YOLOv10 frente a YOLOv9
La evolución de la visión artificial en tiempo real ha traído mejoras constantes en velocidad, precisión y eficiencia arquitectónica. Al evaluar modelos para tu próximo despliegue, comparar YOLOv10 y YOLOv9 permite ver dos enfoques distintos para resolver los cuellos de botella del aprendizaje profundo. Mientras YOLOv9 se centra en maximizar el flujo de información del gradiente durante el entrenamiento, YOLOv10 introdujo un diseño integral que elimina el posprocesamiento NMS.
Esta guía analiza sus innovaciones arquitectónicas, sus métricas de rendimiento y sus casos de uso ideales para ayudar a desarrolladores e investigadores a elegir el modelo adecuado para sus tareas de visión artificial.
YOLOv10: detección en tiempo real sin NMS#
YOLOv10 se desarrolló para resolver los cuellos de botella de latencia de los detectores de objetos tradicionales e introduce una arquitectura integral que elimina la necesidad de supresión no máxima (NMS).
Detalles técnicos y linaje:
- Autores: Ao Wang, Hui Chen, Lihao Liu, et al.
- Organización: Tsinghua University
- Fecha: 23 de mayo de 2024
- Enlaces: Publicación en arXiv, Repositorio de GitHub, Documentación de Ultralytics
Arquitectura y puntos fuertes#
La contribución más importante de YOLOv10 al campo es su estrategia de asignación dual coherente para el entrenamiento sin NMS. Al eliminar NMS, el modelo reduce la latencia de inferencia, sobre todo en dispositivos edge, donde el posprocesamiento puede convertirse en el cuello de botella de todo el flujo de trabajo. Optimiza distintos componentes desde la perspectiva de la eficiencia y la precisión, lo que ofrece un buen equilibrio entre velocidad y número de parámetros. Por ejemplo, la variante YOLOv10-S tarda 2,49 ms en una GPU T4 con TensorRT, por lo que es muy adecuada para el análisis de vídeo de alta velocidad y la navegación robótica en tiempo real.
Puntos débiles#
Aunque el diseño sin NMS supuso un avance importante para la detección de cajas delimitadoras, YOLOv10 es un detector de objetos puro. No ofrece la versatilidad inmediata de los modelos más recientes que admiten de forma nativa la segmentación de instancias o la estimación de poses.
Al preparar YOLOv10 para producción, exporta el modelo a formatos optimizados como TensorRT u ONNX y usa nms=False para seleccionar su cabezal uno a uno sin NMS. Ejecutar los pesos PyTorch sin procesar en producción puede ralentizar la inferencia más de lo esperado debido a las operaciones del gráfico que no están optimizadas.
YOLOv9: información de gradiente programable#
Antes de YOLOv10, YOLOv9 introdujo nuevos conceptos arquitectónicos para resolver el problema del cuello de botella de información inherente a las redes neuronales profundas, lo que permitió aprovechar los parámetros con gran eficiencia.
Detalles técnicos y linaje:
- Autores: Chien-Yao Wang y Hong-Yuan Mark Liao
- Organización: Institute of Information Science, Academia Sinica, Taiwán
- Fecha: 21 de febrero de 2024
- Enlaces: Publicación en arXiv, Repositorio de GitHub, Documentación de Ultralytics
Arquitectura y puntos fuertes#
YOLOv9 incorpora información de gradiente programable (PGI) junto con la red de agregación de capas eficiente generalizada (GELAN). PGI garantiza que no se pierda información crucial del objetivo a medida que los datos atraviesan las capas profundas de la red, y genera gradientes fiables para actualizar los pesos. GELAN maximiza la eficiencia de los parámetros de la red. En conjunto, estas innovaciones permiten a YOLOv9 alcanzar un alto valor de precisión media (mAP) en el conjunto de datos MS COCO, y superar a menudo a modelos más pesados con menos FLOPs. Es un modelo potente para los investigadores que buscan maximizar las métricas de precisión.
Puntos débiles#
A pesar de su gran precisión, YOLOv9 sigue recurriendo al posprocesamiento NMS estándar. Esto significa que, aunque las operaciones de la red neuronal son rápidas, el filtrado final de cajas delimitadoras puede introducir una latencia variable según la densidad de objetos de la escena. Además, su entrenamiento puede consumir más memoria que el de modelos posteriores, por lo que se necesitan más recursos GPU para ajustar el modelo con conjuntos de datos personalizados.
