YOLOv10 frente a YOLOX#

El campo de la visión artificial avanza gracias a los rápidos progresos en las arquitecturas de detección de objetos en tiempo real. Esta comparación técnica detallada analiza dos modelos influyentes que ampliaron los límites de la eficiencia y los paradigmas de diseño: YOLOv10 y YOLOX. Al examinar sus diferencias arquitectónicas, métricas de rendimiento y metodologías de entrenamiento, desarrolladores e investigadores pueden tomar decisiones fundamentadas para implementar sistemas de visión robustos.

Antecedentes y orígenes de los modelos#

Comprender los orígenes de estos modelos de aprendizaje profundo aporta un contexto valioso sobre sus objetivos arquitectónicos y los casos de uso a los que se dirigen.

YOLOv10: eliminación de NMS para una detección verdaderamente integral#

Desarrollado para resolver cuellos de botella de latencia que llevaban tiempo sin solución, YOLOv10 introdujo un enfoque nativo integral en la familia YOLO.

• Autores: Ao Wang, Hui Chen, Lihao Liu, et al.
• Organización: Universidad de Tsinghua
• Fecha: 23 de mayo de 2024
• ArXiv: 2405.14458
• GitHub: THU-MIG/yolov10
• Documentación: Documentación de Ultralytics YOLOv10

Más información sobre YOLOv10

YOLOX: conectando la investigación con la industria#

YOLOX surgió como una versión sin anclajes del diseño YOLO tradicional y ofrece una metodología más sencilla con un rendimiento competitivo, dirigida específicamente a facilitar su implementación en entornos industriales.

• Autores: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li y Jian Sun
• Organización: Megvii
• Fecha: 18 de julio de 2021
• ArXiv: 2107.08430
• GitHub: Megvii-BaseDetection/YOLOX
• Documentación: Documentación oficial de YOLOX

Más información sobre YOLOX

Aspectos destacados e innovaciones arquitectónicas#

Ambos frameworks se apartan de los detectores tradicionales basados en anclajes, pero resuelven problemas distintos en el proceso de detección de objetos.

Arquitectura de YOLOX#

YOLOX aportó varias actualizaciones fundamentales al ecosistema en 2021. Su principal contribución fue adoptar un diseño de detector sin anclajes. Al eliminar las cajas de anclaje predefinidas, YOLOX redujo considerablemente el número de parámetros de diseño y los ajustes heurísticos necesarios para distintos conjuntos de datos.

Además, YOLOX emplea una cabeza desacoplada, que separa las tareas de clasificación y regresión. Esto resolvió el conflicto entre ambos objetivos y aceleró significativamente la convergencia durante el entrenamiento. También utiliza SimOTA para una asignación avanzada de etiquetas, lo que mejora el tratamiento de escenas concurridas y oclusiones habituales en el conjunto de datos COCO.

Arquitectura de YOLOv10#

Aunque YOLOX mejoró la cabeza de detección, siguió dependiendo de la supresión no máxima (NMS) durante la inferencia, lo que provoca variaciones en la latencia. YOLOv10 abordó específicamente este problema al introducir una estrategia de asignación dual coherente para entrenar sin NMS. Durante el entrenamiento, utiliza asignaciones de etiquetas de uno a muchos y de uno a uno, pero durante la inferencia elimina por completo la cabeza de uno a muchos y genera predicciones limpias sin posprocesamiento con NMS.

YOLOv10 también presenta un diseño de modelo integral que equilibra la eficiencia y la precisión. Incorpora cabezas de clasificación ligeras y un submuestreo desacoplado espacial y por canales, lo que reduce considerablemente el número de parámetros y las FLOPs sin sacrificar precisión.

Comparativa de rendimiento#

La evaluación de estos modelos en hardware como la GPU NVIDIA T4 revela ventajas distintas según la escala. A continuación se muestra la tabla comparativa completa.

Como se muestra arriba, YOLOv10 escala excepcionalmente bien. La variante YOLOv10x alcanza la mayor precisión (54.4 mAP), mientras que la variante YOLOv10n ofrece la inferencia más rápida mediante la integración de TensorRT. En cambio, el modelo nano heredado de YOLOX tiene el menor tamaño total para entornos con recursos muy limitados.

Metodologías de entrenamiento y requisitos de recursos#

Al implementar modelos en producción, el ecosistema de entrenamiento y las necesidades de recursos son tan importantes como la velocidad de inferencia bruta.

YOLOX suele depender de configuraciones de entorno antiguas que pueden resultar engorrosas de gestionar. Además, su base de código heredada requiere más código repetitivo para realizar entrenamiento distribuido con varias GPU u optimización de precisión mixta.

En cambio, YOLOv10 se integra sin problemas en los flujos de trabajo modernos de PyTorch, pero es el ecosistema de Ultralytics lo que realmente transforma la experiencia de desarrollo. Los modelos de Ultralytics se caracterizan por un uso de memoria CUDA significativamente menor durante el entrenamiento que las arquitecturas basadas en Transformer, como RT-DETR.

