YOLO11 vs. YOLO11: Navegando por la frontera de la detección de objetos en tiempo real

La elección del modelo de visión por ordenador adecuado es fundamental para el éxito de cualquier proyecto de IA, ya que equilibra las ventajas y desventajas entre velocidad, precisión y facilidad de despliegue. Esta guía ofrece una comparación técnica detallada entre YOLOv10una versión académica centrada en el entrenamiento NMS, y Ultralytics YOLO11la última evolución de la famosa serie YOLO , diseñada para ofrecer rendimiento y versatilidad a nivel empresarial.

Mientras que YOLOv10 introduce interesantes conceptos arquitectónicos para reducir la latencia, YOLO11 perfecciona el estado del arte con una precisión superior, un soporte de tareas más amplio y un sólido ecosistema que simplifica el flujo de trabajo desde la anotación de datos hasta la implantación de modelos.

YOLOv10: El especialista NMS

YOLOv10 surgió de la investigación académica con un objetivo específico: optimizar el proceso de inferencia eliminando la necesidad de Supresión No Máxima (NMS). Este enfoque tiene como objetivo reducir la latencia en escenarios de borde específicos.

Autores: Ao Wang, Hui Chen, Lihao Liu, et al.
Organización:Universidad de Tsinghua
Fecha: 2024-05-23
Arxiv:2405.14458
GitHub:THU-MIG/yolov10
Documentación:Documentación deYOLOv10

Arquitectura e innovación

La característica que define a YOLOv10 es su estrategia de asignación dual coherente para un entrenamiento NMS. Los modelos YOLO tradicionales suelen predecir varios recuadros delimitadores para un mismo objeto, lo que requiere un postprocesamiento NMS para filtrar los duplicados. YOLOv10 modifica la pérdida de entrenamiento para animar al modelo a producir directamente un único recuadro óptimo por objeto. Además, emplea un diseño de modelo holístico basado en la eficiencia y la precisión, utilizando cabezales de clasificación ligeros para reducir los FLOP y el número de parámetros.

Fortalezas y Debilidades

Ventajas:

InferenciaNMS: Al eliminar el paso NMS , el modelo reduce la latencia del posprocesamiento, lo que puede ser beneficioso en hardware con potencia de CPU limitada para operaciones no matriciales.
Eficiencia de los parámetros: La arquitectura está diseñada para ser ligera, logrando una buena precisión con relativamente menos parámetros.

Debilidades:

Versatilidad limitada: YOLOv10 se centra casi exclusivamente en la detección de objetos. Carece de soporte nativo para tareas complejas como la segmentación de instancias o la estimación de poses, lo que limita su utilidad en aplicaciones de IA polifacéticas.
Apoyo centrado en la investigación: Como proyecto académico, es posible que no ofrezca el mismo nivel de mantenimiento a largo plazo, frecuencia de actualización o integración con herramientas de implantación que los modelos con soporte empresarial.

Caso de uso ideal

YOLOv10 es idóneo para aplicaciones altamente especializadas de una sola tarea, en las que la eliminación del paso NMS es fundamental para cumplir estrictos presupuestos de latencia en hardware embebido específico.

Más información sobre YOLOv10

Ultralytics YOLO11: la cumbre de la versatilidad y el rendimiento

Ultralytics YOLO11 representa la vanguardia de la IA de visión, basándose en el legado de YOLOv8 y YOLOv5. Se ha diseñado no sólo como un modelo, sino como una solución integral para los retos de la IA en el mundo real.

Autores: Glenn Jocher, Jing Qiu
Organización:Ultralytics
Fecha: 2024-09-27
GitHub:ultralytics
Documentación:Documentación deYOLO11

Arquitectura y ecosistema

YOLO11 perfecciona el mecanismo de detección sin anclaje con una arquitectura mejorada de columna vertebral y cuello, incorporando módulos C3k2 y C2PSA que mejoran la eficacia de la extracción de características. A diferencia de sus competidores, YOLO11 es un motor multitarea. Un único marco de trabajo soporta la detección, segmentación, clasificación, estimación de la pose y Oriented Bounding Boxes (OBB), lo que permite a los desarrolladores consolidar su pila de IA.

YOLO11 está respaldado por el ecosistemaUltralytics . Esto garantiza una integración perfecta con las herramientas de gestión de datos y una exportación sencilla de los modelos a formatos como ONNX y TensorRTy un sólido apoyo de la comunidad.

Principales ventajas

Equilibrio de rendimiento superior: YOLO11 consigue sistemáticamente mAP a la vez que mantiene velocidades de inferencia excepcionales, superando a menudo a las alternativas NMS en rendimiento real en GPU.
Versatilidad sin igual: Tanto si necesita track jugadores en deportes, segment imágenes médicas o detect objetos rotados en vistas aéreas, YOLO11 lo gestiona todo con una APIPython .
Facilidad de uso: la interfaz de Ultralytics es famosa por su sencillez. Entrenar un modelo de última generación solo requiere unas pocas líneas de código, lo que democratiza el acceso a la IA avanzada.
Eficiencia del entrenamiento: Las rutinas de entrenamiento optimizadas y los pesos preentrenados de alta calidad permiten una convergencia más rápida, ahorrando tiempo y recursos informáticos.
Menores requisitos de memoria: En comparación con arquitecturas basadas en transformadores como RT-DETRYOLO11 consume mucha menos memoria durante el entrenamiento, por lo que es accesible en una gama más amplia de hardware.

