Empezar

YOLOv5 frente a YOLO11

Al elegir la arquitectura de visión artificial adecuada para un nuevo proyecto, es importante comprender cómo han evolucionado los modelos más avanzados. La progresión desde arquitecturas anteriores hasta marcos unificados modernos pone de relieve avances significativos tanto en la eficiencia algorítmica como en la experiencia de desarrollo. Esta guía ofrece una comparación técnica entre dos modelos de Ultralytics muy utilizados: YOLOv5 y su sucesor YOLO11.

Introducción a los modelos#

Ambas arquitecturas representan hitos importantes en la detección de objetos en tiempo real y ofrecen ventajas distintas en función del entorno de despliegue y de los requisitos heredados.

YOLOv5: el caballo de batalla del sector#

Lanzado en el verano de 2020, YOLOv5 se convirtió rápidamente en un estándar del sector gracias a su implementación nativa en PyTorch, que redujo las barreras de entrada para el entrenamiento y la implementación. Se alejó de los complejos marcos C de Darknet de sus predecesores y ofreció un enfoque de desarrollo de modelos propio de Python.

YOLOv5 estableció una sólida referencia en facilidad de uso e introdujo métodos de entrenamiento potentes, como el aumento de datos Mosaic y la asignación automática de anclas. Sigue siendo popular entre investigadores que desarrollan sobre una base de código bien documentada y ampliamente probada.

YOLO11: el framework unificado de visión#

A partir de años de comentarios e investigación arquitectónica, YOLO11 se presentó como parte de un framework unificado capaz de gestionar de forma nativa varias tareas de visión. Se diseñó desde cero para ofrecer la máxima versatilidad y eficiencia, más allá de los cuadros delimitadores.

YOLO11 ofrece una experiencia de usuario simplificada mediante el paquete de Python ultralytics, con una API sencilla que unifica la detección de objetos, la segmentación de instancias, la clasificación, la estimación de pose y los cuadros delimitadores orientados (OBB). Logra un equilibrio muy favorable entre velocidad y precisión, por lo que resulta ideal para diversos escenarios de despliegue reales.

Plataforma integrada

Ambos modelos aprovechan el ecosistema de la plataforma Ultralytics, que cuenta con un sólido mantenimiento. Este entorno integrado simplifica la anotación de conjuntos de datos, el entrenamiento en la nube y la exportación de modelos para distintos tipos de hardware.

Comparativa de rendimiento y métricas#

Una comparación directa de estos modelos muestra cómo las mejoras arquitectónicas se traducen en ganancias de rendimiento tangibles. La tabla siguiente muestra la precisión media promedio (mAP) evaluada en el conjunto de datos COCO, junto con las velocidades de inferencia en CPU y GPU y el número de parámetros.

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
YOLO11n64039.556.11.52.66.5
YOLO11s64047.090.02.59.421.6
YOLO11m64051.5183.24.720.168.1
YOLO11l64053.4238.66.225.387.2
YOLO11x64054.7462.811.356.9195.3

Análisis de los resultados#

Las métricas muestran una mejora clara en el equilibrio de rendimiento alcanzado por YOLO11. Por ejemplo, el modelo YOLO11n (nano) alcanza un mAP del 39.5 %, frente al 28.0 % de YOLOv5n: una mejora de 11.5 puntos con solo 0.7M de parámetros adicionales. YOLO11 también requiere menos memoria durante el entrenamiento que los modelos basados en Transformer, por lo que resulta práctico entrenarlo con hardware de consumo e implementarlo en dispositivos edge.

Diferencias arquitectónicas#

Las mejoras de rendimiento de YOLO11 se deben a varios avances arquitectónicos clave. Mientras que YOLOv5 utilizaba un backbone CSPNet estándar con módulos C3, los modelos más recientes de Ultralytics introdujeron bloques de extracción de características más eficientes, como C2f (YOLOv8) y C3k2 (YOLO11), que optimizan el flujo del gradiente y reducen la carga computacional.

YOLO11 también cuenta con una cabeza muy perfeccionada. Las arquitecturas más recientes de Ultralytics abandonan el diseño basado en anclas de los modelos anteriores y adoptan un enfoque sin anclas. Esto reduce el número de predicciones de cajas, agiliza el flujo de posprocesamiento y mejora la capacidad de generalización del modelo a distintas escalas y relaciones de aspecto. Además, estos modelos ofrecen una mejor eficiencia de entrenamiento y pesos preentrenados disponibles que aceleran la convergencia al ajustar el modelo con conjuntos de datos personalizados.

Implementación y ejemplos de código#

Una de las características más destacadas del ecosistema Ultralytics es su sencillez. Aunque YOLOv5 popularizó el uso de torch.hub para realizar inferencias rápidamente, YOLO11 va un paso más allá con el paquete unificado de Python ultralytics.

