YOLOv5 frente a YOLOv10
El campo de la visión artificial en tiempo real ha crecido rápidamente en los últimos años, y diversas arquitecturas han ampliado los límites de lo posible con el hardware moderno. Al evaluar arquitecturas de vanguardia, la comparación entre YOLOv5 y YOLOv10 pone de relieve un importante paso evolutivo en la detección de objetos. Esta comparación técnica analiza sus paradigmas arquitectónicos, las ventajas y desventajas de rendimiento y cómo los desarrolladores pueden aprovechar estas herramientas en entornos de producción.
Análisis en profundidad de la arquitectura#
Comprender las diferencias estructurales entre estos modelos es importante para implementarlos de forma eficiente en entornos reales.
Ultralytics YOLOv5: el estándar del sector#
Ultralytics presentó YOLOv5, reconocido desde hace tiempo por su sólido equilibrio entre velocidad, precisión y accesibilidad.
- Autor: Glenn Jocher
- Organización: Ultralytics
- Fecha: 2020-06-26
- GitHub: Repositorio de YOLOv5
- Documentación: Documentación de YOLOv5
YOLOv5 se basa en un mecanismo de detección con anclas combinado con un backbone CSPDarknet muy optimizado. Esta arquitectura depende en gran medida de operaciones estándar compatibles con prácticamente todos los motores de inferencia, lo que la hace muy portable. Su principal fortaleza reside en el SDK Python de Ultralytics, que ofrece una experiencia de usuario optimizada, una API sencilla y documentación exhaustiva. Además, los menores requisitos de memoria de YOLOv5 respecto a los modelos basados en Transformer permiten entrenarlo rápidamente en GPU de consumo sin un gran consumo de VRAM.
YOLOv10: detección en tiempo real sin NMS#
Desarrollado por investigadores de la Universidad de Tsinghua, YOLOv10 buscaba abordar cuellos de botella específicos de latencia presentes en arquitecturas anteriores.
- Autores: Ao Wang, Hui Chen, Lihao Liu, et al.
- Organización: Universidad de Tsinghua
- Fecha: 2024-05-23
- arXiv: 2405.14458
- GitHub: Repositorio de YOLOv10
- Documentación: Documentación de YOLOv10
La característica distintiva de YOLOv10 es su diseño sin NMS (supresión no máxima). Al utilizar asignaciones duales coherentes durante el entrenamiento, su cabeza uno a uno elimina la necesidad del posprocesamiento NMS durante la inferencia, lo que reduce la latencia de posprocesamiento y simplifica los flujos de implementación en motores como NVIDIA TensorRT. En el paquete de Ultralytics, YOLOv10 utiliza de forma predeterminada su cabeza uno a muchos con NMS; configura nms=False para usar la cabeza sin NMS.
Aunque YOLOv10 incorpora novedades arquitectónicas interesantes, los modelos de Ultralytics como YOLOv5 y el más reciente YOLO26 son compatibles de forma nativa con la plataforma de Ultralytics, que ofrece entrenamiento eficiente y numerosas opciones de exportación listas para usar.
Análisis del rendimiento#
Al comparar estos modelos, el equilibrio entre precisión (mAP) y coste computacional (latencia y número de parámetros) determina cuál es el mejor para cada caso de uso. A continuación se muestra la comparación técnica del rendimiento en el conjunto de datos COCO.
| Modelo | tamaño (píxeles) | mAPval50-95 | Velocidad CPU ONNX (ms) | Velocidad T4 TensorRT10 (ms) | parámetros (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv5n | 640 | 28.0 | - | 1.12 | 1.9 | 4.5 |
| YOLOv5s | 640 | 37.4 | - | 1.92 | 7.2 | 16.5 |
| YOLOv5m | 640 | 45.4 | - | 4.03 | 21.2 | 49.0 |
| YOLOv5l | 640 | 49.0 | - | 6.61 | 46.5 | 109.1 |
| YOLOv5x | 640 | 50.7 | - | 11.89 | 86.7 | 205.7 |
| 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 |
YOLOv10 alcanza claramente un mAPval50-95 superior con modelos de tamaños equivalentes, gracias a su diseño de modelo modernizado, orientado a la eficiencia y la precisión. Sin embargo, YOLOv5 mantiene una latencia de GPU menor en las categorías Nano y Small, lo que lo convierte en una opción práctica para entornos integrados con recursos limitados, como la gama NVIDIA Jetson o las CPU estándar mediante OpenVINO.
