YOLOv10 frente a YOLOv7#

La rápida progresión de la visión artificial en los últimos años ha dado lugar a arquitecturas cada vez más eficientes para aplicaciones en tiempo real. Comparar YOLOv10 y YOLOv7 destaca un periodo de transición crucial en esta evolución. Mientras que YOLOv7 introdujo estrategias de entrenamiento y escalado arquitectónico altamente eficaces, YOLOv10 revolucionó el despliegue al eliminar la prolongada dependencia de la Non-Maximum Suppression (NMS).

Ambos modelos ampliaron los límites de la detección de objetos en sus respectivos lanzamientos, pero el ecosistema Ultralytics moderno y la introducción de modelos de última generación como YOLO26 ofrecen flujos de trabajo muy superiores para los profesionales actuales de la IA.

Perfiles y orígenes de los modelos#

Comprender los orígenes de estos modelos proporciona un contexto valioso respecto a sus decisiones de diseño arquitectónico y la investigación académica que los impulsa.

Detalles de YOLOv10#

• Autores: Ao Wang, Hui Chen, Lihao Liu, et al.
• Organización: Tsinghua University
• Fecha: 23-05-2024
• Arxiv: YOLOv10: Real-Time End-to-End Object Detection
• GitHub: THU-MIG/yolov10
• Documentación: Ultralytics YOLOv10 Documentation

Aprende más sobre YOLOv10

Detalles de YOLOv7#

• Autores: Chien-Yao Wang, Alexey Bochkovskiy y Hong-Yuan Mark Liao
• Organización: Institute of Information Science, Academia Sinica, Taiwan
• Fecha: 06-07-2022
• Arxiv: YOLOv7: Trainable bag-of-freebies sets new state-of-the-art
• GitHub: WongKinYiu/yolov7
• Documentación: Ultralytics YOLOv7 Documentation

Más información sobre YOLOv7

Innovaciones arquitectónicas#

El enfoque de YOLOv7#

Lanzado en 2022, YOLOv7 se centró intensamente en optimizar las rutas de gradiente. Introdujo la red Extended Efficient Layer Aggregation Network (E-ELAN), que permitió al modelo aprender características más diversas sin destruir la ruta de gradiente original. Además, los autores implementaron una metodología de "conjunto de mejoras gratuitas entrenables" (trainable bag-of-freebies), utilizando técnicas de re-parametrización durante el entrenamiento que podían fusionarse durante la inferencia para mantener velocidades de ejecución rápidas. A pesar de estas impresionantes optimizaciones, YOLOv7 seguía dependiendo en gran medida de NMS para el post-procesamiento, creando una latencia variable durante el análisis de escenas densas.

El avance de YOLOv10#

YOLOv10 abordó directamente el cuello de botella de la NMS. Al introducir asignaciones duales coherentes durante el entrenamiento, el equipo de la Tsinghua University hizo posible la detección de extremo a extremo sin NMS. Este enfoque de doble cabezal utiliza una rama con asignaciones de uno a muchos para obtener señales de supervisión ricas durante el entrenamiento, y otra rama con asignaciones de uno a uno para la inferencia sin NMS. Este cambio arquitectónico garantiza una latencia de inferencia ultra baja y constante, adecuada para el análisis de vídeo de alta velocidad. Además, YOLOv10 emplea un diseño de modelo holístico impulsado por la eficiencia y la precisión, eliminando la redundancia computacional presente en generaciones anteriores.

Comparación de rendimiento#

Al comparar las métricas brutas en el conjunto de datos MS COCO, la brecha generacional se hace evidente. YOLOv10 logra una relación mucho más favorable entre parámetros, requisitos computacionales y precisión.

Como se ha visto anteriormente, YOLOv10x ofrece un mAP superior del 54,4% en comparación con el 53,1% de YOLOv7x, utilizando aproximadamente un 20% menos de parámetros. Además, los modelos ligeros de YOLOv10 (Nano y Small) ofrecen velocidades de despliegue en TensorRT excepcionales, lo que los hace muy atractivos para el despliegue en dispositivos móviles.

