Empezar

RTDETRv2 frente a YOLOX

Los desarrolladores que crean sistemas de detección de objetos en tiempo real pueden elegir entre muchas arquitecturas. Dos de las más destacadas son RTDETRv2, basada en Transformer, y YOLOX, una red neuronal convolucional (CNN). Ambas han impulsado la detección en tiempo real, pero adoptan enfoques fundamentalmente distintos para el reconocimiento visual.

Esta guía aborda la arquitectura, las métricas de rendimiento y los escenarios de despliegue ideales de ambos modelos, y muestra cómo Ultralytics YOLO26 se basa en estos fundamentos para ofrecer mayor precisión, eficiencia y facilidad de uso.

RTDETRv2: transformadores de detección en tiempo real#

Presentado como sucesor del RT-DETR original, RTDETRv2 utiliza una arquitectura Transformer para la detección de objetos en tiempo real. Al eliminar la necesidad de supresión no máxima (NMS), simplifica el flujo de inferencia.

Arquitectura y diseño#

RTDETRv2 se basa en los mecanismos de autoatención de los Transformer para captar el contexto global de toda una imagen, lo que le permite predecir directamente los cuadros delimitadores y las probabilidades de clase. Sus características multiescala le ayudan a reconocer objetos pequeños en entornos con muchos elementos.

Cuellos de botella de los Transformer

Aunque los Transformer destacan por captar el contexto global, sus mecanismos de autoatención crecen de forma cuadrática con la longitud de la secuencia, lo que suele provocar un consumo de memoria CUDA considerablemente mayor durante el entrenamiento que el de las CNN tradicionales.

Puntos fuertes y débiles#

La principal fortaleza de RTDETRv2 es su diseño nativo de extremo a extremo. Al prescindir de NMS, evita los picos de latencia asociados a las predicciones densas y solapadas. Sin embargo, sus bloques Transformer tienen un coste computacional elevado y exigen muchos recursos de GPU tanto para el entrenamiento como para el despliegue, por lo que es menos adecuado para dispositivos periféricos con recursos limitados o hardware móvil antiguo.

Más información sobre RTDETRv2

YOLOX: avances en las CNN sin anclajes#

Desarrollado para reducir la brecha entre la investigación académica y la aplicación industrial, YOLOX incorporó una cabeza desacoplada y un diseño sin anclajes a la popular familia de modelos YOLO.

Arquitectura y diseño#

YOLOX se aparta de los detectores tradicionales basados en anclajes al predecir directamente la ubicación de los objetos, sin cuadros de anclaje predefinidos. Esto simplifica el diseño de la red y reduce el número de parámetros de ajuste heurístico necesarios para lograr un rendimiento óptimo. Además, YOLOX utiliza una cabeza desacoplada que separa las tareas de clasificación y regresión, lo que acelera la convergencia durante el entrenamiento.

Puntos fuertes y débiles#

Su diseño sin anclajes permite adaptar YOLOX a distintas tareas de visión por computador y facilita su entrenamiento con conjuntos de datos personalizados. Sus variantes más ligeras, como YOLOX-Nano, son adecuadas para dispositivos móviles y dispositivos IoT de bajo consumo. Sin embargo, YOLOX es anterior a los detectores sin NMS y sigue dependiendo del posprocesamiento con NMS, lo que aumenta la complejidad del despliegue y la latencia en escenas densas.

Más información sobre YOLOX

Comparativa de rendimiento y métricas#

La tabla siguiente compara la velocidad, la precisión (mAP) y la eficiencia en cuanto a parámetros de distintos tamaños de modelo en el conjunto de datos COCO.

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
YOLOXnano41625.8--0.911.08
YOLOXtiny41632.8--5.066.45
YOLOXs64040.5-2.569.026.8
YOLOXm64046.9-5.4325.373.8
YOLOXl64049.7-9.0454.2155.6
YOLOXx64051.1-16.199.1281.9

RTDETRv2 es más preciso en todos los tamaños comparables. RTDETRv2-x alcanza 54,3 mAP frente a 51,1 de YOLOXx, y también es más rápido en una GPU T4 (15,03 ms frente a 16,1 ms) y tiene menos parámetros (76M frente a 99,1M). La ventaja de YOLOX está en los tamaños pequeños: YOLOXs tarda 2,56 ms con 9,0M de parámetros (40,5 mAP), y YOLOX-Nano y YOLOX-Tiny ofrecen opciones con menos de 6M de parámetros que RTDETRv2 no tiene.

La ventaja de Ultralytics: llega YOLO26#

Muchos proyectos necesitan un único modelo que combine gran precisión, inferencia rápida y un ecosistema accesible. Ultralytics YOLO26, publicado en enero de 2026, está diseñado para ello.

