YOLOv7 frente a YOLOv10: La evolución de la detección de objetos en tiempo real

El campo de la visión artificial ha sido testigo de avances notables en los últimos años, con la familia de modelos YOLO (You Only Look Once) liderando la vanguardia en la detección de objetos en tiempo real. Elegir la arquitectura adecuada para tus proyectos de visión artificial requiere un conocimiento profundo de las opciones disponibles. En esta comparativa técnica exhaustiva, exploraremos las diferencias clave entre dos arquitecturas emblemáticas: YOLOv7 y YOLOv10.

Introducción a los modelos

Ambos modelos representan hitos significativos en la historia de la inteligencia artificial, aunque adoptan enfoques fundamentalmente distintos para resolver los desafíos de la detección de objetos.

YOLOv7: El pionero del "bag-of-freebies"

Lanzado el 6 de julio de 2022 por los investigadores Chien-Yao Wang, Alexey Bochkovskiy y Hong-Yuan Mark Liao del Institute of Information Science, Academia Sinica, YOLOv7 introdujo un cambio de paradigma en cómo se optimizan las redes neuronales. La investigación original, detallada en su artículo académico y alojada en su repositorio oficial de GitHub, se centró en gran medida en la reparametrización arquitectónica y en una "bolsa de obsequios" (bag-of-freebies) entrenable.

YOLOv7 aprovecha una red de agregación de capas eficiente extendida (E-ELAN) para guiar a la red en el aprendizaje de características diversas sin destruir la ruta de gradiente original. Esto lo convierte en una opción robusta para los benchmarks de investigación académica y sistemas que dependen en gran medida de GPUs estándar de gama alta.

Más información sobre YOLOv7

YOLOv10: Detección integral en tiempo real

Desarrollado por Ao Wang y su equipo en la Tsinghua University, YOLOv10 se lanzó el 23 de mayo de 2024. Como se detalla en su publicación en arxiv y en el repositorio de GitHub de Tsinghua, este modelo elimina un cuello de botella persistente en la detección de objetos: la supresión no máxima (NMS).

YOLOv10 introdujo asignaciones duales consistentes para el entrenamiento sin NMS, alterando fundamentalmente la canalización de posprocesamiento. Al implementar una estrategia de diseño de modelos holística orientada a la eficiencia y la precisión, YOLOv10 reduce la redundancia computacional. Esto da como resultado una arquitectura diseñada específicamente para dispositivos de borde que requieren una latencia extremadamente baja.

Más información sobre YOLOv10

Comparación de rendimiento y métricas

Al analizar el rendimiento de un modelo, es crucial evaluar las compensaciones entre precisión, velocidad y peso computacional. La siguiente tabla muestra cómo se comparan los diferentes tamaños de estos modelos.

Analizando las compensaciones

Las métricas anteriores revelan una clara brecha generacional. Aunque YOLOv7x ofrece un mAP^val muy sólido del 53,1%, requiere 71,3M de parámetros y 189,9B de FLOPs. En cambio, YOLOv10l supera esa precisión (53,3% de mAP) mientras requiere menos de la mitad de los parámetros (29,5M) y significativamente menos FLOPs (120,3B). Además, el YOLOv10n altamente optimizado proporciona una velocidad de inferencia asombrosa de 1,56ms, lo que lo hace ideal para análisis de vídeo en tiempo real y aplicaciones móviles.

Casos de uso en el mundo real

Las diferencias arquitectónicas entre estos modelos determinan sus casos de uso óptimos.

Cuándo utilizar YOLOv7

Debido a su rica representación de características, YOLOv7 destaca en entornos altamente complejos. Los casos de uso como monitorizar el flujo de tráfico en zonas urbanas densas, analizar imágenes por satélite o identificar defectos en la automatización de la fabricación se benefician de su robusta reparametrización estructural. También es muy valorado en entornos heredados que ya están profundamente integrados con pipelines específicos de PyTorch 1.12.

Cuándo utilizar YOLOv10

El diseño ligero y sin NMS de YOLOv10 brilla en entornos restringidos. Se recomienda encarecidamente para dispositivos de edge computing como NVIDIA Jetson Nano o Raspberry Pi. Su rendimiento de baja latencia lo hace perfecto para aplicaciones de movimiento rápido como análisis deportivo, navegación autónoma de drones y clasificación robótica de alta velocidad en cintas transportadoras.

La ventaja del ecosistema de Ultralytics

Aunque ambos modelos tienen fuertes raíces académicas, su verdadero potencial se libera cuando se utilizan dentro de la Plataforma Ultralytics unificada. Desarrollar modelos de visión artificial desde cero es notoriamente difícil, pero el ecosistema Ultralytics proporciona una experiencia inigualable para los ingenieros de aprendizaje automático.