La ventaja del ecosistema Ultralytics#

Aunque estudiar los documentos arquitectónicos es instructivo, el desarrollo moderno de la visión artificial depende de marcos de trabajo robustos y bien mantenidos. Seleccionar un modelo compatible con Ultralytics proporciona una gran ventaja para los desarrolladores que buscan pasar rápidamente del prototipo a la producción.

Desarrollo optimizado#

Tanto YOLOv10 como YOLOv7 pueden accederse a través del paquete estándar de Python de Ultralytics. Esto proporciona una Facilidad de uso inigualable, reemplazando miles de líneas de código repetitivo (boilerplate) con una API sencilla e intuitiva. Además, los modelos YOLO de Ultralytics requieren una memoria CUDA significativamente menor durante el entrenamiento en comparación con las pesadas arquitecturas de Transformer, lo que permite el uso de tamaños de lote (batch sizes) mayores en hardware de consumo.

Versatilidad inigualable#

Mientras que los repositorios más antiguos suelen centrarse estrictamente en la detección de cuadros delimitadores, el marco integrado de Ultralytics es compatible de forma fluida con una enorme variedad de tareas. Ya sea que realices Segmentación de instancias, Estimación de pose o detección de Cuadro delimitador orientado (OBB), el flujo de trabajo sigue siendo idéntico.

Ejemplo de código: Flujos de trabajo de entrenamiento consistentes#

El siguiente fragmento de código demuestra el proceso de entrenamiento fluido, que gestiona automáticamente la aumento de datos y la programación de la tasa de aprendizaje:

from ultralytics import YOLO

# Load the desired model (YOLOv10, YOLOv7, or the recommended YOLO26)
model = YOLO("yolo26n.pt")

# Train the model effortlessly on your dataset
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, batch=16, device=0)

# Export to ONNX format for rapid deployment
model.export(format="onnx")

Casos de uso y recomendaciones#

Elegir entre YOLOv10 y YOLOv7 depende de los requisitos específicos de tu proyecto, las limitaciones de despliegue y las preferencias del ecosistema.

Cuándo elegir YOLOv10#

YOLOv10 es una opción sólida para:

• Detección en tiempo real sin NMS: Aplicaciones que se benefician de una detección integral (end-to-end) sin NMS, lo que reduce la complejidad de la implementación.
• Equilibrio entre velocidad y precisión: Proyectos que requieren un buen equilibrio entre la velocidad de inferencia y la precisión de detección en varias escalas de modelo.
• Aplicaciones de latencia consistente: Escenarios de despliegue donde los tiempos de inferencia predecibles son críticos, como en robotics o sistemas autónomos.

Cuándo elegir YOLOv7#

YOLOv7 se recomienda para:

• Benchmarking académico: reproducir resultados de última generación de la era de 2022 o estudiar los efectos de las técnicas E-ELAN y bag-of-freebies entrenables.
• Investigación en reparametrización: investigar convoluciones reparametrizadas planificadas y estrategias de escalado de modelos compuestos.
• Procesos personalizados existentes: proyectos con flujos de trabajo altamente personalizados construidos en torno a la arquitectura específica de YOLOv7 que no se puedan refactorizar fácilmente.

Cuándo elegir Ultralytics (YOLO26)#

Para la mayoría de los proyectos nuevos, Ultralytics YOLO26 ofrece la mejor combinación de rendimiento y experiencia de desarrollo:

• Implementación en el borde sin NMS: Aplicaciones que requieren una inferencia consistente y de baja latencia sin la complejidad del posprocesamiento de supresión de no máximos.
• Entornos solo de CPU: Dispositivos sin aceleración de GPU dedicada, donde la inferencia en CPU hasta un 43% más rápida de YOLO26 proporciona una ventaja decisiva.
• Detección de objetos pequeños: Escenarios desafiantes como la aerial drone imagery o el análisis con sensores IoT donde ProgLoss y STAL mejoran significativamente la precisión en objetos diminutos.