Entrenamiento con YOLO11#

Cargar, entrenar y validar un modelo requiere muy poco código repetitivo. La API ofrece valores predeterminados sensatos para el entrenamiento y gestiona automáticamente los puntos de control y el registro.

from ultralytics import YOLO

# Carga un modelo YOLO11 preentrenado
model = YOLO("yolo11s.pt")

# # Entrena con un conjunto de datos personalizado durante 50 épocas
results = model.train(data="coco8.yaml", epochs=50, imgsz=640)

# # Ejecuta una inferencia rápida y muestra los resultados
predictions = model("https://ultralytics.com/images/bus.jpg")
predictions[0].show()

# # Exporta fácilmente el modelo a TensorRT para acelerar el hardware
model.export(format="engine")

Inferencia heredada con YOLOv5#

Si mantienes un flujo de trabajo antiguo, YOLOv5 se integra directamente con el mecanismo de carga nativo de PyTorch, por lo que es fácil incorporarlo a los scripts de inferencia existentes.

import torch

# # Carga desde PyTorch Hub un modelo YOLOv5 personalizado o preentrenado
model = torch.hub.load("ultralytics/yolov5", "yolov5s")

# # Realiza inferencias sobre la URL de una imagen
results = model("https://ultralytics.com/images/zidane.jpg")

# # Muestra los detalles de la predicción en la consola
results.print()
Flexibilidad de despliegue

Ambos modelos admiten numerosos formatos de exportación. Tanto si te diriges a una NVIDIA Jetson con TensorRT como a una aplicación de iOS con CoreML, el proceso de despliegue está ampliamente documentado y cuenta con el respaldo de la comunidad.

Casos de uso ideales#

La elección entre estos modelos depende en gran medida de la fase del ciclo de vida del proyecto y de sus requisitos específicos.

Cuándo elegir YOLOv5#

  • Mantenimiento de bases de código heredadas: si tu entorno de producción está muy personalizado en torno a la estructura del repositorio de YOLOv5 o a técnicas específicas de evolución de hiperparámetros.
  • Referencias académicas: cuando publiques investigaciones que requieran una comparación directa con los estándares de visión artificial establecidos entre 2020 y 2022.

Cuándo elegir YOLO11#

  • Proyectos con varias tareas: cuando tu aplicación requiera combinar tareas como la estimación de pose y la segmentación de instancias mediante una única API unificada.
  • Despliegues en el borde: para escenarios de computación en el borde en los que sea fundamental maximizar el mAP con un presupuesto computacional determinado (FLOPs).
  • Soluciones de IA comerciales: Ideales para aplicaciones empresariales en comercio minorista y seguridad, con el respaldo de la plataforma de Ultralytics.

La próxima generación: Ultralytics YOLO26#

Aunque YOLO11 ofrece un equilibrio sólido entre velocidad y precisión, el sector evoluciona rápidamente. Para los desarrolladores que empiezan proyectos nuevos hoy, Ultralytics recomienda su modelo más reciente: Ultralytics YOLO26.

Lanzado en enero de 2026, YOLO26 incorpora varios avances diseñados para las necesidades de implementación actuales:

  • Diseño integral sin NMS: A partir del entrenamiento sin NMS que YOLOv10 introdujo en los modelos YOLO, YOLO26 admite inferencia integral nativa. Su cabeza opcional uno a uno (nms=False) elimina la necesidad del posprocesamiento de supresión no máxima (NMS), lo que simplifica las canalizaciones de implementación y reduce la latencia.
  • Optimizador MuSGD: Inspirado en las innovaciones de entrenamiento de LLM de modelos como Kimi K2 de Moonshot AI, este híbrido de SGD y Muon proporciona un entrenamiento más estable y una convergencia más rápida.
  • Inferencia más rápida en CPU: Al eliminar Distribution Focal Loss (DFL), YOLO26n funciona hasta un 43 % más rápido en CPU que YOLO11n, por lo que YOLO26 es muy adecuado para dispositivos edge y entornos sin GPU dedicadas.
  • Métodos de entrenamiento avanzados: La integración de ProgLoss y STAL mejora notablemente el reconocimiento de objetos pequeños, algo fundamental para el análisis con drones, IoT y robótica.
  • Mejoras específicas para cada tarea: Incorpora optimizaciones especializadas, como la estimación residual de la log-verosimilitud (RLE) para la pose y una función de pérdida angular especializada para las cajas delimitadoras orientadas, que mejoran la precisión en las tareas compatibles.

Si te interesan arquitecturas especializadas más allá de la detección de objetos estándar, también puedes explorar modelos como RT-DETR para la detección basada en Transformer o YOLO-World para el seguimiento y la detección con vocabulario abierto. Estas herramientas bien mantenidas ayudan a que tus flujos de visión artificial sean eficientes y escalables.

Comentarios

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