• Facilidad de uso: La API de Python de Ultralytics proporciona una interfaz unificada. Puedes entrenar, validar y exportar modelos con solo unas pocas líneas de código, evitando las pesadillas de dependencias complejas asociadas a los repositorios académicos típicos.
• Ecosistema bien mantenido: Ultralytics garantiza que el código subyacente se desarrolla activamente. Los usuarios se benefician de integraciones fluidas con herramientas de ML populares como Weights & Biases para el registro, o Hugging Face para demostraciones web rápidas.
• Requisitos de memoria: Los detectores de objetos basados en Transformer suelen consumir enormes cantidades de memoria CUDA durante el entrenamiento. En contraste, los modelos YOLO de Ultralytics requieren mucha menos memoria, permitiendo tamaños de lote mucho mayores en hardware de consumo.
• Versatilidad: El pipeline de Ultralytics no se limita a cajas delimitadoras estándar. Soporta de forma fluida la estimación de poses, la segmentación de instancias y las cajas delimitadoras orientadas en todas las familias de modelos compatibles como YOLO11 y YOLOv8.

Ejemplo de entrenamiento optimizado

Ejecutar un pipeline de entrenamiento con Ultralytics es notablemente sencillo. Independientemente de si aprovechas la robustez histórica de YOLOv7 o la velocidad sin NMS de YOLOv10, la sintaxis sigue siendo coherente:

from ultralytics import YOLO

# Load the preferred model (e.g., YOLOv10 Nano)
model = YOLO("yolov10n.pt")

# Train the model on the COCO8 dataset
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Run an inference prediction on a sample image
predictions = model.predict("https://ultralytics.com/images/bus.jpg")

# Export to an edge-friendly format like ONNX
model.export(format="onnx")

Casos de uso y recomendaciones

Elegir entre YOLOv7 y YOLOv10 depende de los requisitos específicos de tu proyecto, las limitaciones de despliegue y tus preferencias de ecosistema.

Cuándo elegir YOLOv7

YOLOv7 es una buena elección para:

• Evaluación comparativa académica: Reproducir resultados de vanguardia de la era de 2022 o estudiar los efectos de la E-ELAN y las técnicas de bolsa de obsequios entrenables.
• Investigación en reparametrización: Investigar convoluciones reparametrizadas planificadas y estrategias de escalado de modelos compuestos.
• Canalizaciones personalizadas existentes: Proyectos con canalizaciones muy personalizadas construidas en torno a la arquitectura específica de YOLOv7 que no se pueden refactorizar fácilmente.

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 de no máximos, reduciendo la complejidad del despliegue.
• Compensaciones equilibradas entre velocidad y precisión: Proyectos que requieren un sólido equilibrio entre la velocidad de inferencia y la precisión de detección a través de varias escalas de modelo.
• Consistent-Latency Applications: Deployment scenarios where predictable inference times are critical, such as robotics or autonomous systems.

Cuándo elegir Ultralytics (YOLO26)

Para la mayoría de los proyectos nuevos, Ultralytics YOLO26 ofrece la mejor combinación de rendimiento y experiencia para el desarrollador:

• Despliegue en borde sin NMS: Aplicaciones que requieren una inferencia consistente y de baja latencia sin la complejidad del posprocesamiento de la supresión de no máximos.
• Entornos solo de CPU: Dispositivos sin aceleración de GPU dedicada, donde la inferencia en CPU hasta un 43% más rápida de YOLO26 proporciona una ventaja decisiva.
• Detección de objetos pequeños: Escenarios desafiantes como imágenes de drones aéreos o análisis de sensores IoT donde ProgLoss y STAL aumentan significativamente la precisión en objetos diminutos.

El futuro: Presentamos YOLO26

Aunque YOLOv7 y YOLOv10 son hitos impresionantes, la frontera de la IA siempre avanza. Lanzado en enero de 2026, Ultralytics YOLO26 es el indiscutible nuevo estándar de eficiencia y precisión en todos los escenarios de despliegue en el borde y en la nube.

Si comienzas hoy un nuevo proyecto de visión artificial, YOLO26 es la arquitectura recomendada. Se basa en el legado de sus predecesores incorporando varias innovaciones revolucionarias:

• Diseño integral sin NMS: Inspirándose en YOLOv10, YOLO26 elimina de forma nativa el posprocesamiento NMS, garantizando una inferencia de latencia ultrabaja para robótica determinista en tiempo real.
• Hasta un 43% más rápida la inferencia en CPU: Al eliminar estratégicamente el módulo de Distribution Focal Loss (DFL), YOLO26 acelera drásticamente la ejecución en hardware de edge computing que no es GPU, convirtiéndolo en una potencia para dispositivos IoT.
• Optimizador MuSGD: Inspirado en las recientes innovaciones en el entrenamiento de modelos de lenguaje de gran tamaño, YOLO26 incorpora un híbrido de SGD y Muon, estabilizando las rutas de entrenamiento y garantizando una convergencia más rápida.
• ProgLoss + STAL: Estas funciones de pérdida avanzadas producen mejoras notables en el reconocimiento de objetos pequeños, superando una debilidad histórica en las generaciones YOLO más antiguas.
• Versatilidad inigualable: YOLO26 presenta optimizaciones nativas específicas para cada tarea, como la Residual Log-Likelihood Estimation (RLE) para el seguimiento de poses y pérdidas de ángulo especializadas para una detección OBB precisa en imágenes aéreas.

Para los ingenieros que buscan el equilibrio definitivo entre velocidad, precisión y simplicidad de despliegue, la transición de los modelos antiguos a YOLO26 proporciona una ventaja competitiva inmediata y medible.