YOLOv10 frente a YOLO11
Para elegir un modelo de visión artificial en tiempo real, hay que entender las ventajas y desventajas de las arquitecturas actuales. Esta comparación abarca las diferencias técnicas, las concesiones de rendimiento y los casos de uso ideales de YOLOv10 y Ultralytics YOLO11, dos potentes marcos de trabajo de detección de objetos.
Ambos modelos obtienen buenos resultados en conjuntos de datos de referencia, pero sus filosofías de diseño y su integración en los ecosistemas difieren considerablemente. Analizar sus arquitecturas permite determinar cuál se adapta mejor a las limitaciones del despliegue y a los objetivos del proyecto.
YOLOv10: detección en tiempo real sin NMS#
Lanzado en la primavera de 2024, YOLOv10 introdujo un enfoque novedoso para el flujo de trabajo tradicional de detección de objetos, al abordar directamente la latencia adicional asociada al posprocesamiento.
- Autores: Ao Wang, Hui Chen, Lihao Liu, et al.
- Organización: Universidad de Tsinghua
- Fecha: 23 de mayo de 2024
- Artículo de investigación: arXiv:2405.14458
- Código fuente: THU-MIG/yolov10 en GitHub
- Documentación: Documentación de YOLOv10
La innovación más destacada de YOLOv10 es su estrategia de asignación dual coherente, que permite entrenar sin NMS. Los detectores de objetos tradicionales recurren a la supresión no máxima (NMS) para filtrar las predicciones redundantes de cajas delimitadoras. Al eliminar este paso, YOLOv10 consigue una detección realmente integral, reduce la latencia de inferencia y simplifica el despliegue en aceleradores de hardware como las unidades de procesamiento neuronal (NPUs), en las que es difícil optimizar las operaciones NMS personalizadas.
YOLO11: versatilidad y rendimiento impulsados por el ecosistema#
YOLO11, lanzado más adelante ese mismo año, siguió perfeccionando la familia de modelos de Ultralytics, centrándose en el equilibrio entre velocidad, precisión y experiencia de desarrollo.
- Autores: Glenn Jocher y Jing Qiu
- Organización: Ultralytics
- Fecha: 27 de septiembre de 2024
- Código fuente: Ultralytics en GitHub
- Integración con la plataforma: Plataforma Ultralytics
YOLO11 está diseñado para producción. Aunque destaca en la detección estándar de cajas delimitadoras, su verdadera fortaleza reside en su versatilidad. A diferencia de YOLOv10, centrado principalmente en la detección de objetos, YOLO11 admite de forma nativa tareas de segmentación de instancias, clasificación de imágenes, estimación de poses y cajas delimitadoras orientadas (OBB) mediante una arquitectura unificada. Durante el entrenamiento, sus requisitos de memoria son bajos, por lo que resulta muy accesible para los equipos que trabajan con GPU de consumo, en comparación con las arquitecturas más pesadas basadas en Transformer.
Comparativa de rendimiento y métricas#
Al comparar estos modelos directamente, es fundamental analizar su rendimiento en distintas variantes de tamaño en pruebas de referencia estándar como el conjunto de datos COCO.
YOLO11 supera a YOLOv10 en mAP en todos los tamaños equivalentes, por entre 0,2 y 1,0 puntos, con velocidades TensorRT similares: YOLO11 es claramente más rápido en las escalas n y l, los modelos s y m están prácticamente empatados, y YOLOv10x es más rápido que YOLO11x y utiliza aproximadamente la mitad de parámetros.
| Modelo | tamaño (píxeles) | mAPval50-95 | Velocidad CPU ONNX (ms) | Velocidad T4 TensorRT10 (ms) | parámetros (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv10n | 640 | 38.5 | - | 1.84 | 2.3 | 6.7 |
| YOLOv10s | 640 | 46.3 | - | 2.49 | 7.2 | 21.6 |
| YOLOv10m | 640 | 51.1 | - | 4.74 | 15.4 | 59.1 |
| YOLOv10b | 640 | 52.5 | - | 5.74 | 19.1 | 92.0 |
| YOLOv10l | 640 | 53.2 | - | 7.28 | 24.4 | 120.3 |
| YOLOv10x | 640 | 54.4 | - | 10.70 | 29.5 | 160.4 |
| YOLO11n | 640 | 39.5 | 56.1 | 1.5 | 2.6 | 6.5 |
| YOLO11s | 640 | 47.0 | 90.0 | 2.5 | 9.4 | 21.6 |
| 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 |
Para reproducir estas velocidades de inferencia en local, exporta tus modelos a formatos optimizados como OpenVINO para CPU Intel o TensorRT para GPU NVIDIA.
Análisis en profundidad de la arquitectura#
Metodología y eficiencia del entrenamiento#
La arquitectura de YOLOv10 se centra en reducir la redundancia computacional. Al optimizar los diseños del backbone y el neck mediante una estrategia integral que impulsa la eficiencia y la precisión, los autores de la Universidad de Tsinghua redujeron el número de parámetros de los modelos de gama media (como YOLOv10m) respecto a las iteraciones anteriores.
La eficiencia del entrenamiento es una característica distintiva de los modelos de Ultralytics. YOLO11 utiliza el paquete Python ultralytics, que abstrae la compleja optimización de hiperparámetros. Este marco de trabajo gestiona automáticamente, desde el primer momento, el aumento avanzado de datos, la programación de la tasa de aprendizaje y el entrenamiento distribuido en varias GPU. YOLO11 también mantiene bajo el uso de VRAM durante el entrenamiento.