Innovaciones clave de YOLO26#

  • Diseño integral sin NMS: A partir del entrenamiento sin NMS que YOLOv10 introdujo en los modelos YOLO, YOLO26 ofrece una cabeza opcional sin NMS (nms=False). Proporciona la inferencia integral de RTDETRv2 sin los elevados requisitos de memoria de los transformers.
  • Optimizador MuSGD: Inspirado en el entrenamiento de modelos de lenguaje grandes (LLM), el optimizador híbrido MuSGD (que combina SGD y Muon) estabiliza el entrenamiento y acelera la convergencia.
  • Inferencia en CPU hasta un 43 % más rápida: La eliminación del módulo Distribution Focal Loss (DFL) simplifica la cabeza para la computación en el borde y los dispositivos de bajo consumo, y hace que YOLO26n sea hasta un 43 % más rápido en CPU (ONNX) que YOLO11n.
  • ProgLoss + STAL: Progressive Loss y la asignación de etiquetas consciente de los objetos pequeños (STAL) mejoran el reconocimiento de objetos pequeños, un problema habitual en las imágenes aéreas y las aplicaciones de robótica.

Versatilidad y ecosistema#

Más allá del rendimiento puro, Ultralytics Platform abarca todo el proceso, desde los datos hasta producción. A diferencia de los repositorios académicos estáticos, los modelos de Ultralytics se mantienen activamente y admiten varias tareas mediante una única API. Tanto si ejecutas segmentación de instancias, estimación de pose como detección de cuadros delimitadores orientados (OBB), el flujo de trabajo es el mismo.

Los modelos YOLO de Ultralytics también tienen pocos requisitos de memoria durante el entrenamiento y la inferencia, así que los investigadores pueden ejecutar lotes de mayor tamaño en hardware de consumo que con arquitecturas basadas en Transformer que consumen mucha memoria.

Ejemplo de código de entrenamiento#

Entrenar un modelo YOLO26 requiere solo unas pocas líneas de código, y el paquete de Ultralytics se encarga de cargar los datos y configurar los hiperparámetros predeterminados.

from ultralytics import YOLO

# Initialize the YOLO26 Nano model
model = YOLO("yolo26n.pt")

# Train the model on the standard COCO8 dataset
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, batch=16)

# Validate the model's performance
metrics = model.val()
print(f"Validation mAP: {metrics.box.map}")

# Export to ONNX or TensorRT for rapid deployment
model.export(format="engine", device=0)

Aplicaciones reales y casos de uso ideales#

La elección de la arquitectura adecuada depende de las limitaciones del despliegue y del hardware disponible.

Procesamiento en la nube de alta fidelidad#

Si tu aplicación se ejecuta en GPU de servidor de gama alta y prioriza la máxima precisión —por ejemplo, para analizar escenas con aglomeraciones densas o procesar imágenes médicas de alta resolución—, los mecanismos de atención de RTDETRv2 pueden ser eficaces.

Implementación heredada en dispositivos edge#

Para teléfonos móviles antiguos o hardware integrado con limitaciones estrictas, donde se exige un número mínimo de FLOPs, YOLOX-Nano, ligero (0,91M de parámetros y 1,08B FLOPs), sigue siendo una alternativa viable gracias a su sencilla arquitectura CNN.

El estándar actual: AIoT y robótica#

Para la mayoría de los casos de uso modernos, como la infraestructura de ciudades inteligentes, la analítica del comercio minorista y la navegación autónoma, Ultralytics YOLO26 es la opción recomendada. La inferencia en CPU hasta un 43 % más rápida de YOLO26n frente a YOLO11n lo hace adecuado para la computación en el borde, y su cabeza opcional sin NMS ofrece una latencia baja y constante. Junto con la documentación de Ultralytics y una comunidad activa, ayuda a los equipos a pasar rápidamente de la anotación de conjuntos de datos al despliegue.

Optimiza tu flujo de trabajo

Utiliza Ultralytics Platform para gestionar conjuntos de datos, entrenar modelos en la nube y desplegarlos a gran escala.

Otros modelos de Ultralytics que puedes tener en cuenta son YOLOv8, que cuenta con amplias integraciones de la comunidad, y YOLOv5, que sigue siendo estable en flujos de trabajo heredados. Para los proyectos nuevos, se recomienda empezar con YOLO26.

Comentarios6

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

  1. UltralyticsAssistantGitHubUltralytics

    👋 Hello, thank you for opening a discussion and engaging with Ultralytics 🚀! For new users, we recommend visiting the Docs where you'll find detailed Python and CLI usage examples, as well as answers to many common questions.

    If this is a 🐛 Bug Report, please provide a minimum reproducible example to help us investigate further.

    If your question is about custom training or model comparison ❓, please share as much detail as possible—such as dataset samples, training logs, or what specific performance metrics you're interested in. Don't forget to check out our Tips for Best Training Results for optimal guidance.

