YOLOv7 frente a YOLO11
La visión artificial ha evolucionado rápidamente en los últimos años. Para los desarrolladores e investigadores que eligen un marco de detección de objetos, es importante conocer las diferencias arquitectónicas y prácticas entre las distintas generaciones de modelos. Esta guía ofrece una comparación técnica detallada entre el modelo académico YOLOv7 y el modelo Ultralytics YOLO11, listo para producción.
Orígenes de los modelos y filosofías arquitectónicas#
YOLOv7, publicado el 6 de julio de 2022 por Chien-Yao Wang, Alexey Bochkovskiy y Hong-Yuan Mark Liao, autores del Instituto de Ciencias de la Información de Academia Sinica, introdujo varios conceptos novedosos en el campo. El modelo, descrito en detalle en su artículo de investigación YOLOv7 publicado en arXiv, se centra especialmente en el enfoque «bolsa de ventajas entrenable» y en las redes extendidas de agregación eficiente de capas (E-ELAN). Estas decisiones arquitectónicas se diseñaron específicamente para maximizar la eficiencia de las rutas de gradiente, lo que lo convierte en una potente herramienta para las comparativas académicas en GPU de gama alta.
YOLO11, desarrollado por Glenn Jocher y Jing Qiu en Ultralytics, se publicó el 27 de septiembre de 2024. YOLO11 deja atrás la complejidad arquitectónica por sí sola y prioriza un ecosistema integral centrado en los desarrolladores. Disponible en el repositorio de Ultralytics en GitHub, YOLO11 incorpora un diseño sin anclajes optimizado que reduce el consumo de memoria tanto durante el entrenamiento como durante la inferencia. Está integrado de forma nativa en Ultralytics Platform y cubre todo el flujo de trabajo, desde la anotación de conjuntos de datos hasta el despliegue en dispositivos periféricos.
Mientras que los repositorios independientes suelen quedar abandonados tras la publicación de un artículo académico, los modelos de Ultralytics reciben actualizaciones continuas que garantizan la compatibilidad a largo plazo con las pilas modernas de aprendizaje automático, como las últimas versiones de PyTorch y los aceleradores de hardware especializados.
Métricas de rendimiento y eficiencia#
Al desplegar modelos en aplicaciones reales, hay que equilibrar la precisión bruta con la velocidad de inferencia y la sobrecarga computacional. A continuación se comparan directamente distintas variantes de YOLOv7 y YOLO11, evaluadas en las pruebas de referencia del conjunto de datos COCO.
| Modelo | tamaño (píxeles) | mAPval50-95 | Velocidad CPU ONNX (ms) | Velocidad T4 TensorRT10 (ms) | parámetros (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
| YOLO11n | 640 | 39.5 | 56.1 | 1.5 | 2.6 | 6.5 |
| YOLO11s | 640 | 47.0 | 90.0 | 2.5 | 9.4 | 21.6 |
| YOLO11m | 640 | 51.5 | 183.2 | 4.7 | 20.1 | 68.1 |
| YOLO11l | 640 | 53.4 | 238.6 | 6.2 | 25.3 | 87.2 |
| YOLO11x | 640 | 54.7 | 462.8 | 11.3 | 56.9 | 195.3 |
Nota: La ausencia de velocidades de CPU para YOLOv7 se debe a que los entornos de prueba heredados no estandarizaban las pruebas de referencia de CPU con ONNX. Se resaltan los mejores valores en categorías comparables.
Análisis de los resultados#
Los datos muestran una evolución clara en eficiencia. El modelo YOLO11l (Large) alcanza un mAPval50-95 superior, del 53,4 %, frente al 51,4 % de YOLOv7l, con muchos menos parámetros (25,3M frente a 36,9M) y menos FLOPs (87,2B frente a 104,7B). Esta reducción de la complejidad computacional permite que YOLO11 se ejecute más rápido en implementaciones de NVIDIA TensorRT y requiere menos VRAM, por lo que resulta mucho más adecuado para entornos con limitaciones de hardware.
Usabilidad y flujos de trabajo de entrenamiento#
La experiencia del desarrollador es una de las principales diferencias entre los dos marcos.
