Empezar

YOLO11 frente a YOLOv9

Las arquitecturas de detección de objetos en tiempo real siguen mejorando. Dos hitos destacados son Ultralytics YOLO11 y YOLOv9. Ambos ofrecen un buen rendimiento, pero adoptan enfoques distintos ante los desafíos fundamentales de la inferencia y el entrenamiento del aprendizaje profundo.

Esta guía compara YOLO11 y YOLOv9, y analiza sus arquitecturas, métricas de rendimiento y escenarios de implementación ideales para ayudarte a elegir el modelo adecuado para tu próximo proyecto de visión artificial.

Descripción general del modelo#

Ultralytics YOLO11#

YOLO11 es un modelo optimizado y versátil, diseñado para entornos de producción. Equilibra una gran precisión con los requisitos prácticos de la computación en el borde y la implementación a gran escala.

YOLOv9#

YOLOv9 es una contribución académica que introduce conceptos nuevos para reducir la pérdida de información en redes neuronales profundas, centrándose en la extracción de características.

Más información sobre YOLOv9

Innovaciones arquitectónicas#

YOLOv9: información de gradiente programable#

YOLOv9 aborda el problema del «cuello de botella de información», por el que se pierden datos al pasar por las sucesivas capas de una red profunda. Para resolverlo, los autores introdujeron la información de gradiente programable (PGI) y la red de agregación de capas eficiente generalizada (GELAN). PGI ayuda a que los gradientes utilizados para actualizar los pesos durante la retropropagación conserven información más completa, lo que da lugar a representaciones de características precisas. La arquitectura GELAN maximiza la eficiencia de los parámetros y permite a YOLOv9 alcanzar una gran precisión con una estructura relativamente ligera.

YOLO11: ecosistema y eficiencia#

Mientras que YOLOv9 se centra en el flujo de gradientes, YOLO11 está diseñado para ofrecer fiabilidad y versatilidad en situaciones reales. Perfecciona la arquitectura básica de YOLO para que los requisitos de memoria CUDA durante el entrenamiento sean inferiores a los de las alternativas que dependen en gran medida de transformers. YOLO11 es mucho más que un detector de objetos: mientras que YOLOv9 en Ultralytics abarca la detección y la segmentación, YOLO11 admite la segmentación de instancias, la clasificación de imágenes, la estimación de pose y los cuadros delimitadores orientados (OBB).

Desarrollo simplificado

Una de las mayores ventajas de YOLO11 es su integración en el paquete Python de Ultralytics, que abstrae las complejidades de la carga de datos, el aumento de datos y el entrenamiento distribuido mediante una API unificada.

Comparativa de rendimiento#

Al elegir un modelo para producción, sopesa el equilibrio entre precisión media (mAP), velocidad de inferencia y número de parámetros.

Modelotamaño
(píxeles)
mAPval50-95Velocidad
CPU ONNX
(ms)
Velocidad
T4 TensorRT10
(ms)
parámetros
(M)
FLOPs
(B)
YOLO11n64039.556.11.52.66.5
YOLO11s64047.090.02.59.421.6
YOLO11m64051.5183.24.720.168.1
YOLO11l64053.4238.66.225.387.2
YOLO11x64054.7462.811.356.9195.3
YOLOv9t64038.3-2.32.07.7
YOLOv9s64046.8-3.547.226.7
YOLOv9m64051.4-6.4320.176.8
YOLOv9c64053.0-7.1625.5102.8
YOLOv9e64055.6-16.7758.1192.5

YOLOv9e alcanza la mayor precisión general (55,6 mAP), por lo que resulta útil para evaluaciones comparativas académicas, aunque tarda 16,77 ms en TensorRT en T4, frente a los 11,3 ms de YOLO11x. YOLO11 ofrece una mejor relación entre velocidad y precisión en todas las escalas. Por ejemplo, YOLO11m alcanza 51,5 mAP en 4,7 ms (TensorRT), frente a los 51,4 mAP en 6,43 ms de YOLOv9m, de tamaño similar.

Metodologías de entrenamiento y ecosistema#

La experiencia de desarrollo difiere considerablemente entre ambos marcos de trabajo.

