YOLO11 vs PP-YOLOE+#
Seleccionar la arquitectura de red neuronal óptima es fundamental al desplegar aplicaciones de visión por computador en producción. En esta comparativa técnica, examinamos dos modelos destacados en el ámbito de la detección de objetos en tiempo real: Ultralytics YOLO11 y PP-YOLOE+ de Baidu. Ambas arquitecturas ofrecen un rendimiento sólido, pero abordan los retos de la precisión, la velocidad de inferencia y el ecosistema de desarrolladores de forma bastante diferente.
A continuación presentamos un gráfico interactivo que muestra los límites de rendimiento de estos modelos para ayudarte a identificar cuál se ajusta mejor a las restricciones de tu hardware.
Orígenes de los modelos y linaje técnico#
Comprender los orígenes y las filosofías de diseño de estos modelos proporciona un contexto valioso sobre sus respectivas fortalezas y casos de uso ideales.
Detalles de YOLO11#
Desarrollado por Ultralytics, YOLO11 representa una iteración altamente refinada de la serie YOLO, que prioriza un equilibrio entre una inferencia de alta velocidad, una eficiencia de parámetros extrema y una facilidad de uso inigualable. Es ampliamente reconocido por sus capacidades multitarea unificadas y su API de Python fácil de usar para los desarrolladores.
- Autores: Glenn Jocher y Jing Qiu
- Organización: Ultralytics
- Fecha: 2024-09-27
- GitHub: https://github.com/ultralytics/ultralytics
- Documentación: YOLO11 Documentation
Detalles de PP-YOLOE+#
PP-YOLOE+ es una versión evolucionada de PP-YOLOv2, construida sobre el framework PaddlePaddle. Introduce cambios arquitectónicos como el backbone CSPRepResNet y el Task Alignment Learning (TAL) para superar los límites de la precisión, especialmente en GPUs de gama alta.
- Autores: Autores de PaddlePaddle
- Organización: Baidu
- Fecha: 02-04-2022
- Arxiv: https://arxiv.org/abs/2203.16250
- GitHub: https://github.com/PaddlePaddle/PaddleDetection/
- Documentación: Documentación de configuración de PP-YOLOE+
Diferencias arquitectónicas#
Los diseños arquitectónicos fundamentales de YOLO11 y PP-YOLOE+ reflejan sus diferentes prioridades en el panorama de la visión por computador.
YOLO11 se basa en una red troncal altamente optimizada y una cabeza de detección sin anclajes. Utiliza bloques C3k2 y Spatial Pyramid Pooling - Fast (SPPF) para capturar características multiescala con una sobrecarga computacional mínima. Este diseño es muy ventajoso para reducir la latencia de inferencia en dispositivos con recursos limitados, como NPU perimetrales y CPU móviles. Además, YOLO11 está diseñado de forma nativa para el aprendizaje multitarea, admitiendo la segmentación de instancias, la estimación de posturas y la detección de cuadros delimitadores orientados (OBB) listas para usar.
PP-YOLOE+ introduce la red troncal CSPRepResNet y una cabeza alineada con tareas eficiente (ET-head). Utiliza intensamente técnicas de re-parametrización para aumentar la capacidad de representación durante el entrenamiento, a la vez que fusiona dichos parámetros en convoluciones estándar para la inferencia. Aunque esto produce una impresionante precisión media (mAP), los modelos resultantes tienden a ser más pesados en cuanto a parámetros y consumo de memoria, lo que los hace más adecuados para su despliegue en potentes GPU de servidores en lugar de dispositivos perimetrales ligeros.
Si tu proyecto requiere ir más allá de las cajas delimitadoras estándar, Ultralytics YOLO11 proporciona soporte nativo para segmentación, estimación de pose y clasificación dentro de la misma API, reduciendo drásticamente la carga de desarrollo en comparación con la integración de múltiples repositorios distintos.
Rendimiento y benchmarks#
Al evaluar el rendimiento, observamos la precisión (mAP), la velocidad de inferencia en diferentes hardware y la eficiencia del modelo (parámetros y FLOPs). La siguiente tabla destaca las métricas comparativas, con los valores más eficientes o de mayor rendimiento en negrita.
| Modelo | tamaño (píxeles) | mAPval 50-95 | Velocidad CPU ONNX (ms) | Velocidad T4 TensorRT10 (ms) | params (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLO11n | 640 | 39.5 | 56.1 | 1.5 | 2.6 | 6.5 |
| YOLO11s | 640 | 47.0 | 90.0 | 2.5 | 9.4 | 21.5 |
| YOLO11m | 640 | 51.5 | 183.2 | 4.7 | 20.1 | 68.0 |
| YOLO11l | 640 | 53.4 | 238.6 | 6.2 | 25.3 | 86.9 |
| YOLO11x | 640 | 54.7 | 462.8 | 11.3 | 56.9 | 194.9 |
| PP-YOLOE+t | 640 | 39.9 | - | 2.84 | 4.85 | 19.15 |
| PP-YOLOE+s | 640 | 43.7 | - | 2.62 | 7.93 | 17.36 |
| PP-YOLOE+m | 640 | 49.8 | - | 5.56 | 23.43 | 49.91 |
| PP-YOLOE+l | 640 | 52.9 | - | 8.36 | 52.2 | 110.07 |
| PP-YOLOE+x | 640 | 54.7 | - | 14.3 | 98.42 | 206.59 |
Análisis#
YOLO11 demuestra una clara ventaja en el equilibrio de rendimiento y la eficiencia de parámetros. Por ejemplo, YOLO11m alcanza un mAP más alto (51,5) que PP-YOLOE+m (49,8) a la vez que utiliza menos parámetros (20,1 M frente a 23,43 M) y logra velocidades de inferencia notablemente más rápidas en TensorRT (4,7 ms frente a 5,56 ms). La naturaleza ligera de los modelos YOLO11 se traduce intrínsecamente en menores requisitos de memoria tanto durante el entrenamiento del modelo como en su despliegue.
