YOLOv7 frente a YOLOX
La evolución de la visión artificial se ha caracterizado por rápidos avances en la detección de objetos en tiempo real. Dos hitos importantes son YOLOv7 y YOLOX. Aunque ambos modelos mejoraron la velocidad y la precisión, adoptaron enfoques arquitectónicos distintos. Esta guía ofrece una comparación técnica de los dos modelos para ayudarte a elegir la arquitectura adecuada para tus proyectos de visión artificial.
Introducción a los modelos#
Comprender los orígenes y las principales decisiones de diseño de estos modelos es importante para implementarlos eficazmente en las operaciones modernas de aprendizaje automático.
Detalles de YOLOv7#
Desarrollado por los investigadores responsables de las arquitecturas CSPNet y Scaled-YOLOv4, YOLOv7 introdujo un enfoque de «bag-of-freebies» entrenable para maximizar la precisión sin aumentar el coste de inferencia.
- Autores: Chien-Yao Wang, Alexey Bochkovskiy y Hong-Yuan Mark Liao
- Organización: Institute of Information Science, Academia Sinica, Taiwán
- Fecha: 2022-07-06
- arXiv: https://arxiv.org/abs/2207.02696
- GitHub: https://github.com/WongKinYiu/yolov7
- Documentación: Documentación de Ultralytics YOLOv7
Detalles de YOLOX#
YOLOX siguió un camino distinto al volver a la detección sin anclajes, con lo que simplificó la arquitectura del cabezal y mantuvo un rendimiento sólido.
- Autores: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li y Jian Sun
- Organización: Megvii
- Fecha: 2021-07-18
- arXiv: https://arxiv.org/abs/2107.08430
- GitHub: https://github.com/Megvii-BaseDetection/YOLOX
- Documentación: Documentación oficial de YOLOX
Diferencias e innovaciones arquitectónicas#
Las principales diferencias entre YOLOv7 y YOLOX están en su enfoque de la extracción de características, la predicción de cuadros delimitadores y la asignación de etiquetas.
YOLOX: pionero en modelos sin anclajes#
YOLOX incorporó un diseño sin anclajes a la familia YOLO. Los detectores tradicionales basados en anclajes requieren ajustar heurísticamente la agrupación de cajas de anclaje, lo que puede depender mucho del conjunto de datos. Al eliminar las cajas de anclaje, YOLOX redujo significativamente el número de parámetros de diseño. YOLOX también utiliza un cabezal desacoplado, que separa las tareas de clasificación y localización en ramas distintas de la red. Esto reduce el conflicto entre clasificar un objeto y estimar sus coordenadas espaciales. YOLOX también integra estrategias avanzadas de asignación de etiquetas, como SimOTA, que asigna dinámicamente muestras positivas durante el entrenamiento.
YOLOv7: agregación de capas eficiente extendida#
YOLOv7, lanzado un año después, mantuvo un diseño basado en anclajes, pero introdujo la Extended Efficient Layer Aggregation Network (E-ELAN). E-ELAN optimiza la longitud de las rutas de gradiente para que la red aprenda eficazmente con distintas profundidades. La arquitectura se basa en gran medida en la reparametrización, que fusiona capas convolucionales durante la inferencia para aumentar la velocidad sin sacrificar precisión. La estrategia de «recursos gratuitos» de YOLOv7 incluye convoluciones con reparametrización planificada y asignación guiada de etiquetas líder de grueso a fino, lo que aumenta la precisión media promedio (mAP) del modelo.
Aunque YOLOX simplificó los pipelines de implementación con su configuración sin anclajes, las arquitecturas modernas de Ultralytics han perfeccionado este enfoque y han eliminado la necesidad de cuadros predefinidos en las generaciones más recientes.
