YOLO11 frente a EfficientDet#

Para elegir la red neuronal adecuada para proyectos de visión artificial, debes conocer las arquitecturas disponibles. Esta guía compara Ultralytics YOLO11 y EfficientDet de Google, y analiza sus diferencias arquitectónicas, métricas de rendimiento, eficiencia de entrenamiento y escenarios de implementación ideales para ayudarte a elegir el modelo adecuado para tus cargas de trabajo de aprendizaje automático.

Contexto y especificaciones de los modelos#

Ambos modelos han influido en la investigación sobre detección de objetos en el ámbito del aprendizaje profundo, aunque parten de filosofías de diseño y épocas distintas del desarrollo de la IA.

Detalles de YOLO11#

• Autores: Glenn Jocher y Jing Qiu
• Organización: Ultralytics
• Fecha: 2024-09-27
• GitHub: https://github.com/ultralytics/ultralytics
• Documentación: https://docs.ultralytics.com/models/yolo11

Detalles de EfficientDet#

• Autores: Mingxing Tan, Ruoming Pang y Quoc V. Le
• Organización: Google
• Fecha: 2019-11-20
• arXiv: https://arxiv.org/abs/1911.09070
• GitHub: https://github.com/google/automl/tree/master/efficientdet
• Documentación: https://github.com/google/automl/tree/master/efficientdet#readme

Más información sobre EfficientDet

Innovaciones arquitectónicas#

EfficientDet: BiFPN y escalado compuesto#

Presentado a finales de 2019, EfficientDet buscaba maximizar la precisión y minimizar el coste computacional. Lo consigue principalmente mediante dos mecanismos. En primer lugar, su red troncal pertenece a la familia EfficientNet, que escala conjuntamente la profundidad, la anchura y la resolución mediante escalado compuesto. En segundo lugar, introdujo la red piramidal de características bidireccional (BiFPN), que facilita y agiliza la fusión de características a varias escalas.

Aunque fue eficiente en su momento, la implementación de AutoML de EfficientDet basada en TensorFlow puede resultar rígida. A los investigadores suele costarles realizar poda de modelos y modificaciones personalizadas en comparación con los frameworks modulares modernos basados en PyTorch.

YOLO11: extracción de características mejorada y versatilidad#

YOLO11 se basa en sus predecesores y combina bloques C3k2 y atención espacial C2PSA con un módulo rápido de agrupación piramidal espacial (SPPF). Estos cambios mejoran la extracción de características y ayudan a YOLO11 a capturar detalles visuales precisos.

Una de las principales ventajas de YOLO11 es su versatilidad. Mientras que EfficientDet se limita a la detección de objetos, YOLO11 admite de forma nativa la segmentación de instancias, la clasificación de imágenes, la estimación de poses y las cajas delimitadoras orientadas (OBB). YOLO11 también necesita poca memoria durante el entrenamiento y la inferencia, lo que le da ventaja frente a modelos antiguos y Transformers de visión más grandes en hardware de IA edge con recursos limitados.

Rendimiento y pruebas de referencia#

El equilibrio entre la precisión, medida mediante la precisión media promedio (mAP), y la velocidad de inferencia suele determinar la implementación en el mundo real. La tabla siguiente muestra el rendimiento de ambas familias de modelos en el conjunto de datos COCO.

YOLO11 es mucho más rápido en GPU con una precisión similar. YOLO11s casi iguala a EfficientDet-d3 (47.0 frente a 47.5 mAP) en 2.5 ms frente a 19.59 ms en una T4 con TensorRT, y YOLO11x alcanza la mayor precisión (54.7 mAP) en 11.3 ms frente a 128.07 ms de EfficientDet-d7 (53.7 mAP). EfficientDet-d0 tiene menos FLOPs (2.54B).

Eficiencia de entrenamiento y ecosistema#

Los modelos Ultralytics están diseñados para ser fáciles de usar. Entrenar un modelo EfficientDet suele exigir navegar por configuraciones complejas de grafos de TensorFlow y cadenas de dependencias, mientras que YOLO11 se basa en un framework moderno de PyTorch.