Metodologías de entrenamiento y ecosistema#
El valor de un modelo está estrechamente ligado al ecosistema que lo rodea. Ultralytics mantiene un ecosistema en desarrollo activo compatible con una amplia variedad de tareas. Aunque YOLOv10 se centra exclusivamente en la detección de objetos 2D, Ultralytics ofrece compatibilidad nativa con la segmentación de instancias, la clasificación de imágenes, la estimación de pose y las cajas delimitadoras orientadas (OBB).
Además, entrenar un modelo de Ultralytics requiere mucha menos memoria que los métodos basados en Transformer de la competencia, lo que mantiene el ciclo de desarrollo rápido y rentable.
Ejemplo de código#
El entrenamiento, la validación y la exportación de modelos se unifican en una sola API. Puedes cambiar de modelo con solo modificar una cadena.
from ultralytics import YOLO
# Carga un modelo YOLOv5 preentrenado para las pruebas de referencia
model_v5 = YOLO("yolov5su.pt") # YOLOv5u: pesos de YOLOv5 sin anclajes para el paquete ultralytics
# Carga un modelo YOLOv10 para compararlo
model_v10 = YOLO("yolov10s.pt")
# Entrena el modelo de forma eficiente con el conjunto de datos COCO8
results = model_v5.train(
data="coco8.yaml",
epochs=100,
imgsz=640,
device="0", # Usa automáticamente la aceleración CUDA de PyTorch
batch=16,
)
# Exporta a ONNX para implementar la inferencia en CPU
model_v5.export(format="onnx", simplify=True)Casos de uso y recomendaciones#
La elección entre YOLOv5 y YOLOv10 depende de los requisitos específicos de tu proyecto, las limitaciones de implementación y tus preferencias de ecosistema.
Cuándo elegir YOLOv5#
YOLOv5 es una buena opción para:
- Sistemas de producción consolidados: Implementaciones existentes en las que se valoran la larga trayectoria de estabilidad de YOLOv5, su extensa documentación y su amplia comunidad.
- Entrenamiento con recursos limitados: entornos con recursos de GPU limitados, donde el pipeline de entrenamiento eficiente de YOLOv5 y sus menores requisitos de memoria suponen una ventaja.
- Amplia compatibilidad con formatos de exportación: proyectos que requieren despliegues en muchos formatos, como ONNX, TensorRT, CoreML y LiteRT.
Cuándo elegir YOLOv10#
YOLOv10 se recomienda 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 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 futuro: Ultralytics YOLO26#
Aunque YOLOv5 hizo que la detección de objetos fuera ampliamente accesible y YOLOv10 impulsó las arquitecturas sin NMS, la tecnología más avanzada sigue evolucionando. Para nuevos proyectos, Ultralytics recomienda Ultralytics YOLO26, lanzado en enero de 2026.
YOLO26 combina la fiabilidad del ecosistema de Ultralytics con varios avances:
- Diseño integral sin NMS: Al incorporar el paradigma sin NMS directamente en el framework Ultralytics como una cabeza opcional uno a uno (
nms=False), YOLO26 simplifica la implementación y reduce la latencia. - Hasta un 43 % más rápido en inferencia en CPU: Al eliminar Distribution Focal Loss (DFL), YOLO26n se ejecuta hasta un 43 % más rápido en CPU que YOLO11n, lo que resulta útil en dispositivos edge sin GPU.
- Optimizador MuSGD: Inspirado en las innovaciones de Moonshot AI en el entrenamiento de LLM, el optimizador MuSGD ofrece un entrenamiento más estable y una convergencia más rápida.
- ProgLoss + STAL: La pérdida progresiva y la asignación de etiquetas adaptada a objetos pequeños mejoran el reconocimiento de objetos pequeños, algo fundamental en ámbitos como las imágenes de drones y la robótica.
Puedes gestionar, entrenar e implementar YOLO26 directamente desde la plataforma Ultralytics.
Conclusión#
La elección entre YOLOv5 y YOLOv10 suele depender de las limitaciones específicas del proyecto. YOLOv10 ofrece un mAP excelente a investigadores y aplicaciones que aprovechan el rendimiento bruto de la GPU. En cambio, YOLOv5 sigue siendo un caballo de batalla fiable y muy compatible para implementaciones estándar.
Sin embargo, el campo de la visión artificial es dinámico. Para lograr el mejor equilibrio entre rendimiento, versatilidad y facilidad de uso, los desarrolladores deberían optar por Ultralytics YOLO26. Combina la inferencia opcional sin NMS con el ecosistema Ultralytics, ampliamente documentado. Para casos de uso especializados, los desarrolladores también pueden explorar YOLO11 por su solidez general o RT-DETR por su precisión basada en Transformer.
Comentarios
Haz una pregunta, comparte tus resultados o ayuda a otra persona.