Facilidad de uso y ventajas del ecosistema#
Un factor clave para la adopción empresarial es contar con un ecosistema bien mantenido. Los repositorios de investigación suelen perder actividad tras la publicación inicial del artículo. El ecosistema de Ultralytics que respalda YOLO11 ofrece una experiencia de desarrollo integral y con mantenimiento activo.
Al integrarse con herramientas como Weights & Biases para el seguimiento de experimentos y Roboflow para la gestión de conjuntos de datos, YOLO11 acelera el paso del prototipo a producción. Su facilidad de uso se refleja en una API sencilla que permite entrenar y exportar modelos con solo unas pocas líneas de código.
from ultralytics import YOLO
# Inicializa el modelo YOLO11 pequeño
model = YOLO("yolo11s.pt")
# Entrena el modelo de forma eficiente con una gestión optimizada de la memoria
results = model.train(data="coco8.yaml", epochs=50, imgsz=640, device="0")
# Expórtalo al formato ONNX para facilitar su implementación
model.export(format="onnx")Casos de uso y recomendaciones#
Elegir entre YOLOv10 y YOLO11 depende de los requisitos específicos de tu proyecto, las limitaciones de implementación y tus preferencias de ecosistema.
Cuándo elegir YOLOv10#
YOLOv10 es una buena opción para:
- Detección en tiempo real sin NMS: Aplicaciones que se benefician de la detección de extremo a extremo sin supresión no máxima, lo que reduce la complejidad de la implementación.
- Equilibrio entre velocidad y precisión: Proyectos que necesitan un buen equilibrio entre la velocidad de inferencia y la precisión de detección en distintas escalas de modelo.
- Aplicaciones con latencia constante: Escenarios de implementación en los que los tiempos de inferencia predecibles son fundamentales, como la robótica o los sistemas autónomos.
Cuándo elegir YOLO11#
Se recomienda YOLO11 para:
- Despliegue periférico en producción: Aplicaciones comerciales en dispositivos como Raspberry Pi o NVIDIA Jetson, donde la fiabilidad y el mantenimiento activo son fundamentales.
- Aplicaciones de visión multitarea: Proyectos que requieren detección, segmentación, clasificación, estimación de poses y OBB en un único framework unificado.
- Prototipado y despliegue rápidos: Equipos que necesitan pasar rápidamente de la recopilación de datos a producción mediante la sencilla API de Python de Ultralytics.
Cuándo elegir Ultralytics (YOLO26)#
Para la mayoría de los proyectos nuevos, Ultralytics YOLO26 ofrece la mejor combinación de rendimiento y experiencia para desarrolladores:
- Implementación edge sin NMS: Aplicaciones que necesitan inferencias uniformes y de baja latencia sin la complejidad del posprocesamiento con supresión no máxima.
- Entornos solo con CPU: Dispositivos sin aceleración de GPU dedicada, en los que la inferencia en CPU hasta un 43 % más rápida de YOLO26 (YOLO26n frente a YOLO11n) supone una ventaja decisiva.
- Detección de objetos pequeños: Situaciones exigentes, como las imágenes aéreas tomadas con drones o el análisis de sensores IoT, en las que ProgLoss y STAL mejoran la precisión con objetos pequeños.
Exploración de otras arquitecturas#
Aunque YOLOv10 y YOLO11 son excelentes opciones, tu caso de uso concreto puede beneficiarse de otras arquitecturas disponibles en la documentación. Para la detección basada en atención, los modelos Transformer como RT-DETR ofrecen una gran precisión, aunque suelen exigir más memoria. Si necesitas capacidades de detección de nuevas clases sin ejemplos, sin volver a entrenar, YOLO-World ofrece un enfoque de vocabulario abierto guiado por indicaciones en lenguaje natural.
La próxima generación: YOLO26#
Lanzado en enero de 2026, Ultralytics YOLO26 combina las virtudes de ambos modelos mencionados y es la opción recomendada para nuevos despliegues.
A partir de los fundamentos de sus predecesores, YOLO26 incorpora un diseño integral opcional sin NMS (nms=False) que elimina el cuello de botella del posprocesamiento al que YOLOv10 ya había dado respuesta, dentro del marco de trabajo de Ultralytics. YOLO26 también elimina DFL (Distribution Focal Loss), lo que simplifica los gráficos de exportación del modelo y mejora la compatibilidad con dispositivos edge e IoT de bajo consumo.
La estabilidad del entrenamiento mejora con el optimizador MuSGD, una combinación de SGD y Muon inspirada en los métodos de entrenamiento de modelos de lenguaje grandes (LLM) que acelera la convergencia. Junto con ProgLoss + STAL (pérdida progresiva y asignación de etiquetas adaptada a objetos pequeños), YOLO26 mejora el reconocimiento de objetos pequeños. En dispositivos edge estándar, estas mejoras hacen que YOLO26n funcione hasta un 43 % más rápido en CPU que YOLO11n. Además, YOLO26 admite detección, segmentación, segmentación semántica, estimación de profundidad, clasificación, estimación de poses y OBB.
Comentarios
Haz una pregunta, comparte tus resultados o ayuda a otra persona.