YOLOv7 frente a YOLOv9
El panorama de la detección de objetos en tiempo real ha evolucionado rápidamente, y cada nueva iteración mejora el rendimiento tanto en dispositivos de borde como en servidores en la nube. Al evaluar arquitecturas para proyectos de visión artificial, los desarrolladores suelen comparar los puntos de referencia consolidados con diseños más recientes. Esta guía compara dos hitos importantes de la familia YOLO: YOLOv7 y YOLOv9.
La guía cubre sus arquitecturas, métricas de rendimiento y escenarios de despliegue ideales para ayudarte a elegir el modelo adecuado para tu aplicación, y muestra cómo la plataforma Ultralytics y la API de Python facilitan el entrenamiento, la validación y el despliegue de modelos compatibles como YOLOv9.
Linaje de los modelos y especificaciones técnicas#
Comprender los orígenes y las filosofías de diseño de estos modelos aporta un contexto esencial para conocer sus capacidades. Ambos comparten un linaje de investigación, pero se centran en distintos cuellos de botella arquitectónicos.
YOLOv7: pionero en técnicas gratuitas#
Lanzado a mediados de 2022, YOLOv7 se convirtió en una arquitectura muy utilizada y bien optimizada. Introdujo la reparametrización estructural y un enfoque de «conjunto de ventajas gratuitas entrenable» para mantener altas velocidades de inferencia sin sacrificar la precisión media promedio (mAP).
- Autores: Chien-Yao Wang, Alexey Bochkovskiy y Hong-Yuan Mark Liao
- Organización: Institute of Information Science, Academia Sinica, Taiwán
- Fecha: 6 de julio de 2022
- arXiv: 2207.02696
- GitHub: WongKinYiu/yolov7
Innovaciones arquitectónicas: YOLOv7 incorpora la red extendida de agregación eficiente de capas (E-ELAN), que permite al modelo aprender características más diversas mediante la expansión, reorganización y combinación de la cardinalidad. Este diseño ofrece una utilización excelente de la GPU y una latencia de inferencia reducida. Sin embargo, en comparación con las versiones modernas, puede requerir mucha memoria durante entrenamientos complejos.
YOLOv9: resolver el cuello de botella de información#
Presentado a principios de 2024 por el mismo equipo de investigación, YOLOv9 aborda el «cuello de botella de información» inherente a las redes neuronales profundas. A medida que los datos atraviesan capas profundas, a menudo se pierden detalles cruciales. YOLOv9 mitiga este problema con nuevos componentes arquitectónicos.
- Autores: Chien-Yao Wang y Hong-Yuan Mark Liao
- Organización: Institute of Information Science, Academia Sinica, Taiwán
- Fecha: 21 de febrero de 2024
- arXiv: 2402.13616
- GitHub: WongKinYiu/yolov9
Innovaciones arquitectónicas: YOLOv9 incorpora la información de gradiente programable (PGI) y la red generalizada de agregación eficiente de capas (GELAN). PGI garantiza que se conserven gradientes fiables y se utilicen para actualizar los pesos con precisión. GELAN maximiza la eficiencia de los parámetros y permite que YOLOv9 alcance una alta precisión con muchos menos FLOPs que sus predecesores.
Análisis del rendimiento#
Al elegir entre arquitecturas, los ingenieros de IA deben equilibrar la precisión, la velocidad de inferencia y el coste computacional. La siguiente tabla muestra las diferencias de rendimiento entre estos modelos en el conjunto de datos COCO estándar.
| 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 |
| YOLOv9t | 640 | 38.3 | - | 2.3 | 2.0 | 7.7 |
| YOLOv9s | 640 | 46.8 | - | 3.54 | 7.2 | 26.7 |
| YOLOv9m | 640 | 51.4 | - | 6.43 | 20.1 | 76.8 |
| YOLOv9c | 640 | 53.0 | - | 7.16 | 25.5 | 102.8 |
| YOLOv9e | 640 | 55.6 | - | 16.77 | 58.1 | 192.5 |
Conclusiones clave#
- Eficiencia de parámetros: YOLOv9m iguala la precisión de YOLOv7l (51,4 % mAP) utilizando aproximadamente un 45 % menos de parámetros (20,1 M frente a 36,9 M). Esta reducción facilita el despliegue de YOLOv9m en dispositivos de IA en el borde con memoria limitada.
- Despliegues a pequeña escala: La variante YOLOv9t (tiny) se ejecuta en 2,3 ms en una GPU T4 con TensorRT, por lo que es adecuada para entornos con estrictas restricciones de tiempo real.
- Precisión máxima: En aplicaciones donde la precisión es lo más importante, YOLOv9e alcanza un 55,6 % de mAP, 2,5 puntos más que YOLOv7x.