Ecosistema de entrenamiento y facilidad de uso#
El verdadero valor de un modelo a menudo radica en la facilidad con la que los desarrolladores pueden entrenarlo con conjuntos de datos de visión por computador personalizados y desplegarlo en producción.
La ventaja de Ultralytics#
Ultralytics prioriza una experiencia de desarrollo optimizada. El entrenamiento de YOLO11 se gestiona mediante una sencilla API de Python o la CLI, abstrayendo el código repetitivo complejo. La plataforma Ultralytics mejora aún más este aspecto al proporcionar 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 altamente eficientes en el uso de memoria durante el entrenamiento, evitando las enormes cargas de VRAM típicas de arquitecturas basadas en Transformer o modelos pesados con re-parametrización, lo que permite entrenar en hardware de consumo.
from ultralytics import YOLO
# Load a pretrained YOLO11 model
model = YOLO("yolo11n.pt")
# Train the model on the COCO8 dataset
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Run inference on an image
results = model("https://ultralytics.com/images/bus.jpg")
results[0].show()Ecosistema de PP-YOLOE+#
PP-YOLOE+ opera dentro del ecosistema PaddleDetection. Si bien este framework es potente y está profundamente integrado con las soluciones industriales de Baidu, requiere que los desarrolladores adopten el framework de deep learning específico PaddlePaddle. Esto puede introducir una curva de aprendizaje más pronunciada para equipos ya estandarizados en PyTorch. Además, exportar modelos PP-YOLOE+ a formatos universales estándar para dispositivos de borde puede requerir pasos de conversión adicionales en comparación con los pipelines de exportación nativos que se encuentran en los flujos de trabajo de Ultralytics.
Casos de uso ideales#
Elegir entre estos modelos depende de tu entorno de implementación específico.
- Elige YOLO11 para el desarrollo ágil, la computación perimetral y las aplicaciones móviles. Su alta velocidad de inferencia, bajo consumo de memoria y amplias capacidades de exportación lo hacen ideal para tareas como la gestión de inventario minorista en tiempo real en CPU estándar, el análisis de imágenes aéreas mediante drones y complejos canales multitarea.
- Elige PP-YOLOE+ si todo tu pipeline de producción ya está fuertemente invertido en el ecosistema PaddlePaddle o si estás realizando implementaciones en servidores de inferencia dedicados de alta gama donde las restricciones de memoria y la compatibilidad de hardware (fuera del hardware optimizado de Paddle) no son preocupaciones primordiales.
La próxima generación: Presentamos YOLO26#
Aunque YOLO11 sigue siendo increíblemente potente, el campo de la IA avanza rápido. Para estar a la absoluta vanguardia en la detección de objetos, Ultralytics ha presentado el nuevo YOLO26. Lanzado en enero de 2026, YOLO26 se basa en los éxitos de sus predecesores para ofrecer una eficiencia y una precisión sin precedentes.
Innovaciones clave de YOLO26:
- Diseño de extremo a extremo sin NMS: YOLO26 elimina de forma nativa la posprocesamiento de supresión de no máximos (NMS). Esto acelera significativamente la inferencia y simplifica la lógica de despliegue, un salto arquitectónico introducido por primera vez en YOLOv10.
- Inferencia de CPU hasta un 43% más rápida: Optimizado específicamente para dispositivos de borde sin GPUs, garantizando un rendimiento en tiempo real en hardware de menor potencia.
- Optimizador MuSGD: Inspirado en la estabilidad del entrenamiento de LLMs, este híbrido de SGD y Muon garantiza una convergencia más rápida y un entrenamiento más estable.
- ProgLoss + STAL: Las funciones de pérdida mejoradas potencian drásticamente el reconocimiento de objetos pequeños, lo cual es fundamental para las aplicaciones de drones y la videovigilancia de seguridad.
- Eliminación de DFL: La eliminación de Distribution Focal Loss simplifica la exportación del modelo y mejora drásticamente la compatibilidad en una amplia gama de dispositivos de borde.
Para nuevos proyectos que prioricen la velocidad, la exportación fluida y la máxima precisión, recomendamos encarecidamente aprovechar las capacidades de YOLO26 a través de la plataforma Ultralytics.
Si estás evaluando otras arquitecturas, es posible que también te interese comparar YOLO11 con RT-DETR o explorar cómo se comporta el clásico YOLOv8 en los benchmarks modernos.