YOLO11 frente a YOLOv6-3.0
El campo de la visión artificial evoluciona rápidamente, y elegir la arquitectura de modelo adecuada es una decisión clave para los profesionales del aprendizaje automático. Dos hitos destacados de la detección de objetos en tiempo real son YOLO11 y YOLOv6-3.0. Ambos extraen información útil de los datos visuales, pero se desarrollaron con objetivos principales y filosofías de diseño distintos.
Esta guía compara sus arquitecturas, métricas de rendimiento y escenarios de implementación ideales para ayudarte a tomar una decisión informada para tu próximo proyecto de IA.
Descripción general de los modelos#
Antes de analizar las pruebas técnicas, conviene entender el origen y el enfoque principal de cada modelo.
Ultralytics YOLO11#
Desarrollado de forma nativa en el ecosistema Ultralytics, YOLO11 se diseñó para ofrecer una experiencia de desarrollo completa, desde el entrenamiento hasta la implementación. No solo prioriza la velocidad bruta, sino también la versatilidad multitarea, la facilidad de uso y la integración con las canalizaciones de implementación modernas.
- Autores: Glenn Jocher y Jing Qiu
- Organización: Ultralytics
- Fecha: 2024-09-27
- GitHub: Repositorio de Ultralytics
- Documentación: Documentación de YOLO11
Meituan YOLOv6-3.0#
YOLOv6-3.0 se diseñó específicamente para aplicaciones industriales en las que se dispone de unidades de procesamiento gráfico (GPU) dedicadas. Está optimizado para la implementación con TensorRT y se centra en maximizar el rendimiento en entornos controlados.
- Autores: Chuyi Li, Lulu Li, Yifei Geng, Hongliang Jiang, Meng Cheng, Bo Zhang, Zaidan Ke, Xiaoming Xu y Xiangxiang Chu
- Organización: Meituan
- Fecha: 2023-01-13
- arXiv: 2301.05586
- GitHub: Repositorio de Meituan YOLOv6
- Documentación: Documentación de YOLOv6
Diferencias arquitectónicas#
La arquitectura subyacente determina cómo aprende y escala un modelo. Ambos marcos de trabajo incorporan mejoras propias a la fórmula clásica de YOLO.
YOLO11 aprovecha años de investigación para ofrecer una arquitectura eficiente en cuanto al número de parámetros. Cuenta con una red troncal refinada y una cabeza generalizada que gestiona diversas tareas de visión artificial, como la segmentación de instancias y la estimación de pose, sin grandes cambios estructurales. YOLO11 también tiene bajos requisitos de memoria CUDA durante el entrenamiento, lo que lo distingue de los modelos transformer más grandes, como RT-DETR.
Por su parte, YOLOv6-3.0 utiliza un módulo de concatenación bidireccional (BiC) y una estrategia de entrenamiento asistido por anclas (AAT). Estos mecanismos están diseñados para mejorar la precisión de localización. Utiliza una cabeza desacoplada y un diseño compatible con la cuantización para la inferencia INT8, lo que lo convierte en una opción sólida para líneas de fabricación de alta velocidad que utilizan pilas de GPU consolidadas.
Si tu proyecto requiere crear prototipos rápidamente, admitir diversas tareas (como segmentación o clasificación) e implementarse en distintos tipos de hardware (CPU, Edge TPU y móvil), el marco de trabajo Ultralytics ofrece una experiencia de desarrollo más sencilla.
Rendimiento y métricas#
Al evaluar modelos, la precisión media promedio (mAP) y la velocidad de inferencia son las métricas clave. La siguiente tabla compara el rendimiento de YOLO11 con YOLOv6-3.0 en distintas escalas de modelo. Las métricas con mejor rendimiento aparecen en negrita.
| Modelo | tamaño (píxeles) | mAPval50-95 | Velocidad CPU ONNX (ms) | Velocidad T4 TensorRT10 (ms) | parámetros (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 | 21.6 |
| YOLO11m | 640 | 51.5 | 183.2 | 4.7 | 20.1 | 68.1 |
| YOLO11l | 640 | 53.4 | 238.6 | 6.2 | 25.3 | 87.2 |
| YOLO11x | 640 | 54.7 | 462.8 | 11.3 | 56.9 | 195.3 |
| YOLOv6-3.0n | 640 | 37.5 | - | 1.17 | 4.7 | 11.4 |
| YOLOv6-3.0s | 640 | 45.0 | - | 2.66 | 18.5 | 45.3 |
| YOLOv6-3.0m | 640 | 50.0 | - | 5.28 | 34.9 | 85.8 |
| YOLOv6-3.0l | 640 | 52.8 | - | 8.95 | 59.6 | 150.7 |
YOLO11 logra un mAP superior con menos parámetros y FLOPs en cada nivel comparable; por ejemplo, YOLO11s alcanza 47.0 mAP con 9.4M de parámetros, frente a los 45.0 mAP con 18.5M de YOLOv6-3.0s. YOLOv6-3.0n es el modelo más rápido en T4 TensorRT (1.17 ms), mientras que YOLO11 es más rápido a partir de la escala s. Esta eficiencia en el número de parámetros reduce los requisitos de memoria tanto durante el entrenamiento del modelo como durante la inferencia.