Gracias a este ecosistema bien mantenido, los desarrolladores pueden instalar el paquete, cargar un modelo preentrenado y empezar a entrenar con un conjunto de datos personalizado escribiendo solo unas pocas líneas de código.

Ejemplo de código Python#

Aquí tienes un ejemplo totalmente ejecutable que muestra la sencillez de la API de Ultralytics. Este script descarga un modelo YOLO11 preentrenado, lo entrena y realiza una predicción rápida.

from ultralytics import YOLO

# Inicializa un modelo YOLO11 nano preentrenado
model = YOLO("yolo11n.pt")

# Entrena el modelo de forma eficiente con el motor PyTorch integrado
# El entrenamiento es eficiente y requiere menos VRAM que los modelos heredados
results = model.train(data="coco8.yaml", epochs=10, imgsz=640, device="cpu")

# Ejecuta inferencia en tiempo real sobre una imagen de muestra
prediction = model.predict("https://ultralytics.com/images/bus.jpg")

# Muestra las cajas delimitadoras de salida
prediction[0].show()

Mirando al futuro: la ventaja de YOLO26#

Los equipos que empiecen proyectos nuevos deberían considerar Ultralytics YOLO26, lanzado en enero de 2026, que simplifica la implementación y mejora el rendimiento edge.

Entre las principales innovaciones de YOLO26 se incluyen:

• Diseño integral sin NMS: Una cabeza opcional uno a uno (nms=False) omite el posprocesamiento de supresión no máxima (NMS), lo que proporciona a YOLO26 una latencia constante y baja para aplicaciones de robótica de alta velocidad y conducción autónoma.
• Inferencia en CPU hasta un 43 % más rápida: En implementaciones sin GPU dedicada, YOLO26n funciona en CPU hasta un 43 % más rápido que YOLO11n.
• Optimizador MuSGD: Inspirada en Kimi K2 de Moonshot AI, esta combinación de SGD y Muon aporta estabilidad de entrenamiento de modelos de lenguaje grandes (LLM) a la visión artificial y acelera la convergencia.
• ProgLoss + STAL: Progressive Loss y Small-Target-Aware Label Assignment (STAL) mejoran la detección de objetos pequeños, un problema habitual en el análisis de imágenes satelitales y las imágenes captadas por drones.
• Eliminación de DFL: La eliminación de la pérdida focal de distribución agiliza el proceso de exportación del modelo a dispositivos de borde.

Casos de uso y recomendaciones#

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

Cuándo elegir YOLO11#

YOLO11 es una excelente opción para:

• Despliegue periférico en producción: 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, estimación de poses y OBB en un único framework unificado.
• Prototipado e implementación rápidos: Equipos que necesitan pasar rápidamente de la recopilación de datos a producción mediante la API de Python de Ultralytics.

Cuándo elegir EfficientDet#

Se recomienda EfficientDet para:

• Google Cloud y procesos con TPU: Sistemas basados en TensorFlow sobre la infraestructura Google Cloud TPU, donde la implementación de referencia de EfficientDet es compatible con el entrenamiento en TPU.
• Investigación sobre el escalado compuesto: Evaluaciones comparativas académicas centradas en estudiar los efectos del escalado equilibrado de la profundidad, la anchura y la resolución de la red.
• Implementación móvil mediante LiteRT: Proyectos que requieren específicamente exportar a LiteRT (antes TensorFlow Lite) para Android o dispositivos Linux integrados.

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.

Conclusión#

EfficientDet fue una arquitectura pionera que demostró el valor del escalado compuesto en la detección de objetos. Los modelos más recientes ofrecen más capacidades, se integran con mayor facilidad y funcionan más rápido en GPU.

Gracias a su compatibilidad con varias tareas, su rápida inferencia en GPU y su sencilla API, YOLO11 es la mejor opción para los procesos de visión actuales. Para proyectos nuevos, sobre todo los que priorizan el edge, YOLO26 añade inferencia opcional sin NMS y una mayor precisión.