Aunque YOLOv7 y YOLOv9 son modelos capaces, YOLO26 es actualmente el modelo de Ultralytics recomendado para proyectos nuevos. Incorpora un diseño nativo integral sin NMS (opcional mediante nms=False) que omite el posprocesamiento de supresión no máxima (NMS) y ofrece una inferencia con CPU hasta un 43 % más rápida (YOLO26n frente a YOLO11n). El optimizador MuSGD mejora la estabilidad del entrenamiento, mientras que ProgLoss + STAL (pérdida progresiva y asignación de etiquetas consciente de los objetos pequeños) mejora la detección de objetos pequeños.
La ventaja de Ultralytics#
Elegir una arquitectura de modelo es solo el primer paso. El ecosistema de software que la rodea determina la rapidez con la que puedes pasar del prototipo a producción. Integrar modelos compatibles como YOLOv9 mediante la API de Python de Ultralytics ofrece importantes ventajas a desarrolladores e investigadores.
Facilidad de uso y eficiencia del entrenamiento#
Tradicionalmente, entrenar YOLOv7 requería preparar los datos de forma compleja y usar scripts muy personalizados. El framework Ultralytics se ocupa de estos detalles para que los desarrolladores puedan cambiar de arquitectura, experimentar con el ajuste de hiperparámetros y utilizar canalizaciones integradas de aumento de datos con muy poco código.
Ultralytics también optimiza el uso de memoria durante el entrenamiento y la inferencia. En comparación con los modelos Transformer más pesados, como RT-DETR, las arquitecturas YOLO de Ultralytics suelen entrenarse más rápido y requieren menos memoria CUDA, por lo que resultan prácticas en GPU de consumo.
Ejemplo de código: entrenamiento simplificado#
El siguiente ejemplo ejecutable entrena, valida y exporta un modelo YOLOv9 con la API de Python de Ultralytics:
from ultralytics import YOLO
# Inicializa el modelo (puedes sustituir 'yolov9c.pt' por 'yolo26n.pt')
model = YOLO("yolov9c.pt")
# Entrena el modelo con el conjunto de datos de muestra COCO8
train_results = model.train(
data="coco8.yaml",
epochs=50,
imgsz=640,
device="0", # Usa la GPU 0 si está disponible
batch=16, # Tamaño del lote optimizado para ahorrar memoria
)
# Valida el rendimiento del modelo con el conjunto de validación
metrics = model.val()
# Exporta el modelo entrenado al formato ONNX para implementarlo
model.export(format="onnx")Versatilidad en distintas tareas#
Un ecosistema bien mantenido también da acceso a más tareas de visión artificial. Aunque YOLOv7 se diseñó principalmente para la detección de objetos (con ramas experimentales posteriores para otras tareas), los modelos modernos de Ultralytics admiten varias tareas de forma nativa. Desde el primer momento, puedes realizar segmentación de instancias, clasificación de imágenes, estimación de poses y detección de cuadros delimitadores orientados (OBB).
Casos de uso y aplicaciones ideales#
La elección entre YOLOv7 y YOLOv9 suele depender de las limitaciones concretas de tu sector y del hardware disponible.
Cuándo usar YOLOv7#
- Despliegues heredados en el borde: En entornos de hardware ya optimizados para la arquitectura E-ELAN de YOLOv7, sigue siendo una opción sólida para el IoT industrial.
- Supervisión del tráfico: Las altas tasas de fotogramas y la estabilidad demostrada de YOLOv7 lo convierten en una buena opción para infraestructuras de ciudades inteligentes y la gestión del tráfico en tiempo real.
- Integración en robótica: Para desenvolverse en entornos dinámicos se necesita un procesamiento de baja latencia, un escenario en el que las variantes de YOLOv7 se han probado exhaustivamente.
Cuándo usar YOLOv9#
- Diagnóstico por imagen: PGI ayuda a YOLOv9 a conservar detalles minuciosos a través de capas profundas, algo valioso para tareas de análisis de imágenes médicas, como la detección de tumores.
- Análisis minorista de alta densidad: Para seguir y contar artículos muy juntos en estanterías, la integración de características de YOLOv9 puede mejorar la precisión y reducir los falsos negativos.
- Imágenes aéreas y de drones: La eficiencia en el uso de parámetros de YOLOv9m permite procesar imágenes de alta resolución con drones, lo que ayuda a la conservación de la fauna y a la supervisión agrícola sin agotar la batería.
Conclusión#
YOLOv7 y YOLOv9 son hitos importantes de la familia YOLO. YOLOv7 introdujo optimizaciones esenciales para el procesamiento en tiempo real, mientras que YOLOv9 abordó la pérdida de información en redes profundas para mejorar la eficiencia de los parámetros.
Sin embargo, para proyectos nuevos, los modelos más recientes de Ultralytics, como YOLO11 y YOLO26, ofrecen un mejor equilibrio entre velocidad, precisión y experiencia de desarrollo. Gracias al optimizador MuSGD y a la eliminación de la pérdida focal de distribución (DFL) para lograr una mayor compatibilidad con el hardware, YOLO26 es el punto de partida recomendado.
Comentarios
Haz una pregunta, comparte tus resultados o ayuda a otra persona.