Empezar

YOLOv10 frente a YOLO26

La detección de objetos en tiempo real ha pasado de arquitecturas complejas con mucho posprocesamiento a modelos integrales optimizados. Esta comparativa técnica analiza dos hitos de esa transición: YOLOv10, el modelo académico que incorporó el entrenamiento sin NMS a la familia YOLO, y Ultralytics YOLO26, una familia de modelos multitarea centrada en la producción. Al estudiar sus arquitecturas, métodos de entrenamiento y capacidades de implementación en el mundo real, los desarrolladores pueden tomar decisiones fundamentadas al crear su próxima aplicación de IA visual.

YOLOv10: detección en tiempo real sin NMS#

Lanzado en mayo de 2024, YOLOv10 abordó uno de los cuellos de botella más persistentes de la detección de objetos en tiempo real: la supresión no máxima (NMS). Los detectores de objetos tradicionales dependían en gran medida de NMS para eliminar las cajas delimitadoras redundantes, lo que añadía latencia variable durante la inferencia y complicaba la implementación edge.

El equipo de la Universidad de Tsinghua introdujo una estrategia coherente de asignación dual para entrenar sin NMS. Esto permitió al modelo predecir cajas delimitadoras con precisión sin necesidad de una etapa de filtrado posterior, lo que mejoró directamente la latencia de inferencia y facilitó la implementación en aceleradores de hardware. Aunque es eficiente para la detección estándar, el modelo se centra en predecir cajas delimitadoras y no admite de forma nativa tareas como la segmentación de instancias o la estimación de poses.

Más información sobre YOLOv10

YOLO26: el nuevo estándar para la IA visual en el borde y la nube#

A partir de los conceptos sin NMS introducidos por YOLOv10, YOLO26 es la familia de modelos Ultralytics recomendada actualmente. Diseñado para la investigación y la implementación en producción, ofrece un diseño integral sin NMS mediante una cabeza opcional uno a uno (nms=False) que omite el posprocesamiento de NMS y simplifica la implementación en el hardware compatible.

YOLO26 también incorpora varios cambios arquitectónicos. Eliminar Distribution Focal Loss (DFL) simplifica el proceso de exportación del modelo y mejora la compatibilidad con dispositivos de IA edge de bajo consumo. Gracias a estos cambios estructurales, YOLO26n alcanza una inferencia en CPU hasta un 43 % más rápida que YOLO11n, lo que convierte a YOLO26 en una opción sólida para aplicaciones de IoT y robótica en las que puede no haber aceleración por GPU.

La estabilidad del entrenamiento y la velocidad de convergencia también mejoran con el optimizador MuSGD, una combinación de SGD y Muon inspirada en técnicas de entrenamiento de LLM. Combinado con ProgLoss + STAL, que empareja una función de pérdida progresiva con una asignación de etiquetas adaptada a objetos pequeños, YOLO26 mejora el reconocimiento de objetos pequeños. También incorpora mejoras específicas para cada tarea, como el uso de prototipos multiescala para la segmentación, la estimación residual de la log-verosimilitud (RLE) para la estimación de poses y una función de pérdida angular especializada para resolver problemas en los límites de la detección de cajas delimitadoras orientadas (OBB).

Implementación empresarial

Para los equipos que quieren ampliar sus flujos de trabajo de visión artificial, Ultralytics Platform es compatible directamente con YOLO26 y ofrece anotación de datos, entrenamiento en la nube y despliegue con un solo clic, sin necesidad de una infraestructura MLOps extensa.

Comparación del rendimiento técnico#

Al evaluar estos modelos, es fundamental equilibrar la precisión, el tamaño del modelo y la velocidad de inferencia. La tabla siguiente destaca el rendimiento de ambas familias de modelos en distintas escalas, evaluadas en el conjunto de datos COCO estándar.

Modelotamaño
(píxeles)
mAPval50-95Velocidad
CPU ONNX
(ms)
Velocidad
T4 TensorRT10
(ms)
parámetros
(M)
FLOPs
(B)
YOLOv10n64038.5-1.842.36.7
YOLOv10s64046.3-2.497.221.6
YOLOv10m64051.1-4.7415.459.1
YOLOv10b64052.5-5.7419.192.0
YOLOv10l64053.2-7.2824.4120.3
YOLOv10x64054.4-10.7029.5160.4
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

YOLO26 alcanza un mAP (precisión media) superior en todos los tamaños, manteniendo velocidades comparables con TensorRT en T4. La eliminación de DFL en YOLO26 también contribuye a su rendimiento con ONNX en CPU; la tabla no recoge las velocidades de YOLOv10 con ONNX en CPU.

