YOLOv10 frente a YOLOv7
El rápido avance 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 pone de relieve una transición crucial en esta evolución. YOLOv7 introdujo estrategias de entrenamiento muy eficaces y escalado arquitectónico, mientras que YOLOv10 simplificó el despliegue al eliminar la dependencia histórica de la supresión no máxima (NMS).
Ambos modelos ampliaron los límites de la detección de objetos cuando se lanzaron, mientras que el ecosistema de Ultralytics y los modelos más recientes, como YOLO26, ofrecen ahora flujos de trabajo de entrenamiento y despliegue más sencillos.
Perfiles y orígenes de los modelos#
Comprender el origen de estos modelos aporta un contexto valioso sobre las decisiones de diseño de su arquitectura y la investigación académica que las impulsa.
Detalles de YOLOv10#
- Autores: Ao Wang, Hui Chen, Lihao Liu, et al.
- Organización: Universidad de Tsinghua
- Fecha: 2024-05-23
- arXiv: YOLOv10: detección de objetos en tiempo real de extremo a extremo
- GitHub: THU-MIG/yolov10
- Documentación: Documentación de Ultralytics YOLOv10
Detalles de YOLOv7#
- Autores: Chien-Yao Wang, Alexey Bochkovskiy y Hong-Yuan Mark Liao
- Organización: Institute of Information Science, Academia Sinica, Taiwán
- Fecha: 2022-07-06
- arXiv: YOLOv7: un conjunto de técnicas gratuitas y entrenables que establece un nuevo estado del arte
- GitHub: WongKinYiu/yolov7
- Documentación: Documentación de Ultralytics YOLOv7
Innovaciones arquitectónicas#
El enfoque de YOLOv7#
Lanzado en 2022, YOLOv7 se centró especialmente en optimizar las vías del gradiente. Introdujo la red de agregación de capas eficiente extendida (E-ELAN), que permitió al modelo aprender características más diversas sin destruir la ruta original del gradiente. Además, los autores aplicaron una metodología de «conjunto de trucos entrenables», con técnicas de reparametrización durante el entrenamiento que podían fusionarse y eliminarse durante la inferencia para mantener una ejecución rápida. A pesar de estas optimizaciones, YOLOv7 siguió dependiendo de NMS para el posprocesamiento, lo que provocaba una latencia variable al analizar escenas densas.
El enfoque de YOLOv10#
YOLOv10 abordó directamente el cuello de botella de NMS. Al introducir asignaciones duales coherentes durante el entrenamiento, el equipo de la Universidad de Tsinghua hizo posible la detección integral sin NMS. Este enfoque de doble cabezal utiliza una rama con asignaciones de uno a varios para obtener señales de supervisión abundantes durante el entrenamiento y otra rama con asignaciones de uno a uno para la inferencia sin NMS. Este cambio arquitectónico proporciona una latencia de inferencia baja y constante, adecuada para el análisis de vídeo de alta velocidad. Además, YOLOv10 emplea un diseño de modelo integral que prioriza la eficiencia y la precisión, y elimina la redundancia computacional de generaciones anteriores.
Eliminar el posprocesamiento NMS acelera la inferencia y simplifica el despliegue en hardware de IA edge, como aceleradores de IA y NPU, en los que puede ser difícil compilar operaciones NMS personalizadas.
Comparativa de rendimiento#
Al comparar las métricas sin procesar en el conjunto de datos MS COCO, la diferencia generacional queda patente. YOLOv10 ofrece un equilibrio mucho más favorable entre parámetros, requisitos computacionales y precisión.
| 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 |
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
Como se muestra arriba, YOLOv10x alcanza un mAP superior al de YOLOv7x (54,4 % frente al 53,1 %) y utiliza menos de la mitad de parámetros (29,5 M frente a 71,3 M). Los modelos ligeros YOLOv10 Nano y Small también ofrecen velocidades rápidas de despliegue con TensorRT (1,84 ms y 2,49 ms en una T4), lo que los convierte en opciones atractivas para el despliegue edge.
La ventaja del ecosistema Ultralytics#
Aunque estudiar artículos sobre arquitectura resulta instructivo, el desarrollo moderno de la visión artificial depende de marcos de trabajo bien mantenidos. Elegir un modelo compatible con Ultralytics es una gran ventaja para los desarrolladores que quieren pasar rápidamente del prototipo a producción.
Desarrollo simplificado#
El paquete Python estándar de Ultralytics es compatible de forma nativa con YOLOv10, mientras que los checkpoints de YOLOv7 entrenados en el repositorio original solo pueden ejecutarse en Ultralytics tras exportarlos a ONNX o TensorRT. La compatibilidad nativa aporta facilidad de uso al sustituir el código repetitivo por una API sencilla e intuitiva. Durante el entrenamiento, los modelos YOLO de Ultralytics también necesitan menos memoria CUDA que las arquitecturas Transformer pesadas, lo que permite usar lotes más grandes en hardware de consumo.
