Empezar

YOLOv5 frente a EfficientDet

Al empezar un nuevo proyecto de visión artificial, elegir la arquitectura de red neuronal adecuada es una de las decisiones más importantes que tomarás. Esta guía ofrece una comparación técnica exhaustiva entre Ultralytics YOLOv5 y EfficientDet, de Google. Al analizar sus arquitecturas, métricas de rendimiento y ecosistemas de entrenamiento, ayuda a desarrolladores e investigadores a identificar el mejor modelo de detección de objetos para sus entornos de implementación específicos.

Aunque EfficientDet introdujo conceptos novedosos de escalado compuesto y fusión de características, YOLOv5 hizo que la detección de objetos de alto rendimiento fuera accesible a un público amplio gracias a su intuitiva implementación en PyTorch, su experiencia de usuario sencilla y su buen equilibrio entre velocidad y precisión.

Ultralytics YOLOv5: el estándar del sector en accesibilidad#

Lanzado en junio de 2020, YOLOv5 supuso un cambio decisivo en la evolución de YOLO. Desarrollado de forma nativa en PyTorch, en lugar de en el framework Darknet basado en C que utilizaban las versiones anteriores de YOLO, se convirtió en la arquitectura preferida de los desarrolladores que querían crear, entrenar e implementar modelos con rapidez.

Innovaciones arquitectónicas#

YOLOv5 es conocido por su arquitectura optimizada y por un ciclo de vida de aprendizaje automático más ágil. Utiliza una red troncal CSPDarknet53 modificada junto con una red de agregación de rutas (PANet) en el cuello, lo que mejora la propagación de características en varias escalas espaciales.

Entre los avances principales se incluyen:

  • Aumento de datos en mosaico: Esta técnica de entrenamiento combina cuatro imágenes de entrenamiento distintas en un único mosaico. Esto obliga al modelo a aprender a identificar objetos en contextos espaciales complejos y mejora su capacidad para detectar objetivos pequeños.
  • Cajas de anclaje de aprendizaje automático: Antes de empezar el entrenamiento, YOLOv5 analiza tus datos de entrenamiento personalizados y calcula automáticamente las dimensiones óptimas de las cajas de anclaje mediante agrupamiento k-means.
  • Eficiencia de memoria: En comparación con los modelos Transformer de gran tamaño, YOLOv5 mantiene un menor uso de memoria durante el entrenamiento y la inferencia, por lo que funciona sin problemas en hardware de consumo.

EfficientDet: detección de objetos escalable#

Presentado por Google Research en 2019, EfficientDet se propuso ofrecer una familia de detectores de objetos escalables. Se basa en la red troncal de clasificación de imágenes EfficientNet e introduce un novedoso mecanismo de fusión de características.

Innovaciones arquitectónicas#

La propuesta central de EfficientDet se basa en un enfoque sistemático del escalado y la agregación de características:

  • BiFPN (red piramidal de características bidireccional): A diferencia de las FPN tradicionales, que solo transmiten información de arriba abajo, BiFPN permite fusionar características multiescala de forma rápida y sencilla mediante la introducción de pesos aprendibles que permiten determinar la importancia de las distintas características de entrada.
  • Escalado compuesto: EfficientDet escala conjuntamente la resolución, la profundidad y la anchura de todas las redes troncales, redes de características y redes de predicción de cajas y clases, lo que da lugar a modelos que van desde el ligero D0 hasta el D7, el más grande.

Más información sobre EfficientDet

Diferencias entre frameworks

Mientras que EfficientDet depende en gran medida del ecosistema TensorFlow y las bibliotecas de AutoML, YOLOv5 funciona de forma nativa con PyTorch y ofrece un flujo de trabajo que muchos desarrolladores consideran más intuitivo, propio de Python y fácil de depurar.

Comparativa de rendimiento y métricas#

Al comparar estos modelos, es fundamental evaluar su rendimiento en pruebas de referencia estándar, como el conjunto de datos COCO. La tabla siguiente muestra las ventajas e inconvenientes en cuanto al tamaño, la demanda computacional (FLOPs) y la velocidad de inferencia.

Modelotamaño
(píxeles)
mAPval50-95Velocidad
CPU ONNX
(ms)
Velocidad
T4 TensorRT10
(ms)
parámetros
(M)
FLOPs
(B)
YOLOv5n64028.0-1.121.94.5
YOLOv5s64037.4-1.927.216.5
YOLOv5m64045.4-4.0321.249.0
YOLOv5l64049.0-6.6146.5109.1
YOLOv5x64050.7-11.8986.7205.7
EfficientDet-d051234.6-3.923.92.54
EfficientDet-d164040.5-7.316.66.1
EfficientDet-d276843.0-10.928.111.0
EfficientDet-d389647.5-19.5912.024.9
EfficientDet-d4102449.7-33.5520.755.2
EfficientDet-d5128051.5-67.8633.7130.0
EfficientDet-d6128052.6-89.2951.9226.0
EfficientDet-d7153653.7-128.0751.9325.0

Análisis equilibrado#

YOLOv5 destaca por su flexibilidad de implementación y su compatibilidad con la aceleración por hardware. Sus velocidades TensorRT en T4 son muy superiores a las de EfficientDet con una precisión similar; por ejemplo, YOLOv5m alcanza 45,4 mAP en 4,03 ms, frente a los 43,0 mAP en 10,92 ms de EfficientDet-d2. Esto hace que YOLOv5 sea adecuado para el análisis de vídeo de alto rendimiento y los procesos de inferencia en tiempo real. Además, el ecosistema de Ultralytics permite exportar a formatos como ONNX, CoreML y TensorRT con un único comando.