Metodologías de entrenamiento y ecosistema#

Un modelo solo es tan útil como el ecosistema que lo respalda. Aunque YOLOv10 ofrecía una implementación académica sólida basada en PyTorch y el paquete de Ultralytics, solo admite la detección de objetos.

En cambio, YOLO26 está plenamente integrado en el ecosistema de Ultralytics, que se mantiene activamente. Al ser un modelo basado en CNN, necesita menos memoria durante el entrenamiento que los modelos basados en Transformer, como RT-DETR, por lo que puede entrenarse en hardware de consumo. La API unificada gestiona automáticamente el aumento de datos y el registro, y permite ajustar los hiperparámetros mediante model.tune().

Ejemplo de código: entrenamiento de YOLO26#

Solo necesitas unas pocas líneas de código Python para entrenar y exportar YOLO26:

from ultralytics import YOLO

# Carga el modelo YOLO26 pequeño y altamente optimizado
model = YOLO("yolo26s.pt")

# Entrena el modelo con el conjunto de datos de ejemplo COCO8
results = model.train(
    data="coco8.yaml",
    epochs=100,
    imgsz=640,
)

# Exporta a TensorRT el cabezal uno a uno sin NMS
model.export(format="engine", nms=False)

Aplicaciones y casos de uso en el mundo real#

La elección de la arquitectura adecuada depende en gran medida de las limitaciones del despliegue.

Computación de alto rendimiento en el edge#

Para aplicaciones desplegadas en CPU, plataformas robóticas o dispositivos móviles antiguos, la inferencia más rápida de YOLO26 en CPU lo convierte en la mejor opción. Su arquitectura sin DFL y su cabezal opcional sin NMS se exportan sin problemas a formatos como OpenVINO y TensorRT, ideales para el análisis de vídeo en tiempo real en infraestructuras de ciudades inteligentes.

Visión avanzada para múltiples tareas#

YOLOv10 se limita a la detección de cajas delimitadoras, así que los proyectos que necesiten otras tareas deberían usar YOLO26. Además de la detección, YOLO26 admite la segmentación de instancias, la segmentación semántica, la estimación de profundidad, la clasificación, la estimación de poses y las cajas delimitadoras orientadas, con cabezales y funciones de pérdida específicas para cada tarea en aplicaciones que van desde el diagnóstico por imagen hasta el análisis deportivo.

Opciones alternativas

Si tu proyecto requiere detección de vocabulario abierto, considera YOLOE o YOLO-World. Para los flujos de trabajo existentes, YOLO11 sigue siendo una alternativa plenamente compatible dentro del marco de trabajo de Ultralytics.

Casos de uso y recomendaciones#

Elegir entre YOLOv10 y YOLO26 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: situaciones de despliegue en las que son esenciales unos tiempos de inferencia predecibles, como la robótica o los sistemas autónomos.

Cuándo elegir YOLO26#

Se recomienda YOLO26 para:

  • 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 GPU dedicada, donde YOLO26n funciona hasta un 43 % más rápido en CPU que YOLO11n.
  • Detección de objetos pequeños: situaciones complejas, como las imágenes aéreas captadas con drones o el análisis de sensores IoT, en las que ProgLoss y STAL mejoran la precisión con objetos diminutos.

Conclusión#

El paso de YOLOv10 a YOLO26 refleja la transición de una prueba de concepto académica a modelos listos para producción. Al adoptar el diseño sin NMS que introdujo YOLOv10 y añadir el optimizador MuSGD, ProgLoss y una exportación simplificada a dispositivos edge, YOLO26 ofrece mayor precisión en todos los tamaños de modelo y admite muchas más tareas. Para los desarrolladores que buscan el mejor equilibrio entre velocidad, precisión y facilidad de uso, YOLO26 es la opción recomendada.

Colaboradores

Comentarios

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