Versatilidad#
Mientras que los repositorios antiguos suelen centrarse exclusivamente en la detección de cajas delimitadoras, el marco de trabajo de Ultralytics admite una amplia variedad de tareas mediante modelos como YOLO26 y YOLO11. Tanto si realizas segmentación de instancias, estimación de poses como detección de cajas delimitadoras orientadas (OBB), el flujo de trabajo es el mismo.
Ejemplo de código: flujos de entrenamiento coherentes#
El siguiente fragmento de código muestra el proceso de entrenamiento, que gestiona automáticamente el aumento de datos y la programación de la tasa de aprendizaje:
from ultralytics import YOLO
# Carga el modelo que quieras (por ejemplo, YOLOv10 o el recomendado YOLO26)
model = YOLO("yolo26n.pt")
# Entrena el modelo con tu conjunto de datos
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, batch=16, device=0)
# Exporta al formato ONNX para agilizar el despliegue
model.export(format="onnx")Casos de uso y recomendaciones#
La elección entre YOLOv10 y YOLOv7 depende de los requisitos concretos de tu proyecto, las limitaciones del 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 YOLOv7#
Se recomienda YOLOv7 para:
- Evaluación comparativa académica: reproducir resultados de vanguardia de 2022 o estudiar los efectos de E-ELAN y las técnicas de conjunto de técnicas gratuitas entrenables.
- Investigación sobre reparametrización: estudiar convoluciones reparametrizadas planificadas y estrategias de escalado compuesto de modelos.
- Flujos personalizados existentes: proyectos con flujos muy personalizados basados en 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 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 nuevo estándar: presentamos YOLO26#
YOLOv10 supuso un gran avance en 2024, pero el campo evoluciona rápidamente. Para los nuevos desarrollos, Ultralytics recomienda el modelo de última generación, Ultralytics YOLO26. Lanzado en enero de 2026, sustituye a YOLOv7 y YOLOv10 para la IA visual en tiempo real.
YOLO26 incorpora varias mejoras pensadas para los entornos de despliegue actuales:
- Diseño integral sin NMS: a partir de los fundamentos establecidos por YOLOv10, el cabezal uno a uno opcional de YOLO26 (
nms=False) omite el posprocesamiento NMS, lo que simplifica los flujos de despliegue y proporciona una velocidad de inferencia constante. - Hasta un 43 % más de velocidad de inferencia en CPU: YOLO26n funciona hasta un 43 % más rápido que YOLO11n en CPU, por lo que es adecuado para la computación edge y dispositivos sin GPU dedicada, y puede reducir los costes de hardware.
- Eliminación de DFL: eliminar Distribution Focal Loss (DFL) simplifica la lógica de exportación y mejora la compatibilidad con dispositivos edge de bajo consumo.
- Optimizador MuSGD: inspirado en Kimi K2 de Moonshot AI, esta combinación de SGD y Muon incorpora técnicas de entrenamiento de modelos de lenguaje grandes (LLM) a la visión artificial para lograr un entrenamiento más estable y una convergencia más rápida.
- ProgLoss + STAL: una pérdida progresiva y una estrategia de asignación de etiquetas adaptada a objetos pequeños mejoran su reconocimiento, un ámbito históricamente complejo y fundamental para los drones, la robótica y la supervisión de ciudades inteligentes.
- Mejoras específicas para cada tarea: YOLO26 no es solo un detector. Incorpora una función de pérdida de segmentación semántica que mejora la convergencia de la segmentación de instancias, estimación residual de la log-verosimilitud (RLE) para una estimación de poses más precisa y una función de pérdida angular especializada que resuelve los problemas en los límites de las OBB.
Para gestionar conjuntos de datos, entrenar YOLO26 y desplegar modelos en la nube, explora Ultralytics Platform. Su interfaz sin código complementa el paquete Python.
Casos de uso reales#
La elección de la arquitectura adecuada depende en gran medida de las limitaciones de tu hardware y aplicación.
Cuándo usar YOLOv7#
YOLOv7 sigue siendo una opción fiable para mantener flujos de trabajo heredados que ya estén profundamente integrados con sus estructuras tensoriales específicas o para reproducir referencias académicas de 2022 y 2023. Ofrece un buen rendimiento en GPU de servidor de gama alta.
Cuándo usar YOLOv10#
YOLOv10 es adecuado para situaciones que requieren una latencia constante. Como su cabezal sin NMS evita el posprocesamiento, que aumenta con el número de detecciones, funciona bien para contar multitudes densas o detectar defectos de fabricación, donde el número de objetos fluctúa, pero el tiempo de procesamiento por fotograma debe mantenerse estable.
Cuándo usar YOLO26#
YOLO26 es la opción recomendada para nuevos proyectos. Desde desplegar sistemas de alarma de seguridad en una Raspberry Pi hasta ejecutar análisis de vídeo a gran escala en la nube, su mayor velocidad de inferencia en CPU y la mejora en la detección de objetos pequeños le dan una clara ventaja frente a generaciones anteriores.
Para los desarrolladores interesados en arquitecturas alternativas, Ultralytics también admite detectores basados en Transformer como RT-DETR y modelos anteriores como Ultralytics YOLO11.
Comentarios
Haz una pregunta, comparte tus resultados o ayuda a otra persona.