YOLOv7 frente a YOLOv10
El campo de la visión artificial ha avanzado rápidamente en los últimos años, y la familia de modelos YOLO (You Only Look Once) ha liderado el progreso de la detección de objetos en tiempo real. Para elegir la arquitectura adecuada para tus proyectos de visión artificial, necesitas conocer claramente las opciones disponibles. Esta comparación técnica analiza las principales diferencias entre dos arquitecturas emblemáticas: YOLOv7 y YOLOv10.
Introducción a los modelos#
Ambos modelos representan hitos importantes en la detección de objetos, pero aplican enfoques fundamentalmente distintos para resolver sus desafíos.
YOLOv7: pionero en técnicas gratuitas#
Publicado 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 nuevas formas de optimizar los detectores en tiempo real. La investigación original, detallada en su artículo académico y disponible en su repositorio oficial de GitHub, se centraba en gran medida en la reparametrización arquitectónica y en una «bag-of-freebies» entrenable.
YOLOv7 aprovecha una red extendida de agregación eficiente de capas (E-ELAN) para guiar el aprendizaje de características diversas sin destruir la ruta de gradiente original. Esto lo convierte en una opción robusta para las comparativas de investigación académica y los sistemas que dependen en gran medida de GPU estándar de gama alta.
YOLOv10: detección de extremo a extremo en tiempo real#
Desarrollado por Ao Wang y sus colaboradores de la Universidad de Tsinghua, YOLOv10 se publicó 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 coherentes para el entrenamiento sin NMS, lo que modificó el flujo de posprocesamiento. Su diseño integral del modelo, orientado a la eficiencia y la precisión, reduce la redundancia computacional y da lugar a una arquitectura adecuada para dispositivos periféricos que requieren una latencia baja.
Comparativa de rendimiento y métricas#
Al analizar el rendimiento de los modelos, es importante evaluar las ventajas y desventajas entre precisión, velocidad y coste computacional. La tabla siguiente muestra cómo se comparan entre sí los distintos tamaños de estos modelos.
| 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 |
| 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 |
Análisis de las compensaciones#
Las métricas anteriores revelan una clara diferencia generacional. Aunque YOLOv7x ofrece un sólido mAPval50-95 del 53,1 %, requiere 71,3M de parámetros y 189,9B FLOPs. En cambio, YOLOv10l supera esa precisión (53,2 % de mAP) con aproximadamente un tercio de los parámetros (24,4M) y muchos menos FLOPs (120,3B). Además, YOLOv10n se ejecuta en 1,84 ms en una GPU T4 con TensorRT, por lo que es muy adecuado para el análisis de vídeo en tiempo real y las aplicaciones móviles.
Casos de uso reales#
Las diferencias arquitectónicas entre estos modelos determinan sus casos de uso óptimos.
Cuándo usar YOLOv7#
La rica representación de características de YOLOv7 es adecuada para escenas complejas en hardware con GPU. Casos de uso como la supervisión del flujo de tráfico en zonas urbanas densas, el análisis de imágenes satelitales o la identificación de defectos en la automatización industrial pesada pueden beneficiarse de su arquitectura con reparametrización. También sigue siendo habitual en entornos heredados basados en canalizaciones específicas de PyTorch 1.x.
Cuándo usar YOLOv10#
El diseño ligero de YOLOv10, que no requiere NMS, es adecuado para entornos con recursos limitados, incluidos los dispositivos de computación en el borde, como los módulos NVIDIA Jetson o una Raspberry Pi. Su baja latencia lo convierte en una buena opción para aplicaciones rápidas, como el análisis deportivo, la navegación autónoma de drones y la clasificación robótica de alta velocidad en cintas transportadoras.
La ventaja del ecosistema Ultralytics#
Aunque ambos modelos tienen sólidas raíces académicas, YOLOv10 es más fácil de entrenar y desplegar dentro del ecosistema Ultralytics y la plataforma Ultralytics. Desarrollar modelos de visión artificial desde cero es difícil, y el ecosistema Ultralytics simplifica el flujo de trabajo de 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 los conflictos de dependencias habituales en los repositorios académicos.
- Ecosistema bien mantenido: La base de código de Ultralytics está en desarrollo activo, y los usuarios se benefician de integraciones con herramientas populares de aprendizaje automático, como Weights & Biases para el registro de datos o Gradio para crear demostraciones web rápidamente.
