YOLO11 frente a PP-YOLOE+#

Elegir la arquitectura de red neuronal óptima es fundamental para implementar aplicaciones de visión artificial en producción. En esta comparativa técnica, analizamos dos modelos destacados de la detección de objetos en tiempo real: Ultralytics YOLO11 y PP-YOLOE+ de Baidu. Ambas arquitecturas ofrecen un rendimiento sólido, pero abordan de formas muy distintas los retos de precisión, velocidad de inferencia y ecosistema para desarrolladores.

A continuación se muestra un gráfico interactivo con los límites de rendimiento de estos modelos para ayudarte a identificar cuál se adapta mejor a las limitaciones de tu hardware.

Orígenes y linaje técnico de los modelos#

Comprender los orígenes y las filosofías de diseño de estos modelos aporta un contexto valioso sobre sus respectivas fortalezas y casos de uso ideales.

Detalles de YOLO11#

Desarrollado por Ultralytics, YOLO11 representa una versión muy refinada de la serie YOLO, que prioriza el equilibrio entre una inferencia de alta velocidad, una eficiencia extrema en el uso de parámetros y una facilidad de uso inigualable. Es ampliamente conocido por sus capacidades unificadas para múltiples tareas y su API de Python fácil de usar para desarrolladores.

• Autores: Glenn Jocher y Jing Qiu
• Organización: Ultralytics
• Fecha: 2024-09-27
• GitHub: https://github.com/ultralytics/ultralytics
• Documentación: Documentación de YOLO11

Detalles de PP-YOLOE+#

PP-YOLOE+ es una versión evolucionada de PP-YOLOv2, desarrollada sobre el framework PaddlePaddle. Incorpora cambios arquitectónicos como la red troncal CSPRepResNet y el aprendizaje de alineación de tareas (TAL) para ampliar los límites de la precisión, especialmente en GPU de gama alta.

• Autores: Autores de PaddlePaddle
• Organización: Baidu
• Fecha: 2022-04-02
• Arxiv: https://arxiv.org/abs/2203.16250
• GitHub: https://github.com/PaddlePaddle/PaddleDetection/
• Documentación: Documentación de configuración de PP-YOLOE+

Más información sobre PP-YOLOE+

Diferencias arquitectónicas#

Los diseños arquitectónicos fundamentales de YOLO11 y PP-YOLOE+ reflejan sus distintas prioridades en el panorama de la visión artificial.

YOLO11 se basa en una red troncal muy optimizada y un cabezal de detección sin anclajes. Utiliza bloques C3k2 y Spatial Pyramid Pooling - Fast (SPPF) para captar características multiescala con un coste computacional mínimo. Este diseño resulta muy ventajoso para reducir la latencia de inferencia en dispositivos con recursos limitados, como las NPU de borde y las CPU móviles. Además, YOLO11 se ha diseñado de forma nativa para el aprendizaje multitarea y admite segmentación de instancias, estimación de poses y detección de cajas delimitadoras orientadas (OBB) desde el primer momento.

PP-YOLOE+ incorpora la red troncal CSPRepResNet y un cabezal eficiente alineado con tareas (ET-head). Utiliza ampliamente técnicas de reparametrización para aumentar la capacidad de representación durante el entrenamiento y, después, integrar esos parámetros en convoluciones estándar para la inferencia. Aunque esto ofrece una precisión media (mAP) impresionante, los modelos resultantes suelen ser más pesados en cuanto al número de parámetros y al consumo de memoria, por lo que se adaptan mejor a la implementación en GPU de servidor robustas que en dispositivos de borde ligeros.

Rendimiento y pruebas de referencia#

Al evaluar el rendimiento, analizamos la precisión (mAP), la velocidad de inferencia en distintos tipos de hardware y la eficiencia del modelo (parámetros y FLOPs). La tabla siguiente destaca las métricas comparativas y muestra en negrita los valores más eficientes o con mejor rendimiento.

Análisis#

YOLO11 ofrece una clara ventaja en equilibrio del rendimiento y eficiencia de parámetros. Por ejemplo, YOLO11m alcanza un mAP más alto (51.5) que PP-YOLOE+m (49.8), con menos parámetros (20.1M frente a 23.43M) y una velocidad de inferencia significativamente mayor en TensorRT (4.7ms frente a 5.56ms). La ligereza de los modelos YOLO11 se traduce directamente en menores requisitos de memoria tanto durante el entrenamiento del modelo como en la implementación.

