YOLOv10 frente a YOLOv6-3.0
En la visión artificial, elegir la arquitectura de detección de objetos adecuada es fundamental para equilibrar la velocidad de inferencia, la precisión del modelo y la viabilidad del despliegue. Esta guía ofrece una comparación técnica exhaustiva de dos modelos: el YOLOv10 académico y el YOLOv6-3.0, centrado en la industria. Ambos aportan innovaciones arquitectónicas propias para resolver distintos retos del despliegue de sistemas de visión en tiempo real.
Descripción general de YOLOv10: detección en tiempo real sin NMS#
Lanzado en mayo de 2024, YOLOv10 incorporó el entrenamiento sin NMS a la familia YOLO y eliminó la necesidad de aplicar la supresión no máxima (NMS) durante el posprocesamiento. Este diseño integral minimiza los cuellos de botella de la latencia de inferencia, por lo que resulta una opción muy atractiva para la IA en dispositivos edge y los despliegues en sistemas integrados.
- 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 de Ultralytics YOLOv10
Innovaciones arquitectónicas#
YOLOv10 consigue funcionar sin NMS mediante una asignación dual coherente. Durante el entrenamiento, el modelo aprovecha asignaciones de etiquetas de uno a varios y de uno a uno, lo que enriquece las señales de supervisión. Para la inferencia, utiliza el cabezal uno a uno (selecciónalo con nms=False en el paquete de Ultralytics), eliminando la sobrecarga computacional asociada al filtrado tradicional de cajas delimitadoras. Además, YOLOv10 sigue un diseño integral centrado en la eficiencia y optimiza componentes internos, como las capas de red neuronal convolucional, para reducir la redundancia computacional y el número total de parámetros.
Descripción general de YOLOv6-3.0: el caballo de batalla industrial#
Desarrollado específicamente para aplicaciones industriales, YOLOv6-3.0 prioriza un alto rendimiento de GPU. Ofrece los mejores resultados cuando el procesamiento por lotes a gran escala en GPU dedicadas de clase servidor es lo habitual.
- Autores: Chuyi Li, Lulu Li, Yifei Geng y otros.
- Organización: Meituan
- Fecha: 2023-01-13
- arXiv: 2301.05586
- GitHub: meituan/YOLOv6
- Documentación: Documentación de Ultralytics YOLOv6
Innovaciones arquitectónicas#
YOLOv6-3.0 destaca por su backbone EfficientRep, muy optimizado y diseñado para maximizar la velocidad de inferencia en aceleradores de hardware como las GPU de NVIDIA. La versión 3.0 introdujo un módulo Bi-directional Concatenation (BiC) para mejorar la fusión de características entre escalas. Además, implementa una estrategia Anchor-Aided Training (AAT) que combina la rápida convergencia de los detectores basados en anclajes con la capacidad de generalización de los paradigmas sin anclajes.
Comparativa de rendimiento y métricas#
Al analizar el rendimiento bruto, se hacen evidentes los refinamientos arquitectónicos de YOLOv10. YOLOv10 ofrece una precisión media promedio (mAP) superior y requiere muchos menos parámetros y FLOPs.
| 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 |
| YOLOv6-3.0n | 640 | 37.5 | - | 1.17 | 4.7 | 11.4 |
| YOLOv6-3.0s | 640 | 45.0 | - | 2.66 | 18.5 | 45.3 |
| YOLOv6-3.0m | 640 | 50.0 | - | 5.28 | 34.9 | 85.8 |
| YOLOv6-3.0l | 640 | 52.8 | - | 8.95 | 59.6 | 150.7 |
Aunque YOLOv6-3.0 mantiene una ventaja de velocidad en su variante Nano con ejecución pura de TensorRT en GPU T4, YOLOv10 utiliza aproximadamente la mitad de parámetros o menos en cada tamaño y alcanza una precisión superior, lo que inclina a su favor el equilibrio general del rendimiento.
Los modelos Ultralytics YOLO suelen necesitar menos memoria durante el entrenamiento y la inferencia que los complejos modelos Transformer, por lo que son más fáciles de escalar e implementar en dispositivos con recursos limitados.