Comparativa de rendimiento#
La siguiente tabla muestra las métricas principales de ambos modelos. Observa que YOLOv10 suele lograr una latencia menor con TensorRT, mientras que YOLOv9 lleva la precisión al límite en su configuración más grande.
| 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 |
| YOLOv9t | 640 | 38.3 | - | 2.3 | 2.0 | 7.7 |
| YOLOv9s | 640 | 46.8 | - | 3.54 | 7.2 | 26.7 |
| YOLOv9m | 640 | 51.4 | - | 6.43 | 20.1 | 76.8 |
| YOLOv9c | 640 | 53.0 | - | 7.16 | 25.5 | 102.8 |
| YOLOv9e | 640 | 55.6 | - | 16.77 | 58.1 | 192.5 |
La próxima generación: por qué se recomienda YOLO26#
Aunque YOLOv9 y YOLOv10 son hitos importantes, el campo del aprendizaje automático evoluciona rápidamente. En entornos de producción, muchos desarrolladores confían en el ecosistema integrado y bien mantenido de Ultralytics Platform. En 2026, Ultralytics recomienda YOLO26 tanto para investigación como para uso empresarial.
YOLO26 se basa en los conceptos de sus predecesores y ofrece una experiencia de uso optimizada, una API sencilla y menos requisitos de memoria durante el entrenamiento que las arquitecturas basadas en Transformer.
Innovaciones clave de YOLO26#
- Diseño integral sin NMS: A partir de YOLOv10, YOLO26 admite inferencia integral opcional y omite el posprocesamiento NMS mediante
nms=False, lo que simplifica el despliegue y hace que la latencia sea más predecible. - Hasta un 43 % más de velocidad de inferencia en CPU: YOLO26n funciona hasta un 43 % más rápido que YOLO11n en CPU, por lo que YOLO26 es una opción excelente para la IA en dispositivos edge y los sistemas integrados sin GPU dedicada.
- Optimizador MuSGD: una combinación de SGD y Muon (inspirada en las optimizaciones de modelos de lenguaje grandes) que proporciona un entrenamiento estable y una convergencia rápida.
- Eliminación de DFL: al eliminar Distribution Focal Loss, YOLO26 simplifica el proceso de exportación del modelo y mejora la compatibilidad con dispositivos de bajo consumo y distintos marcos de trabajo para el despliegue edge.
- Mejoras específicas para cada tarea: a diferencia de los detectores de una sola tarea, YOLO26 admite detección, segmentación de instancias, segmentación semántica, estimación de profundidad, clasificación, estimación de poses y OBB. Utiliza una función de pérdida de segmentación semántica para mejorar 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 para resolver los problemas en los límites de las OBB (cajas delimitadoras orientadas).
Implementación práctica#
Entrenar y desplegar estos modelos es muy sencillo con el paquete Python de Ultralytics. El siguiente ejemplo muestra el flujo de trabajo de entrenamiento de Ultralytics, que gestiona automáticamente la programación de la tasa de aprendizaje y el aumento de datos.
from ultralytics import YOLO
# Carga el modelo YOLO26 recomendado
model = YOLO("yolo26n.pt") # También es compatible con 'yolov10n.pt' o 'yolov9c.pt'
# Entrena el modelo con el conjunto de datos de ejemplo COCO8
train_results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device=0, batch=16)
# Ejecutar inferencia
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#
Elegir entre YOLOv10 y YOLOv9 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 YOLOv9#
YOLOv9 se recomienda para:
- Investigación sobre cuellos de botella de información: Proyectos académicos que estudian las arquitecturas de información de gradiente programable (PGI) y de red de agregación de capas eficiente generalizada (GELAN).
- Estudios de optimización del flujo de gradiente: Investigaciones centradas en comprender y mitigar la pérdida de información en las capas profundas de la red durante el entrenamiento.
- Evaluación comparativa de detección de alta precisión: Situaciones en las que el sólido rendimiento de YOLOv9 en las pruebas de referencia de COCO sirve como referencia para comparar arquitecturas.
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.
Conclusión#
YOLOv9 y YOLOv10 ofrecen ventajas únicas. YOLOv9 maximiza la eficiencia de los parámetros y el flujo de gradientes, y YOLOv9e alcanza la mayor precisión de esta comparación. YOLOv10 introdujo la detección de cuadros delimitadores de extremo a extremo en la familia YOLO sin el coste de latencia de NMS.
Para los desarrolladores que buscan el mejor equilibrio entre rendimiento, versatilidad y facilidad de uso, merece la pena actualizar a modelos más recientes. Con su optimizador MuSGD, ProgLoss + STAL para mejorar la detección de objetos pequeños y la compatibilidad con varias tareas, YOLO26 es la opción recomendada para proyectos de visión artificial del mundo real.
Comentarios
Haz una pregunta, comparte tus resultados o ayuda a otra persona.