Ejemplo de código: entrenamiento simplificado#

Con la API unificada de Ultralytics, puedes entrenar modelos de última generación sin complicaciones y con solo unas líneas de Python. Así evitas compilar manualmente operadores de C++ o lidiar con archivos de configuración complejos.

from ultralytics import YOLO

# Inicializa un modelo YOLOv10 preentrenado
model = YOLO("yolov10s.pt")

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

# Valida el rendimiento del modelo
metrics = model.val()

# Exporta el modelo optimizado al formato ONNX
model.export(format="onnx")

Esta sintaxis sencilla da acceso inmediato a la precisión mixta automática, el aumento de datos automatizado y la integración lista para usar con herramientas como Weights & Biases.

Casos de uso y recomendaciones#

La elección entre YOLOv10 y YOLOX 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 YOLOX#

Se recomienda YOLOX para:

• Investigación sobre detección sin anclajes: Investigación académica que utiliza la arquitectura limpia y sin anclajes de YOLOX como base para experimentar con nuevos cabezales de detección o funciones de pérdida.
• Dispositivos de borde ultraligeros: Implementación en microcontroladores o hardware móvil heredado, donde el tamaño extremadamente reducido de la variante YOLOX-Nano (0,91 M de parámetros) es fundamental.
• Estudios de asignación de etiquetas SimOTA: Proyectos de investigación que analizan estrategias de asignación de etiquetas basadas en el transporte óptimo y su impacto en la convergencia del entrenamiento.

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 que solo usan CPU: Dispositivos sin aceleración GPU dedicada, en los que la inferencia con CPU hasta un 43 % más rápida de YOLO26 supone una ventaja decisiva.
• Detección de objetos pequeños: Casos exigentes, como las imágenes aéreas tomadas con drones o el análisis de sensores IoT, donde ProgLoss y STAL mejoran notablemente la precisión al detectar objetos diminutos.

El futuro de la IA visual: llega YOLO26#

Aunque YOLOv10 y YOLOX representan hitos importantes, el panorama de la visión artificial avanza sin descanso. Para los desarrolladores que empiezan proyectos nuevos hoy, Ultralytics YOLO26 es la recomendación definitiva.

Lanzado en enero de 2026, Ultralytics YOLO26 se basa en el avance fundamental del diseño integral sin NMS introducido por YOLOv10 y lo perfecciona para ofrecer aún más estabilidad y velocidad.

YOLO26 destaca por incorporar varios avances importantes:

• Hasta un 43 % más rápido en inferencia con CPU: Al eliminar estratégicamente Distribution Focal Loss (DFL), YOLO26 ofrece un rendimiento muy superior en dispositivos edge sin GPU.
• Optimizador MuSGD: Inspirado en la estabilidad del entrenamiento de los LLM, este novedoso híbrido de SGD y Muon garantiza una convergencia más rápida y entrenamientos muy estables.
• ProgLoss + STAL: Estas funciones de pérdida avanzadas mejoran notablemente el reconocimiento de objetos pequeños, un factor clave para las imágenes aéreas y los sensores IoT.
• Versatilidad inigualable: A diferencia de YOLOX, que es exclusivamente un detector de objetos, YOLO26 admite de forma nativa la segmentación de instancias, la estimación de pose, la clasificación de imágenes y la detección de OBB en una única biblioteca unificada.

Aplicaciones en el mundo real#

Elegir el modelo adecuado determina el éxito de las implementaciones en el mundo real en distintos sectores.

Analítica de vídeo de alta velocidad#

Para procesar flujos de vídeo densos, como los del tráfico en ciudades inteligentes, YOLOv10 ofrece una ventaja considerable gracias al posprocesamiento sin NMS. Eliminar el cuello de botella de NMS permite mantener una latencia baja y uniforme, por lo que resulta ideal combinarlo con algoritmos de seguimiento como BoT-SORT.

Implementación heredada en dispositivos edge#

En configuraciones académicas antiguas o aplicaciones heredadas de Android muy optimizadas para paradigmas puramente convolucionales, modelos más pequeños como YOLOX-Tiny pueden seguir teniendo usos especializados cuando mantener entornos antiguos de PyTorch es una concesión aceptable.

Dispositivos edge e IoT modernos#

Para implementaciones en hardware de nueva generación, como robótica, drones y análisis de estanterías en tiendas, YOLO26 es la solución definitiva. Su latencia de CPU mucho menor y su mejor detección de objetos pequeños lo hacen especialmente adecuado para la navegación autónoma y la gestión detallada del inventario.

Para ampliar tu conjunto de herramientas de aprendizaje profundo con otras comparaciones, también puedes ver cómo se enfrentan estos modelos a alternativas como el flexible YOLO11 o el RT-DETR basado en Transformer.