Beneficio del ecosistema

El uso de YOLO11 da acceso a un conjunto de integraciones, como MLFlow para el seguimiento de experimentos y OpenVINO para la inferencia optimizada en hardware Intel , garantizando que su proyecto se adapte sin problemas del prototipo a la producción.

Más información sobre YOLO11

Comparación de prestaciones: Velocidad, precisión y eficacia

Al comparar YOLOv10 y YOLO11, es esencial mirar más allá del recuento de parámetros y examinar las métricas de rendimiento en el mundo real. Mientras que YOLOv10 reduce la complejidad teórica al eliminar NMS, YOLO11 demuestra velocidades de inferencia superiores en configuraciones de hardware estándar como la GPU T4 con TensorRT.

Los datos revelan que YOLO11 ofrece una mejor relación calidad-precio para la mayoría de las aplicaciones. Por ejemplo, YOLO11n alcanza la misma precisión (39,5 mAP) que YOLOv10n, pero con una arquitectura más robusta respaldada por la API Ultralytics . A medida que aumenta el tamaño del modelo, las ventajas de YOLO11 en cuanto a precisión se hacen más pronunciadas, con YOLO11x alcanzando 54,7 mAP, estableciendo un listón muy alto en cuanto a precisión de detección.

Modelo	tamaño ^(píxeles)	mAP^val 50-95	Velocidad ^{CPU ONNX (ms)}	Velocidad ^{T4 TensorRT10 (ms)}	parámetros ^(M)	FLOPs ^(B)
YOLOv10n	640	39.5	-	1.56	2.3	6.7
YOLOv10s	640	46.7	-	2.66	7.2	21.6
YOLOv10m	640	51.3	-	5.48	15.4	59.1
YOLOv10b	640	52.7	-	6.54	24.4	92.0
YOLOv10l	640	53.3	-	8.33	29.5	120.3
YOLOv10x	640	54.4	-	12.2	56.9	160.4

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

Análisis

Velocidad: YOLO11 proporciona una inferencia más rápida en las GPUTensorRT) en casi todos los tamaños de modelo. Por ejemplo, YOLO11l se ejecuta en 6,2 ms frente a los 8,33 ms de YOLOv10l, lo que representa una importante ventaja de rendimiento para el análisis de vídeo en tiempo real.
Precisión: YOLO11 supera sistemáticamente a YOLOv10 en mAP, garantizando menos falsos negativos y una mejor localización, lo que es fundamental para tareas críticas para la seguridad, como la navegación autónoma o la detección de defectos.
Computación: Mientras que YOLOv10 minimiza los parámetros, YOLO11 optimiza el gráfico computacional real para ofrecer tiempos de ejecución más rápidos, lo que demuestra que el recuento de parámetros por sí solo no dicta la velocidad.

Aplicación real y ejemplo de código

La verdadera prueba de un modelo es su facilidad de integración en un flujo de trabajo de producción. YOLO11 destaca en este aspecto gracias a su sencilla interfaz Python . A continuación se muestra un ejemplo de cómo cargar un modelo YOLO11 preentrenado y ejecutar la inferencia en una imagen.

from ultralytics import YOLO

# Load a pretrained YOLO11n model
model = YOLO("yolo11n.pt")

# Run inference on an image
results = model("path/to/image.jpg")

# Display the results
results[0].show()

Este sencillo fragmento permite acceder a un rendimiento de vanguardia. La misma API le permite pasar sin esfuerzo al entrenamiento en conjuntos de datos personalizados, validar el rendimiento del modelo o rastrear objetos en secuencias de vídeo.

Conclusión: El veredicto

En YOLOv10 ofrece una visión innovadora de las arquitecturas NMS y es una opción respetable para la investigación académica o escenarios de borde muy restringidos, Ultralytics YOLO11 destaca como la opción superior para la gran mayoría de desarrolladores y empresas.

La combinación de mayor precisión, mayor velocidad de inferencia en el mundo real y versatilidad sin igual de YOLO11 la convierte en la solución definitiva para la visión por ordenador moderna. Con el respaldo del ecosistema Ultralytics , que se mantiene de forma activa, los desarrolladores no solo obtienen un modelo, sino un socio a largo plazo en su viaje por la IA, lo que garantiza que sus aplicaciones sigan siendo sólidas, escalables y vanguardistas.

Para los que sigan explorando, las comparaciones con otros modelos como el YOLOv9 o RT-DETR pueden proporcionar un contexto adicional sobre el panorama en evolución de la detección de objetos.