Empezar

YOLO26 frente a YOLOv9

Esta comparación técnica analiza las diferencias entre YOLO26 y YOLOv9, dos modelos influyentes para la detección de objetos en tiempo real. Ambos ofrecen innovaciones arquitectónicas distintas, y comprender las ventajas e inconvenientes en rendimiento, las capacidades de implementación y los requisitos de hardware es fundamental para elegir la herramienta adecuada para tu próximo proyecto de visión.

YOLO26: detección optimizada para el borde#

Lanzado a principios de 2026, Ultralytics YOLO26 se centra en la eficiencia de implementación y la estabilidad del entrenamiento. Su inferencia opcional de extremo a extremo aborda los cuellos de botella de implementación que llevan tiempo afectando a las aplicaciones de IA en el borde.

Detalles del modelo:

Arquitectura e innovaciones#

YOLO26 rediseña el proceso de posprocesamiento con un diseño de extremo a extremo sin NMS. Al ejecutarse con su cabeza opcional uno a uno (nms=False), el modelo omite la supresión no máxima (NMS) y consigue una menor variabilidad de la latencia. Esto facilita la implementación en plataformas móviles y de borde, especialmente al exportar a marcos de trabajo como ONNX y Apple CoreML.

Además, eliminar la pérdida focal de distribución (DFL) simplifica el proceso de exportación y mejora la compatibilidad con dispositivos de borde de bajo consumo. Para mejorar la estabilidad del entrenamiento, YOLO26 incorpora el optimizador MuSGD, una combinación del descenso de gradiente estocástico (SGD) y Muon, inspirada en innovaciones del entrenamiento de modelos de lenguaje grandes (LLM). Esto acelera la convergencia.

Inferencia en dispositivos edge

Gracias a las simplificaciones arquitectónicas y a la eliminación de la DFL, YOLO26n alcanza una inferencia en CPU hasta un 43 % más rápida que YOLO11n, por lo que es una excelente opción para dispositivos de borde con recursos limitados, como Raspberry Pi o NVIDIA Jetson Nano.

Para detectar objetos pequeños en escenas como las imágenes aéreas tomadas con drones, YOLO26 utiliza ProgLoss + STAL (pérdida progresiva y asignación de etiquetas con atención a objetos pequeños) para mejorar la tasa de detección de objetos pequeños. También incluye mejoras específicas para cada tarea, como prototipos multiescala para la segmentación de instancias, estimación de máxima verosimilitud residual (RLE) para la estimación de pose y una función de pérdida angular especializada para detectar cuadros delimitadores orientados (OBB).

YOLOv9: información de gradiente programable#

Presentado a principios de 2024, YOLOv9 aportó avances teóricos sobre cómo gestionan las redes neuronales el flujo de gradiente durante el entrenamiento, con especial atención a la eficiencia de parámetros y a la conservación de características profundas.

Detalles del modelo:

Arquitectura y puntos fuertes#

YOLOv9 se basa en los conceptos de información de gradiente programable (PGI) y red de agregación de capas eficiente generalizada (GELAN). Estos conceptos abordan el problema del cuello de botella de información que suele observarse en las redes neuronales profundas. Al conservar información esencial durante el proceso de propagación hacia delante, GELAN garantiza que los gradientes utilizados para actualizar los pesos sigan siendo fiables. Esta arquitectura ofrece una gran precisión y convierte a YOLOv9 en una opción sólida para la investigación académica sobre teoría de redes neuronales y optimización de rutas de gradiente con el framework PyTorch.

Limitaciones#

A pesar de su gran eficiencia en el uso de parámetros, YOLOv9 depende de la NMS tradicional para el posprocesamiento de cuadros delimitadores, lo que puede crear cuellos de botella computacionales durante la inferencia en dispositivos de borde. Además, el repositorio oficial se centra principalmente en la detección de objetos, por lo que se necesita ingeniería personalizada para adaptarlo a tareas especializadas como el seguimiento o la estimación de pose.

Más información sobre YOLOv9

Comparativa de rendimiento#

Al evaluar estos modelos para su implementación en situaciones reales, es fundamental equilibrar la precisión (mAP), la velocidad de inferencia y el uso de memoria. Los modelos de Ultralytics destacan por sus bajos requisitos de memoria tanto durante el entrenamiento como durante la inferencia, y suelen necesitar menos memoria CUDA que alternativas basadas en Transformers, como RT-DETR.

A continuación se compara directamente el rendimiento de YOLO26 y YOLOv9 en el conjunto de datos COCO. Los mejores valores de cada columna aparecen en negrita.