EfficientDet ofrece una excelente eficiencia en el uso de parámetros. Para un número determinado de parámetros, suele alcanzar una precisión media (mAP) elevada. Sin embargo, su eficiencia en el uso de parámetros no siempre se traduce en tiempos de inferencia reales más rápidos en GPU debido al complejo enrutamiento de la capa BiFPN, que puede estar limitado por el ancho de banda de memoria en lugar de por la capacidad de cálculo.

Ecosistema y facilidad de uso#

La principal ventaja de elegir un modelo de Ultralytics reside en el ecosistema que lo rodea. YOLOv5 forma parte de un repositorio con mantenimiento activo y una gran comunidad.

Con la llegada de la plataforma Ultralytics, los usuarios pueden pasar de la recopilación de datos a la implementación desde un único lugar. La plataforma admite el etiquetado automático, el entrenamiento en la nube y la supervisión de modelos. En cambio, entrenar EfficientDet suele exigir lidiar con las complejidades de las API antiguas de detección de objetos de TensorFlow, lo que puede suponer una curva de aprendizaje pronunciada para la creación rápida de prototipos.

Además, la versatilidad de YOLOv5 va más allá de las cajas delimitadoras. En versiones posteriores, el repositorio de YOLOv5 añadió la segmentación de instancias (v7.0) y la clasificación de imágenes (v6.2), y ofreció una base de código unificada para varias tareas de visión artificial.

Casos de uso ideales#

  • Elige YOLOv5 cuando: Necesites crear prototipos con rapidez, disfrutar de una experiencia de entrenamiento sencilla e implementar modelos optimizados en dispositivos periféricos. Es ideal para drones, el análisis del comercio minorista y las aplicaciones móviles en las que la baja latencia es fundamental.
  • Elige EfficientDet si: trabajas exclusivamente en un entorno de Google Cloud/TensorFlow AutoML y necesitas la máxima precisión por parámetro sin requisitos estrictos de latencia en tiempo real.

La próxima generación: apuesta por YOLO26#

Aunque YOLOv5 sigue siendo un modelo de eficacia probada, el panorama de la visión artificial ha avanzado. Para los desarrolladores que empiezan proyectos nuevos en 2026, YOLO26 es el modelo más reciente y recomendado de Ultralytics.

Sobre la base de sus predecesores, como YOLOv8 y YOLO11, YOLO26 incorpora varias innovaciones:

  • Diseño de extremo a extremo sin NMS: La cabeza opcional uno a uno de YOLO26 (nms=False) elimina la necesidad del posprocesamiento de supresión no máxima. Esto reduce la variabilidad de la latencia y simplifica la arquitectura de implementación.
  • Inferencia en CPU hasta un 43 % más rápida: YOLO26n funciona hasta un 43 % más rápido que YOLO11n en CPU, lo que beneficia a los dispositivos de IA periférica de bajo consumo y a las CPU estándar sin GPU dedicada.
  • Optimizador MuSGD: Inspirado en las técnicas de entrenamiento de modelos de lenguaje grandes (LLM), este híbrido de SGD y Muon ofrece un entrenamiento estable y una convergencia rápida.
  • Estrategias de entrenamiento avanzadas: La integración de ProgLoss y STAL mejora el reconocimiento de objetivos pequeños, algo esencial para las imágenes de drones a gran altitud y la robótica.
  • Eliminación de DFL: Al eliminar Distribution Focal Loss, se simplifica el proceso de exportación del modelo y mejora la compatibilidad con distintos aceleradores de hardware.

Quienes quieran explorar otras arquitecturas recientes del ecosistema Ultralytics también pueden comparar modelos como YOLOv10 o RT-DETR.

La migración es sencilla

La API de Python de Ultralytics ofrece la misma interfaz en todas las generaciones de modelos. Si usas pesos YOLOv5u con el paquete ultralytics, actualizar a YOLO26 es tan sencillo como cambiar la cadena de pesos del modelo en el código; los proyectos basados en el repositorio original de YOLOv5 primero deben migrar al paquete ultralytics.

Ejemplo de código: entrenamiento e inferencia#

Aquí tienes un ejemplo de cómo entrenar y ejecutar inferencias con un modelo YOLO en el paquete Ultralytics. El código se ejecuta tal cual y gestiona automáticamente la descarga del conjunto de datos, los ciclos de entrenamiento y la validación.

from ultralytics import YOLO

# Carga un modelo YOLOv5u (sustituye el modelo por 'yolo26n.pt' para probar la arquitectura más reciente)
model = YOLO("yolov5su.pt")  # YOLOv5u: pesos de YOLOv5 sin anclajes para el paquete ultralytics

# Entrena el modelo durante 20 épocas con el conjunto de datos de ejemplo COCO8
results = model.train(data="coco8.yaml", epochs=20, imgsz=640)

# Realiza inferencias con una imagen de Internet
inference_results = model("https://ultralytics.com/images/bus.jpg")

# Muestra la imagen con los cuadros delimitadores
inference_results[0].show()

Al priorizar la experiencia de usuario, mantener su ecosistema y publicar actualizaciones como YOLO26, Ultralytics proporciona a los desarrolladores herramientas actuales para resolver retos reales de IA visual.

Comentarios

Haz una pregunta, comparte tus resultados o ayuda a otra persona.