YOLO11 frente a PP-YOLOE+#

Elegir la arquitectura de red neuronal adecuada es fundamental para implementar aplicaciones de visión artificial en producción. Esta comparativa analiza dos modelos destacados de detección de objetos en tiempo real: Ultralytics YOLO11 y PP-YOLOE+ de Baidu. Ambos ofrecen buenos resultados, pero abordan la precisión, la velocidad de inferencia y el ecosistema para desarrolladores de formas muy distintas.

El gráfico interactivo siguiente representa el equilibrio entre velocidad y precisión de ambos modelos para ayudarte a encontrar la opción que mejor se adapte 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 perfecciona la serie YOLO y equilibra la rapidez de inferencia, la eficiencia en el uso de parámetros y la facilidad de uso. Destaca por su compatibilidad unificada con varias tareas y su API de Python, pensada 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 mejorada de PP-YOLOE, que evolucionó a partir de PP-YOLOv2, y está basado en el framework PaddlePaddle. Incorpora cambios arquitectónicos como la red troncal CSPRepResNet y Task Alignment Learning (TAL) para mejorar la precisión, sobre todo 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#

Las arquitecturas de YOLO11 y PP-YOLOE+ reflejan distintas prioridades de diseño.

YOLO11 combina una red troncal eficiente con una cabeza de detección sin anclajes. Utiliza bloques C3k2 y Spatial Pyramid Pooling - Fast (SPPF) para capturar características a varias escalas con una sobrecarga computacional mínima, lo que ayuda a reducir la latencia de inferencia en dispositivos con recursos limitados, como las NPU edge y las CPU móviles. YOLO11 también es compatible de serie con la segmentación de instancias, la clasificación de imágenes, la estimación de poses y la detección con cajas delimitadoras orientadas (OBB).

PP-YOLOE+ utiliza la red troncal CSPRepResNet, un cuello CSPPAN y una cabeza Efficient Task-aligned (ET-head). Recurre a la reparametrización para aumentar la capacidad de representación durante el entrenamiento y después integra esos parámetros en convoluciones estándar para la inferencia. Esto ofrece una precisión media promedio (mAP) elevada, pero las variantes más grandes tienen más parámetros que sus equivalentes YOLO11 (52.2M frente a 25.3M en la escala L), por lo que son más adecuadas para GPU de servidor que para dispositivos edge ligeros.

Rendimiento y pruebas de referencia#

La tabla siguiente compara la precisión (mAP), la velocidad de inferencia en distintos tipos de hardware y la eficiencia del modelo (parámetros y FLOPs); el mejor valor de cada columna aparece en negrita.

Análisis#

YOLO11 ofrece un mejor equilibrio de rendimiento en la mayoría de los tamaños. YOLO11m alcanza un mAP superior al de PP-YOLOE+m (51.5 frente a 49.8), con menos parámetros (20.1M frente a 23.43M) y una inferencia más rápida con TensorRT (4.7 ms frente a 5.56 ms). En la escala más grande, ambos alcanzan un mAP de 54.7, pero YOLO11x es más rápido (11.3 ms frente a 14.3 ms) y tiene muchos menos parámetros (56.9M frente a 98.42M). PP-YOLOE+ resulta competitivo en los tamaños pequeños: PP-YOLOE+t supera ligeramente a YOLO11n en mAP (39.9 frente a 39.5), aunque con mayor latencia, y PP-YOLOE+s necesita menos parámetros y FLOPs que YOLO11s, pero ofrece menos precisión. Los modelos YOLO11 más pequeños también necesitan menos memoria durante el entrenamiento del modelo y la implementación.

Ecosistema de entrenamiento y facilidad de uso#

Gran parte del valor práctico de un modelo depende de lo fácil que resulte entrenarlo con conjuntos de datos de visión artificial personalizados y llevarlo a producción.

La ventaja de Ultralytics#

Ultralytics prioriza la experiencia de desarrollo. YOLO11 se entrena con una sencilla API de Python o CLI, sin código repetitivo complejo, y Ultralytics Platform añade entrenamiento sin código, gestión de conjuntos de datos y exportaciones con un solo clic a formatos como ONNX, CoreML y TensorRT.

Los modelos YOLO también son eficientes en el uso de memoria durante el entrenamiento, ya que evitan la elevada sobrecarga de VRAM de las arquitecturas basadas en Transformer y de los modelos reparametrizados más pesados, por lo que pueden entrenarse 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+ forma parte del ecosistema PaddleDetection. Aunque este framework es potente y está muy integrado con las soluciones industriales de Baidu, obliga a los desarrolladores a adoptar el framework de aprendizaje profundo específico PaddlePaddle. Esto puede suponer una curva de aprendizaje más pronunciada para los equipos que ya trabajan con PyTorch. Exportar modelos PP-YOLOE+ a formatos edge habituales también puede requerir pasos de conversión adicionales frente al proceso de exportación integrado de Ultralytics, que convierte YOLO11 a ONNX, TensorRT e incluso PaddlePaddle con un solo comando.

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 tu proceso de producción ya se basa en el ecosistema PaddlePaddle o si implementas 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 son las principales preocupaciones.

La próxima generación: presentamos YOLO26#

YOLO11 sigue siendo una opción sólida, pero para los proyectos nuevos Ultralytics recomienda YOLO26. Lanzado en enero de 2026, YOLO26 mejora a sus predecesores tanto en eficiencia como en precisión.

Principales innovaciones de YOLO26:

• Diseño integral sin NMS: La cabeza opcional uno a uno de YOLO26 (nms=False) omite el posprocesamiento de supresión no máxima (NMS). Esto reduce la latencia y simplifica la lógica de implementación, siguiendo un enfoque introducido por primera vez en YOLOv10.
• Inferencia en CPU hasta un 43 % más rápida: YOLO26n funciona en CPU hasta un 43 % más rápido que YOLO11n, lo que mejora el rendimiento en tiempo real de los dispositivos edge sin GPU.
• Optimizador MuSGD: Inspirada en el entrenamiento de modelos de lenguaje grandes (LLM), esta combinación de SGD y Muon converge más rápido y ofrece un entrenamiento más estable.
• ProgLoss + STAL: Progressive Loss y Small-Target-Aware Label Assignment (STAL) mejoran la detección de objetos pequeños, algo fundamental para las aplicaciones con drones y la vigilancia de seguridad.
• Eliminación de DFL: Eliminar Distribution Focal Loss simplifica la exportación del modelo y mejora la compatibilidad con una amplia variedad de dispositivos edge.

Para los proyectos nuevos que priorizan la velocidad, la sencillez de exportación y la precisión, recomendamos YOLO26, que puedes entrenar e implementar en Ultralytics Platform.

Si estás evaluando otras arquitecturas, consulta la comparativa de RT-DETR y YOLO11 o descubre cómo se compara YOLO11 con YOLOv8, YOLOv9 y YOLOv10.