Modelotamaño
(píxeles)
mAPval50-95Velocidad
CPU ONNX
(ms)
Velocidad
T4 TensorRT10
(ms)
parámetros
(M)
FLOPs
(B)
YOLO26n64040.938.91.72.45.5
YOLO26s64048.687.22.59.520.9
YOLO26m64053.1220.04.720.468.4
YOLO26l64055.0286.26.224.886.8
YOLO26x64057.5525.811.855.7194.4
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

Nota: Esta tabla no indica las velocidades de YOLOv9 en ONNX con CPU. En TensorRT con T4, YOLO26 es más rápido que YOLOv9 en todos los tamaños y también ofrece más precisión en cada tamaño comparable (por ejemplo, 57,5 frente a 55,6 mAP para YOLO26x frente a YOLOv9e, con menos parámetros).

Casos de uso y recomendaciones#

La elección entre YOLO26 y YOLOv9 depende de los requisitos concretos de tu proyecto, las limitaciones de implementación y tus preferencias de ecosistema.

Cuándo elegir YOLO26#

YOLO26 es una buena opción para:

  • Implementación edge sin NMS: Aplicaciones que necesitan inferencias uniformes y de baja latencia sin la complejidad del posprocesamiento con supresión no máxima.
  • Entornos que solo usan CPU: Dispositivos sin aceleración de GPU dedicada, en los que la inferencia en CPU de YOLO26n, hasta un 43 % más rápida que la de YOLO11n, ofrece una ventaja decisiva.
  • Detección de objetos pequeños: Casos exigentes, como las imágenes aéreas tomadas con drones o el análisis de sensores IoT, donde ProgLoss y STAL mejoran notablemente la precisión al detectar objetos diminutos.

Cuándo elegir YOLOv9#

YOLOv9 se recomienda para:

  • Investigación sobre cuellos de botella de información: Proyectos académicos que estudian las arquitecturas de información de gradiente programable (PGI) y de red de agregación de capas eficiente generalizada (GELAN).
  • Estudios de optimización del flujo de gradiente: Investigaciones centradas en comprender y mitigar la pérdida de información en las capas profundas de la red durante el entrenamiento.
  • Evaluación comparativa de detección de alta precisión: Situaciones en las que el sólido rendimiento de YOLOv9 en las pruebas de referencia de COCO sirve como referencia para comparar arquitecturas.

La ventaja de Ultralytics#

Elegir un modelo implica mucho más que consultar una prueba de precisión: el ecosistema de software que lo rodea determina la rapidez con la que puedes pasar de la recopilación de datos a la producción.

Facilidad de uso y ecosistema#

La API de Python de Ultralytics simplifica el flujo de trabajo. En lugar de clonar repositorios complejos o configurar manualmente scripts de entrenamiento distribuido, los desarrolladores pueden instalar el paquete mediante pip y empezar a entrenar de inmediato. El ecosistema de Ultralytics, que se mantiene activamente, ofrece actualizaciones frecuentes, integraciones con plataformas de aprendizaje automático como Weights & Biases y documentación exhaustiva.

Otros modelos de Ultralytics

Si te interesa explorar otros modelos del ecosistema de Ultralytics, también puedes comparar YOLO11 o el clásico YOLOv8, ya que ambos ofrecen flexibilidad para aplicaciones personalizadas.

Versatilidad en distintas tareas de visión#

Aunque YOLOv9 es principalmente un modelo de detección, YOLO26 es un modelo de visión de propósito general. Con una sintaxis unificada, puedes pasar de la detección de objetos a la segmentación de imágenes, la segmentación semántica, la estimación de profundidad, la clasificación de imágenes completas, la estimación de pose o OBB. Esta versatilidad reduce la deuda técnica que supone mantener varias bases de código independientes para distintas funciones de visión por ordenador.

Entrenamiento e implementación eficientes#

YOLO26 utiliza pesos preentrenados disponibles y normalmente necesita menos memoria que los grandes Transformers de visión. Una vez entrenado, los procesos de exportación integrados permiten convertirlo con una sola línea a formatos optimizados como TensorRT o LiteRT, lo que facilita su puesta en producción.

Ejemplo de código: primeros pasos con YOLO26#

El siguiente fragmento de Python muestra cómo cargar un modelo preentrenado, entrenarlo con datos personalizados y ejecutar inferencias mediante la API de Ultralytics.

from ultralytics import YOLO

# Carga el modelo nano YOLO26 más reciente
model = YOLO("yolo26n.pt")

# Entrena el modelo con el conjunto de datos COCO8 (optimizer='auto' selecciona MuSGD para entrenamientos más largos)
results = model.train(
    data="coco8.yaml",
    epochs=100,
    imgsz=640,
    device=0,  # Usa la GPU 0 o usa 'cpu' para entrenar con CPU
)

# Ejecuta una inferencia sin NMS en una imagen de muestra
predictions = model("https://ultralytics.com/images/bus.jpg", nms=False)

# Muestra las cajas delimitadoras y las confianzas
predictions[0].show()

Gracias a la velocidad, la arquitectura simplificada y el ecosistema de YOLO26, los equipos pueden llevar aplicaciones de IA visual al mercado más rápido y con menos obstáculos técnicos.

Colaboradores
glenn-jocherglenn-jocher13MRMurat Raimbekov1pderrengerpderrenger1

Comentarios

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