    Join the Ultralytics community where you feel most comfortable:

    • For real-time chat, head to Discord 🎧
    • For in-depth discussions, visit Discourse
    • Or explore threads on our Subreddit to share and learn with others

    Upgrade

    Please ensure you're using the latest ultralytics package and all requirements in a Python>=3.8 environment with PyTorch>=1.8:

    pip install -U ultralytics

    Environments

    YOLO models can be run in any of the following up-to-date verified environments (with all dependencies, including CUDA/CUDNN, Python and PyTorch preinstalled):

    Status

    Ultralytics CI

    If this badge is green, all Ultralytics CI tests are currently passing! CI tests verify correct operation of all YOLO Modes and Tasks across macOS, Windows, and Ubuntu every 24 hours and on every commit.

    This is an automated response and an Ultralytics engineer will assist you soon 😊

    1. Glenn JocherUltralytics(editado)

      This page offers a valuable comparison between RTDETRv2 and YOLOX, highlighting their different strengths. If you have specific questions about these models, feel free to ask here. RTDETRv2 excels in accuracy (reaching 54.3% mAP) but demands more computational resources, while YOLOX stands out for efficiency and speed, making it ideal for edge devices. For those seeking alternatives with a balance of performance and usability, you might also consider Ultralytics YOLO26, which offers excellent performance across various computer vision tasks. What specific aspect of these models are you most interested in learning more about?

  2. UltralyticsAssistantGitHubUltralytics

    👋 Hello, thank you for starting this comparison discussion about RTDETRv2 and YOLOX! 🚀 For detailed guidance, we recommend checking out our Docs, which contain in-depth information, benchmarks, and usage examples that may help answer many of your questions.

    If this is a 🐛 Bug Report, please provide a minimum reproducible example so we can assist you efficiently.

    For model training or evaluation ❓ Questions, please share as many details as possible, such as dataset samples, training logs, or specific requirements, and review our Tips for Best Training Results.

    Join the Ultralytics community in your preferred space! For real-time chat, visit our Discord 🎧. For topic-based discussions, check out Discourse, or connect with others on our Subreddit.

    Upgrade

    Make sure your ultralytics package and all requirements are up to date in a Python>=3.8 environment with PyTorch>=1.8:

    pip install -U ultralytics

    Environments

    YOLO models can be run in these verified environments:

    Status

    Ultralytics CI

    A green badge means all Ultralytics CI tests are passing. CI covers all YOLO Modes and Tasks across macOS, Windows, and Ubuntu.

    This is an automated response 🤖. An Ultralytics engineer will review your discussion and provide further assistance soon!

    1. Glenn JocherUltralytics(editado)

      Welcome to the RTDETRv2 vs YOLOX comparison discussion! This page highlights two powerful object detection approaches with different strengths: RTDETRv2 leverages transformer architecture for higher accuracy in complex scenes (54.3% mAP for RTDETRv2-x), while YOLOX offers exceptional efficiency with faster inference speed (2.56ms for YOLOX-s on T4 TensorRT).

      Your use case should guide your choice - RTDETRv2 excels when maximum accuracy is critical and GPU resources are available, while YOLOX is ideal for edge devices and real-time applications with limited resources.

      If you're looking for models within a comprehensive ecosystem, you might also consider Ultralytics YOLO26 which balances performance with ease of use.

      Feel free to post any questions about these models or their implementation in your specific applications. The Ultralytics team is here to help!

  3. UltralyticsAssistantGitHubUltralytics

    👋 Hello, thank you for starting this discussion and sharing your interest in comparing object detection models like RTDETRv2 and YOLOX 🚀! For a detailed overview, the Ultralytics Docs offer a wealth of information, including the comparison page you linked, which highlights model strengths, performance, and use cases.

    If you have specific questions or encounter any issues related to these models, please provide as much detail as possible.

    • If this is a 🐛 Bug Report, please include a minimum reproducible example to help us assist you.
    • For custom training ❓ questions, adding dataset samples and training logs can be very helpful. Make sure to review our Training Tips for best results.

    Connect with the Ultralytics community in your preferred way! For real-time help, join our Discord 🎧. In-depth posts and discussions are found on Discourse, and our Subreddit is great for sharing experiences and solutions.

    Upgrade

    To ensure the best experience and access to the latest features and fixes, please upgrade the ultralytics package and all requirements in a Python>=3.8 environment with PyTorch>=1.8:

    pip install -U ultralytics

    Environments

    YOLO models can be run in any of these verified environments with all dependencies preinstalled:

    Status

    Ultralytics CI

    A green badge means all Ultralytics CI tests are passing, ensuring YOLO Modes and Tasks work across macOS, Windows, and Ubuntu.

    This is an automated response 🤖—an Ultralytics engineer will review your discussion and assist you soon!

    1. Glenn JocherUltralytics(editado)

      Welcome to the discussion about RTDETRv2 and YOLOX object detection models! Both offer different strengths - RTDETRv2 provides higher accuracy through its transformer architecture, while YOLOX excels in speed and efficiency on resource-constrained devices.

      If you have specific questions about implementing either model, performance tuning, or need help choosing between them for your particular use case, please share your questions here. Our team monitors these discussions to provide technical guidance and support.

      For hands-on users interested in similar models with Ultralytics integration, YOLO26 offers an excellent balance of speed and accuracy with full support in our ecosystem.