El nuevo estándar: Presentación de YOLO26#

Aunque YOLOv10 fue un salto gigantesco en 2024, el panorama de la visión artificial se mueve increíblemente rápido. Para todo nuevo desarrollo, recomendamos encarecidamente el modelo de última generación: Ultralytics YOLO26. Lanzado en enero de 2026, representa la cima absoluta de la IA de visión en tiempo real, superando ampliamente tanto a YOLOv7 como a YOLOv10.

Más información sobre YOLO26

YOLO26 trae innovaciones sin precedentes diseñadas específicamente para entornos de despliegue modernos:

• Diseño de extremo a extremo (End-to-End) sin NMS: Construido sobre la base establecida por YOLOv10, YOLO26 elimina de forma nativa el post-procesamiento NMS para obtener tuberías de despliegue más sencillas y una inferencia de alta velocidad consistente.
• Hasta un 43 % más rápida en inferencia por CPU: Muy optimizada para la computación de borde y dispositivos sin GPU dedicadas, proporcionando un ahorro masivo en costes de hardware.
• Eliminación de DFL: La función Distribution Focal Loss se ha eliminado por completo, lo que simplifica radicalmente la lógica de exportación y mejora enormemente la compatibilidad con dispositivos de borde de bajo consumo y microcontroladores.
• Optimizador MuSGD: Inspirado en Kimi K2 de Moonshot AI, este híbrido de SGD y Muon traslada las innovaciones de entrenamiento de Large Language Model (LLM) directamente a la visión artificial, lo que proporciona una dinámica de entrenamiento increíblemente estable y una convergencia más rápida.
• ProgLoss + STAL: Estas funciones de pérdida avanzadas ofrecen mejoras notables en el reconocimiento de objetos pequeños, un área históricamente desafiante que resulta crítica para drones, robótica y monitorización de ciudades inteligentes.
• Mejoras específicas por tarea: YOLO26 no es solo un detector. Incluye pérdida de segmentación semántica especializada, estimación de log-verosimilitud residual (RLE) para un seguimiento de pose ultrapreciso y algoritmos de pérdida de ángulo especializados para eliminar los problemas de límites en OBB.

Casos de uso en el mundo real#

Seleccionar la arquitectura correcta depende en gran medida de tu hardware y de las limitaciones de la aplicación.

Cuándo usar YOLOv7#

YOLOv7 sigue siendo una opción fiable para mantener tuberías heredadas que ya están profundamente integradas con sus estructuras de tensores específicas o cuando se replican puntos de referencia académicos de 2022 y 2023. Funciona admirablemente en GPU de servidor de gama alta.

Cuándo usar YOLOv10#

YOLOv10 destaca en escenarios que requieren una latencia estricta e invariable. Al prescindir de la NMS, es excelente para el recuento de multitudes de alta densidad o la detección de defectos de fabricación, donde el número de objetos fluctúa drásticamente pero el tiempo de procesamiento por fotograma debe permanecer constante.

Cuándo utilizar YOLO26#

YOLO26 es la opción definitiva para cualquier proyecto nuevo. Desde el despliegue de sofisticados sistemas de alarma de seguridad en una Raspberry Pi básica hasta la ejecución de análisis de vídeo masivos basados en la nube, sus superiores velocidades de CPU y su avanzada detección de objetos pequeños lo hacen muy superior a las generaciones anteriores.

Para los desarrolladores interesados en explorar arquitecturas modernas alternativas, también ofrecemos un amplio soporte para detectores basados en Transformer como RT-DETR y elementos básicos de generaciones anteriores como Ultralytics YOLO11.