La ventaja de Ultralytics#
Elegir un modelo no consiste solo en analizar las métricas brutas, sino en tener en cuenta todo el ciclo de vida del aprendizaje automático. Los modelos Ultralytics ofrecen varias ventajas a desarrolladores e investigadores.
- Facilidad de uso: La API de Python de Ultralytics te permite entrenar, validar y exportar modelos con solo unas pocas líneas de código. No necesitas configurar manualmente árboles de dependencias complejos.
- Ecosistema bien mantenido: Ultralytics ofrece un ecosistema unificado que recibe actualizaciones frecuentes. Con Ultralytics Platform, los desarrolladores disponen de anotación colaborativa de conjuntos de datos, entrenamiento en la nube y supervisión de modelos.
- Versatilidad: a diferencia de YOLOv6-3.0, que se centra principalmente en detectar objetos mediante cajas delimitadoras, YOLO11 también es compatible con la clasificación de imágenes y las cajas delimitadoras orientadas (OBB), lo que te permite consolidar tu pila tecnológica.
- Eficiencia de entrenamiento: gracias a las optimizaciones modernas y al ajuste automático del tamaño de lote, YOLO11 se entrena de forma eficiente en hardware de consumo.
Ejemplo de código: entrenamiento e inferencia#
A continuación se muestra un ejemplo ejecutable que entrena un modelo, ejecuta inferencias con él y lo exporta mediante el paquete Ultralytics.
from ultralytics import YOLO
# Carga un modelo YOLO11 pequeño preentrenado
model = YOLO("yolo11s.pt")
# Entrena el modelo de forma eficiente con el conjunto de datos COCO8
results = model.train(data="coco8.yaml", epochs=50, imgsz=640)
# Realiza inferencias con una imagen de Internet
prediction = model("https://ultralytics.com/images/bus.jpg")
# Exporta el modelo al formato ONNX para facilitar el despliegue
model.export(format="onnx")Casos de uso ideales#
Saber en qué destaca cada modelo te permite elegir la herramienta adecuada para cada tarea.
Cuándo elegir YOLOv6-3.0: Si mantienes un sistema industrial heredado construido específicamente en torno a determinadas canalizaciones de TensorRT 7.x/8.x y tu hardware está compuesto íntegramente por GPU NVIDIA T4 o A100 dedicadas para la automatización de la fabricación de alta velocidad, YOLOv6 sigue siendo una opción capaz.
Cuándo elegir YOLO11: Para la mayoría de las aplicaciones modernas, YOLO11 es la mejor opción. Tanto si desarrollas soluciones de fabricación inteligente, implementas IA en el edge en dispositivos Raspberry Pi como si realizas operaciones multitarea, por ejemplo, detectar y segmentar imágenes médicas, YOLO11 ofrece un buen equilibrio entre velocidad, precisión y flexibilidad de implementación.
De cara al futuro: YOLO26#
Ultralytics sigue desarrollando nuevos modelos después de YOLO11. Publicada en enero de 2026, la serie de modelos YOLO26 es la generación más reciente de Ultralytics YOLO y el modelo recomendado para proyectos nuevos.
YOLO26 incorpora varias funciones pensadas para los retos de implementación actuales:
- Diseño de extremo a extremo sin NMS: A partir del entrenamiento sin NMS que YOLOv10 introdujo en los modelos YOLO, YOLO26 ofrece una cabeza opcional de extremo a extremo (
nms=False) que elimina el posprocesamiento con supresión de máximos no máximos (NMS) y da lugar a canalizaciones de despliegue más rápidas y sencillas. - Eliminación de DFL: al eliminar Distribution Focal Loss, YOLO26 simplifica la cabeza de la red y mejora la compatibilidad con dispositivos de Internet de las cosas (IoT) y dispositivos edge de bajo consumo.
- Optimizador MuSGD: inspirado en métodos de entrenamiento de modelos de lenguaje grandes (LLM), como Kimi K2 de Moonshot AI, YOLO26 utiliza un optimizador híbrido Muon-SGD para lograr un entrenamiento más estable y una convergencia más rápida.
- Inferencia en CPU hasta un 43 % más rápida: para las aplicaciones que se ejecutan sin aceleradores GPU dedicados, YOLO26n es hasta un 43 % más rápido que YOLO11n en CPU.
- ProgLoss + STAL: Progressive Loss y Small-Target-Aware Label Assignment (STAL) mejoran el reconocimiento de objetos pequeños, algo crucial para las imágenes captadas por drones y la vigilancia aérea.
- Mejoras específicas para cada tarea: YOLO26 incluye mejoras personalizadas para distintas tareas, como un módulo proto multiescala para la segmentación y Residual Log-Likelihood Estimation (RLE) para la estimación de pose.
Si hoy empiezas un proyecto nuevo de visión artificial, entrenar un modelo YOLO26 en Ultralytics Platform te permite utilizar la arquitectura Ultralytics más precisa y eficiente disponible actualmente.
Si te interesa explorar la detección con vocabulario abierto, también puedes consultar nuestra documentación sobre YOLO-World.
Comentarios
Haz una pregunta, comparte tus resultados o ayuda a otra persona.