La ventaja del ecosistema Ultralytics#
Usar YOLOv10 a través del paquete Ultralytics va más allá de la arquitectura en sí: te proporciona un ecosistema con mantenimiento activo que simplifica todo el ciclo de vida del aprendizaje automático. El repositorio original de YOLOv6 se centra en la investigación y Ultralytics solo admite YOLOv6 como modelos de detección definidos en YAML, sin pesos preentrenados.
- Facilidad de uso: La API de Python de Ultralytics ofrece una experiencia de usuario optimizada que permite a los desarrolladores entrenar y exportar modelos con solo unas pocas líneas de código.
- Versatilidad: A diferencia de YOLOv6, centrado en la detección, el ecosistema de Ultralytics te permite realizar segmentación de instancias, clasificación de imágenes, estimación de pose y detección de cajas delimitadoras orientadas (OBB) desde una interfaz unificada.
- Ecosistema con mantenimiento activo: Actualizaciones frecuentes, un sólido respaldo de la comunidad e integraciones con estándares del sector como OpenVINO y ONNX.
Ejemplo de código: flujos de entrenamiento coherentes#
Con el paquete Python de Ultralytics, entrenar modelos es muy sencillo. El sistema se encarga automáticamente de las complejas ampliaciones de datos y del escalado de dispositivos.
from ultralytics import YOLO
# Carga un modelo YOLOv10 eficiente (selecciona su cabeza sin NMS con nms=False)
model = YOLO("yolov10n.pt")
# Entrena el modelo con la canalización de Ultralytics
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device=0, batch=16)
# Ejecuta la inferencia de detección de objetos
predictions = model.predict("https://ultralytics.com/images/bus.jpg")
# Expórtalo a ONNX para simplificar la implementación en el edge
model.export(format="onnx")Casos de uso y recomendaciones#
La elección entre YOLOv10 y YOLOv6 depende de los requisitos específicos de tu proyecto, las limitaciones de despliegue 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 YOLOv6#
Se recomienda YOLOv6 para:
- Despliegues adaptados al hardware industrial: situaciones en las que el diseño adaptado al hardware y la reparametrización eficiente del modelo ofrecen un rendimiento optimizado en el hardware de destino específico.
- Detección rápida en una sola etapa: aplicaciones que priorizan la velocidad de inferencia bruta en GPU para procesar vídeo en tiempo real en entornos controlados.
- Integración con el ecosistema de Meituan: equipos que ya trabajan con la pila tecnológica y la infraestructura de despliegue de Meituan.
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 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.
El modelo recomendado: Ultralytics YOLO26#
Aunque YOLOv10 incorporó el entrenamiento sin NMS a los modelos YOLO y YOLOv6-3.0 optimizó el rendimiento de la GPU, la opción recomendada para entornos de producción es Ultralytics YOLO26.
Lanzado en enero de 2026, YOLO26 toma las ideas fundamentales de sus predecesores y las perfecciona en una familia de modelos de visión diseñada para el edge.
- Diseño integral sin NMS: Sobre la base de YOLOv10, la cabeza opcional sin NMS de YOLO26 (
nms=False) omite el posprocesamiento NMS, simplifica la canalización de implementación y hace que la latencia sea más predecible. - Eliminación de DFL: Eliminar Distribution Focal Loss (DFL) simplifica la exportación y mejora la compatibilidad y la velocidad en hardware IoT de bajo consumo.
- Optimizador MuSGD: Inspirado en las innovaciones de los modelos de lenguaje grandes, YOLO26 utiliza el optimizador MuSGD (una combinación de SGD y Muon) para lograr un entrenamiento más estable y una convergencia más rápida.
- Inferencia más rápida en CPU: Gracias a las optimizaciones diseñadas para dispositivos edge, YOLO26n alcanza una inferencia en CPU hasta un 43 % más rápida que YOLO11n, mientras que YOLOv6-3.0 está diseñado principalmente para ofrecer un alto rendimiento de GPU.
- ProgLoss + STAL: Progressive Loss y la asignación de etiquetas que tiene en cuenta los objetos pequeños mejoran la detección de objetos pequeños, por lo que YOLO26 es ideal para imágenes aéreas y el análisis con drones.
Para quienes quieran actualizar su stack de visión artificial, la transición es sencilla. Los modelos como YOLO11 siguen teniendo compatibilidad completa, pero YOLO26, junto con la plataforma Ultralytics, es la opción recomendada para proyectos nuevos.
Comentarios
Haz una pregunta, comparte tus resultados o ayuda a otra persona.