Ecosistema de entrenamiento y facilidad de uso#

El verdadero valor de un modelo suele residir en la facilidad con la que los desarrolladores pueden entrenarlo con conjuntos de datos de visión artificial personalizados e implementarlo en producción.

La ventaja de Ultralytics#

Ultralytics prioriza una experiencia de desarrollo optimizada. El entrenamiento de YOLO11 se realiza mediante una API de Python sencilla o la CLI, lo que abstrae el código repetitivo complejo. La plataforma Ultralytics lo mejora aún más al ofrecer entrenamiento sin código, gestión automatizada de conjuntos de datos y exportaciones con un solo clic a formatos como ONNX, CoreML y TensorRT.

Además, los modelos YOLO son muy eficientes en el uso de memoria durante el entrenamiento: evitan el enorme consumo adicional de VRAM habitual en las arquitecturas basadas en Transformer o en los modelos con mucha reparametrización, lo que permite entrenarlos en hardware de consumo.

from ultralytics import YOLO

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

# Entrena el modelo con el conjunto de datos COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Ejecuta la inferencia en una imagen
results = model("https://ultralytics.com/images/bus.jpg")
results[0].show()

Ecosistema PP-YOLOE+#

PP-YOLOE+ funciona dentro del ecosistema PaddleDetection. Aunque este framework es potente y está muy integrado con las soluciones industriales de Baidu, exige a los desarrolladores adoptar el framework de aprendizaje profundo PaddlePaddle. Esto puede suponer una curva de aprendizaje más pronunciada para los equipos que ya trabajan con PyTorch. Además, exportar modelos PP-YOLOE+ a formatos universales estándar para dispositivos de borde puede requerir pasos de conversión adicionales frente a los flujos de exportación nativos de los procesos de trabajo de Ultralytics.

Casos de uso ideales#

La elección entre estos modelos depende de tu entorno de implementación específico.

• Elige YOLO11 para un desarrollo ágil, la computación en el borde y las aplicaciones móviles. Su alta velocidad de inferencia, su reducido consumo de memoria y sus amplias capacidades de exportación lo hacen ideal para tareas como la gestión de inventario minorista en tiempo real con CPU estándar, el análisis de imágenes aéreas captadas por drones y los complejos procesos de trabajo multitarea.
• Elige PP-YOLOE+ si todo tu proceso de producción ya depende en gran medida del ecosistema PaddlePaddle o si vas a implementarlo en servidores de inferencia dedicados de gama alta, donde las limitaciones de memoria y la compatibilidad del hardware (fuera del hardware optimizado para Paddle) no sean preocupaciones principales.

La próxima generación: presentamos YOLO26#

Aunque YOLO11 sigue siendo increíblemente potente, el campo de la IA avanza rápido. Para disponer de la tecnología más avanzada en detección de objetos, Ultralytics ha presentado el nuevo YOLO26. Lanzado en enero de 2026, YOLO26 se basa en los logros de sus predecesores para ofrecer una eficiencia y una precisión sin precedentes.

Principales innovaciones de YOLO26:

• Diseño integral sin NMS: El cabezal opcional uno a uno de YOLO26 (nms=False) omite el posprocesamiento de supresión no máxima (NMS). Esto acelera significativamente la inferencia y simplifica la lógica de implementación, un avance arquitectónico que se introdujo por primera vez en YOLOv10.
• Hasta un 43 % más rápido en inferencia con CPU: Optimizado específicamente para dispositivos de borde sin GPU, para garantizar el rendimiento en tiempo real en hardware de menor consumo.
• Optimizador MuSGD: Inspirado en la estabilidad del entrenamiento de los LLM, esta combinación de SGD y Muon garantiza una convergencia más rápida y un entrenamiento más estable.
• ProgLoss + STAL: Las funciones de pérdida mejoradas aumentan drásticamente el reconocimiento de objetos pequeños, algo fundamental para las aplicaciones con drones y la videovigilancia de seguridad.
• Eliminación de DFL: La eliminación de Distribution Focal Loss simplifica la exportación del modelo y mejora notablemente la compatibilidad con una amplia variedad de dispositivos de borde.

Para los nuevos proyectos que priorizan la velocidad, una exportación sencilla y la máxima precisión, recomendamos encarecidamente aprovechar las capacidades de YOLO26 a través de la plataforma Ultralytics.

Si estás evaluando otras arquitecturas, también puede interesarte comparar YOLO11 con RT-DETR o analizar cómo se comporta el ya veterano YOLOv8 en las evaluaciones comparativas actuales.