Entrenamiento de YOLOv9#

Entrenar YOLOv9 desde el repositorio original suele exigir trabajar con código de investigación personalizado, gestionar versiones específicas de dependencias y utilizar argumentos complejos de línea de comandos, lo que puede ralentizar a los equipos empresariales. Los pesos de YOLOv9 también están disponibles en el paquete ultralytics, que elimina la mayor parte de esta configuración.

Entrenamiento de YOLO11#

YOLO11 utiliza la API de Python de Ultralytics, bien mantenida, que te permite pasar de la instalación a un modelo entrenado en unos pocos pasos. El entrenamiento cuenta con pesos preentrenados disponibles y el apoyo de una comunidad activa.

from ultralytics import YOLO

# Carga un modelo YOLO11 pequeño preentrenado
model = YOLO("yolo11s.pt")

# Entrena con un conjunto de datos personalizado y los aumentos de datos integrados
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Exporta al formato ONNX para la implementación
model.export(format="onnx")

Con solo tres líneas de Python, los desarrolladores pueden cargar un modelo, iniciar el entrenamiento con valores predeterminados optimizados para los hiperparámetros y exportar la arquitectura entrenada a frameworks como ONNX o TensorRT para su despliegue en dispositivos periféricos.

Aplicaciones en el mundo real#

Cuándo elegir YOLOv9#

YOLOv9 es una buena opción para los investigadores que exploran arquitecturas de aprendizaje profundo y técnicas de información de gradientes. Su variante más grande, YOLOv9e, es adecuada para análisis de escenas densas en los que la precisión es fundamental y la complejidad de la implementación queda en segundo plano.

Cuándo elegir YOLO11#

YOLO11 es la mejor opción para producción. Sus capacidades de detección de objetos son adecuadas para la gestión del tráfico en ciudades inteligentes y para dispositivos de borde como Raspberry Pi o NVIDIA Jetson. Además, su versatilidad en distintas tareas permite que un único flujo de desarrollo se ocupe de la segmentación en fabricación y la estimación de pose en el análisis deportivo.

Llega YOLO26#

Para los desarrolladores que hoy empiezan proyectos nuevos, Ultralytics recomienda YOLO26 (lanzado en enero de 2026), el modelo YOLO más reciente de Ultralytics.

YOLO26 combina los avances más recientes en un modelo listo para producción:

  • Diseño de extremo a extremo sin NMS: La cabeza opcional uno a uno de YOLO26 (nms=False) omite el posprocesamiento de supresión no máxima (NMS), lo que da lugar a flujos de implementación más sencillos y rápidos.
  • Eliminación de DFL: Eliminar la pérdida focal de distribución mejora la compatibilidad con dispositivos de bajo consumo y aceleradores de IA en el borde.
  • Optimizador MuSGD: Inspirado en métodos de entrenamiento de modelos de lenguaje grandes (LLM), el optimizador MuSGD (una combinación de SGD y Muon) ofrece un entrenamiento estable y una convergencia más rápida.
  • Inferencia en CPU hasta un 43 % más rápida: YOLO26n funciona hasta un 43 % más rápido que YOLO11n en CPU, por lo que es adecuado para dispositivos de computación en el borde sin GPU dedicada.
  • ProgLoss + STAL: La pérdida progresiva y la asignación de etiquetas consciente de objetos pequeños (STAL) mejoran el reconocimiento de objetos pequeños, algo crucial para la supervisión agrícola y las imágenes aéreas.

A quienes quieran explorar arquitecturas variadas también les puede interesar RT-DETR para la detección basada en transformers o YOLO-World para la detección de vocabulario abierto de disparo cero.

Conclusión#

Tanto YOLO11 como YOLOv9 son modelos importantes en la historia de la visión artificial. YOLOv9 aporta ideas arquitectónicas destacadas para conservar características. En la mayoría de las implementaciones reales, desde aplicaciones de IA empresarial hasta dispositivos móviles de borde, YOLO11 ofrece ventajas por su facilidad de uso, eficiencia de memoria y compatibilidad con distintas tareas. Para los sistemas nuevos, YOLO26, más reciente, añade una inferencia en CPU más rápida y la posibilidad de implementarlo sin NMS.

Comentarios

Haz una pregunta, comparte tus resultados o ayuda a otra persona.