Entrenar YOLOv7#
El uso de la base de código de código abierto original de YOLOv7 suele requerir clonar el repositorio, resolver las dependencias manualmente y recurrir a argumentos de línea de comandos extensos. Gestionar distintas tareas o exportar a formatos móviles suele implicar modificar scripts del código fuente o utilizar bifurcaciones de terceros.
Entrenamiento de YOLO11#
YOLO11 está profundamente integrado en el paquete de Python ultralytics, lo que simplifica el ciclo de vida del aprendizaje automático. Entrenar un modelo de detección de objetos requiere solo unas pocas líneas de código, y el marco se encarga de descargar, aumentar y almacenar en caché los conjuntos de datos.
from ultralytics import YOLO
# Carga un modelo YOLO11 Nano preentrenado para obtener la máxima velocidad
model = YOLO("yolo11n.pt")
# Entrena el modelo con el conjunto de datos de ejemplo COCO8
results = model.train(data="coco8.yaml", epochs=50, imgsz=640)
# Exporta el modelo entrenado al formato ONNX para implementarlo
export_path = model.export(format="onnx")YOLO11 también es versátil. Al cambiar el sufijo del modelo, los desarrolladores pueden pasar de la detección a la segmentación de instancias, la clasificación de imágenes, la estimación de poses o la detección con cuadros delimitadores orientados (OBB), gracias a la compatibilidad nativa con varias tareas, que YOLOv7 no ofrece.
Para exportar YOLO11 a formatos para dispositivos periféricos, como Apple CoreML o Intel OpenVINO, basta con un único comando .export(), sin las complejas modificaciones de grafos que suelen requerir los modelos de generaciones anteriores.
Escenarios de despliegue ideales#
Comprender las ventajas de cada modelo permite determinar sus mejores casos de uso.
- Reproducción de comparativas anteriores: YOLOv7 sigue siendo útil para investigadores académicos que necesitan reproducir comparativas concretas de 2022 o estudiar los efectos de las técnicas de reparametrización en redes basadas en anclajes.
- Entornos de producción comerciales: YOLO11 es una opción sólida para sistemas empresariales. Su estabilidad, mantenimiento activo e integración con Ultralytics Platform, basada en la nube, lo hacen muy adecuado para el análisis en comercios a gran escala, la vigilancia de seguridad y el control de calidad en la fabricación.
- Computación en el borde con recursos limitados: la variante ligera YOLO11n está diseñada para dispositivos periféricos de bajo consumo y se ejecuta de forma eficiente en una Raspberry Pi o en módulos NVIDIA Jetson.
De cara al futuro: YOLO26#
Aunque YOLO11 sigue siendo un modelo maduro y bien respaldado, el campo continúa avanzando. Para los nuevos proyectos de visión, la opción recomendada es Ultralytics YOLO26.
Publicado en enero de 2026, YOLO26 incorpora varias funciones que mejoran tanto YOLOv7 como YOLO11:
- Arquitectura opcional sin NMS: la cabeza opcional uno a uno de YOLO26 (
nms=False) elimina la necesidad del posprocesamiento de supresión no máxima. Este diseño integral simplifica los flujos de despliegue y reduce las variaciones de latencia. - Inferencia en CPU hasta un 43 % más rápida: al eliminar el módulo Distribution Focal Loss (DFL), YOLO26 se optimiza para dispositivos periféricos y entornos sin GPU dedicada; YOLO26n se ejecuta en CPU hasta un 43 % más rápido que YOLO11n.
- Integración del optimizador MuSGD: inspirado en las técnicas avanzadas de entrenamiento de LLM de Moonshot AI, este optimizador híbrido mejora la estabilidad del entrenamiento y la velocidad de convergencia.
- Mejora de la detección de objetos pequeños: la pérdida progresiva (ProgLoss) y la asignación de etiquetas consciente de los objetos pequeños (STAL) mejoran la precisión con objetos pequeños, lo que resulta útil para analizar imágenes aéreas captadas por drones y datos complejos de sensores del IoT.
Para quienes tengan interés en arquitecturas basadas en Transformer o paradigmas alternativos, la documentación de Ultralytics también abarca modelos como el detector Transformer RT-DETR y el modelo de vocabulario abierto YOLO-World.
Comentarios
Haz una pregunta, comparte tus resultados o ayuda a otra persona.