edge sin GPU dedicada.
- Optimizador MuSGD: Inspirado en técnicas de entrenamiento de modelos de lenguaje grandes (LLM), como Kimi K2 de Moonshot AI, YOLO26 utiliza el optimizador MuSGD, una combinación de SGD y Muon, para lograr un entrenamiento más estable y una convergencia más rápida.
- ProgLoss + STAL: Progressive Loss y Small-Target-Aware Label Assignment (STAL) mejoran el reconocimiento de objetos pequeños, algo importante para las aplicaciones que trabajan con imágenes aéreas y vigilancia mediante drones.
Además de la detección estándar, YOLO26 incluye mejoras específicas para cada tarea: una pérdida de segmentación semántica y un módulo proto multiescala para las tareas de segmentación, Residual Log-Likelihood Estimation (RLE) para la estimación de pose y una pérdida angular especializada que resuelve problemas en los límites de la detección de cajas delimitadoras orientadas (OBB).
Comparativa de rendimiento#
La tabla siguiente compara la precisión (mAP) y la eficiencia computacional en el conjunto de validación COCO. En cada tamaño comparable, YOLO26 alcanza un mAP superior al de RTDETRv2 y una latencia menor con TensorRT.
| Modelo | tamaño (píxeles) | mAPval50-95 | Velocidad CPU ONNX (ms) | Velocidad T4 TensorRT10 (ms) | parámetros (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| RTDETRv2-s | 640 | 48.1 | - | 5.03 | 20 | 60 |
| RTDETRv2-m | 640 | 51.9 | - | 7.51 | 36 | 100 |
| RTDETRv2-l | 640 | 53.4 | - | 9.76 | 42 | 136 |
| RTDETRv2-x | 640 | 54.3 | - | 15.03 | 76 | 259 |
| YOLO26n | 640 | 40.9 | 38.9 | 1.7 | 2.4 | 5.5 |
| YOLO26s | 640 | 48.6 | 87.2 | 2.5 | 9.5 | 20.9 |
| YOLO26m | 640 | 53.1 | 220.0 | 4.7 | 20.4 | 68.4 |
| YOLO26l | 640 | 55.0 | 286.2 | 6.2 | 24.8 | 86.8 |
| YOLO26x | 640 | 57.5 | 525.8 | 11.8 | 55.7 | 194.4 |
YOLO26x alcanza un mAP de 57,5, 3,2 puntos más que RTDETRv2-x, con menos parámetros (55,7 M frente a 76 M) y una inferencia TensorRT más rápida (11,8 ms frente a 15,03 ms). YOLO26 también suele consumir menos memoria, por lo que se adapta mejor a implementaciones en el edge en tiempo real.
Ecosistema y facilidad de uso#
Más allá del rendimiento bruto, el ecosistema que rodea a un modelo determina la rapidez con la que pasa de la investigación a la producción. Ultralytics Platform reúne en un solo lugar la anotación de conjuntos de datos, el entrenamiento y la implementación de los modelos de Ultralytics.
Un ecosistema unificado y bien mantenido#
RTDETRv2 es principalmente un repositorio de investigación, por lo que puede requerir una configuración compleja del entorno y la creación manual de scripts para tareas personalizadas. Ultralytics YOLO26 se distribuye en un paquete de Python maduro y probado, con una API sencilla para entrenar, validar, predecir y exportar.
El seguimiento de experimentos está integrado, con integraciones incluidas para Weights & Biases y Comet. Mientras que RTDETRv2 se centra en la detección de objetos, YOLO26 también admite la segmentación de instancias, la segmentación semántica, la estimación de profundidad, la clasificación de imágenes, la estimación de pose y la detección OBB en el mismo marco de trabajo.
Ejemplo de código: la sencillez en acción#
La API de Python de Ultralytics carga modelos, ejecuta inferencias y los exporta en unas pocas líneas de código, y el mismo paquete permite usar tanto RT-DETR como YOLO26.
from ultralytics import RTDETR, YOLO
# Carga un modelo RT-DETR
model_rtdetr = RTDETR("rtdetr-l.pt")
# Carga un modelo YOLO26
model_yolo = YOLO("yolo26n.pt")
# Ejecuta la inferencia en una imagen
results_rtdetr = model_rtdetr("https://ultralytics.com/images/bus.jpg")
results_yolo = model_yolo("https://ultralytics.com/images/bus.jpg")
# Muestra los resultados de YOLO26
results_yolo[0].show()
# Exportar YOLO26 al formato ONNX
model_yolo.export(format="onnx")Casos de uso y recomendaciones#
La elección entre RT-DETR y YOLO26 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 YOLO26#
Se recomienda YOLO26 para:
- 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 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 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.
Exploración de otras arquitecturas#
YOLO26 es el punto de partida recomendado, pero los modelos anteriores siguen siendo útiles. YOLO11 continúa teniendo soporte completo y es una buena opción para los sistemas existentes basados en él; consulta la comparativa RT-DETR frente a YOLO11 para obtener más detalles. En cuanto a las arquitecturas anteriores, la comparativa EfficientDet frente a YOLO26 muestra cuánto han avanzado las arquitecturas de detección de objetos.
Reflexiones finales#
RTDETRv2 y YOLO26 impulsan la detección de objetos en tiempo real. Para los equipos que priorizan una transición fluida a producción, un uso reducido de memoria y una amplia compatibilidad con tareas, Ultralytics YOLO26 es la opción recomendada. Su inferencia opcional sin NMS, su gran velocidad en CPU y el ecosistema de Ultralytics ayudan a escalar los proyectos de IA de visión, tanto si se ejecutan en un servidor en la nube como en una Raspberry Pi con recursos limitados.
Comentarios
Haz una pregunta, comparte tus resultados o ayuda a otra persona.