- Requisitos de memoria: Los detectores de objetos basados en Transformer suelen consumir mucha memoria CUDA durante el entrenamiento. En cambio, los modelos YOLO de Ultralytics requieren mucha menos memoria, lo que permite usar tamaños de lote mucho mayores en hardware de consumo.
- Versatilidad: La canalización de Ultralytics no se limita a los cuadros delimitadores estándar. Admite segmentación de instancias, clasificación de imágenes, estimación de poses y cuadros delimitadores orientados en familias de modelos compatibles, como YOLO11 y YOLOv8.
Ejemplo de entrenamiento simplificado#
Ejecutar una canalización de entrenamiento con Ultralytics es sencillo. Tanto si aprovechas la velocidad de YOLOv10, que no requiere NMS, como si usas otro modelo compatible, la sintaxis es la misma (ten en cuenta que el paquete Ultralytics no admite el entrenamiento de YOLOv7):
from ultralytics import YOLO
# Carga el modelo que prefieras (p. ej., YOLOv10 Nano)
model = YOLO("yolov10n.pt")
# Entrena el modelo con el conjunto de datos COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Ejecuta una predicción de inferencia con una imagen de muestra
predictions = model.predict("https://ultralytics.com/images/bus.jpg")
# Exporta a un formato apto para el edge, como ONNX
model.export(format="onnx")Casos de uso y recomendaciones#
La elección entre YOLOv7 y YOLOv10 depende de los requisitos específicos de tu proyecto, las restricciones de despliegue y tus preferencias de ecosistema.
Cuándo elegir YOLOv7#
YOLOv7 es una buena opción para:
- Evaluación comparativa académica: reproducir resultados de vanguardia de 2022 o estudiar los efectos de E-ELAN y las técnicas de conjunto de técnicas gratuitas entrenables.
- Investigación sobre reparametrización: estudiar convoluciones reparametrizadas planificadas y estrategias de escalado compuesto de modelos.
- Flujos personalizados existentes: proyectos con flujos muy personalizados basados en la arquitectura específica de YOLOv7 que no se puedan 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 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: presentamos YOLO26#
Aunque YOLOv7 y YOLOv10 son hitos impresionantes, la frontera de la IA avanza constantemente. Lanzado en enero de 2026, Ultralytics YOLO26 es el modelo recomendado por su eficiencia y precisión en despliegues en el borde y en la nube.
Si hoy empiezas un proyecto de visión artificial, YOLO26 es la arquitectura recomendada. Se basa en sus predecesores e incorpora varias innovaciones:
- Diseño integral sin NMS: Inspirándose en YOLOv10, la cabeza opcional uno a uno de YOLO26 (
nms=False) omite el posprocesamiento NMS y ofrece una latencia menor y más uniforme para la robótica en tiempo real. - Hasta un 43 % más rápido en inferencia con CPU: Al eliminar el módulo de pérdida focal de distribución (DFL), YOLO26 acelera la ejecución en hardware de borde sin GPU. YOLO26n alcanza una velocidad hasta un 43 % mayor que YOLO11n en CPU, por lo que es una buena opción para dispositivos IoT.
- Optimizador MuSGD: Inspirado en innovaciones recientes en el entrenamiento de modelos de lenguaje grandes, YOLO26 incorpora una combinación híbrida de SGD y Muon para lograr un entrenamiento más estable y una convergencia más rápida.
- ProgLoss + STAL: La pérdida progresiva y la asignación de etiquetas consciente de los objetos pequeños mejoran el reconocimiento de objetos pequeños y superan una debilidad histórica de las generaciones anteriores de YOLO.
- Versatilidad multitarea: YOLO26 abarca la detección, la segmentación de instancias, la segmentación semántica, la estimación de profundidad, la clasificación, la estimación de poses y OBB, con optimizaciones específicas para cada tarea, como la estimación residual de máxima verosimilitud (RLE) para la estimación de poses y pérdidas angulares especializadas para detectar OBB con precisión en imágenes aéreas.
Para los ingenieros que buscan el mejor equilibrio entre velocidad, precisión y sencillez de despliegue, YOLO26 es la evolución natural de los modelos heredados.
Comentarios
Haz una pregunta, comparte tus resultados o ayuda a otra persona.