Comparativa de rendimiento#
Al evaluar estos modelos para producción, es esencial equilibrar la precisión y la eficiencia computacional. La tabla siguiente muestra las concesiones y destaca en negrita las métricas con mejor rendimiento.
| 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 |
| YOLOXnano | 416 | 25.8 | - | - | 0.91 | 1.08 |
| YOLOXtiny | 416 | 32.8 | - | - | 5.06 | 6.45 |
| YOLOXs | 640 | 40.5 | - | 2.56 | 9.0 | 26.8 |
| YOLOXm | 640 | 46.9 | - | 5.43 | 25.3 | 73.8 |
| YOLOXl | 640 | 49.7 | - | 9.04 | 54.2 | 155.6 |
| YOLOXx | 640 | 51.1 | - | 16.1 | 99.1 | 281.9 |
Como se muestra arriba, YOLOv7x obtiene el mAP más alto en esta comparación, por lo que es la opción más precisa para conjuntos de datos complejos. En cambio, YOLOX-Nano está dirigido a dispositivos con recursos muy limitados. Ambas familias de modelos pueden requerir más memoria de entrenamiento que las arquitecturas Ultralytics más recientes.
Metodologías de entrenamiento y ecosistema#
La facilidad de implementación es un factor clave para investigadores y desarrolladores. Históricamente, las versiones antiguas de YOLO requerían scripts de entrenamiento personalizados y una gestión compleja de dependencias.
La ventaja del ecosistema Ultralytics#
YOLOv7 y YOLOX no son compatibles de forma nativa con el paquete Python de Ultralytics; para los proyectos nuevos, la opción más eficaz es usar un modelo Ultralytics YOLO dentro del ecosistema Ultralytics, que se mantiene activamente. Ultralytics ofrece una API de Python unificada que simplifica el entrenamiento, la validación y la implementación.
- Facilidad de uso: Unas pocas líneas de código bastan para iniciar un entrenamiento, lo que reduce la curva de aprendizaje frente a las implementaciones directas en PyTorch.
- Eficiencia del entrenamiento: Los modelos Ultralytics YOLO suelen utilizar menos memoria durante el entrenamiento que los modelos Transformer como RT-DETR, lo que permite usar tamaños de lote mayores en hardware de consumo.
- Versatilidad: Además de las cajas delimitadoras, la misma API admite tareas como la segmentación de instancias y la estimación de poses.
El siguiente ejemplo ejecutable entrena y exporta un modelo con la API de Ultralytics:
from ultralytics import YOLO
# # Carga un modelo preentrenado
model = YOLO("yolov8n.pt") # # Pesos disponibles para empezar rápidamente con el aprendizaje por transferencia
# # Entrena el modelo eficazmente con tus datos personalizados
results = model.train(
data="coco8.yaml",
epochs=100,
imgsz=640,
batch=16,
device="0", # Usar la primera GPU CUDA
)
# Exporta a ONNX o TensorRT
model.export(format="onnx")Con un pipeline de exportación estandarizado, los desarrolladores pueden convertir los pesos a formatos como TensorRT u ONNX para lograr una inferencia rápida en el hardware de destino.
Casos de uso ideales y aplicaciones reales#
La elección entre YOLOX y YOLOv7 depende en gran medida de los objetivos de despliegue:
- YOLOX para IA en el Edge: Las variantes YOLOX-Nano y YOLOX-Tiny son muy adecuadas para desplegarlas en dispositivos de bajo consumo. Si estás creando una cámara de seguridad inteligente con una Raspberry Pi, las sencillas convoluciones sin anclajes de YOLOX se adaptan fácilmente a los aceleradores Edge.
- YOLOv7 para análisis de alta fidelidad: Si procesas imágenes satelitales de alta resolución o realizas un control de calidad de fabricación complejo, el mAP alto de YOLOv7x en GPU NVIDIA de gama alta ayuda a detectar anomalías pequeñas.
El futuro: actualizar a Ultralytics YOLO26#
YOLOv7 y YOLOX tuvieron una gran influencia cuando se lanzaron, pero el sector ha avanzado mucho desde entonces. Para nuevas implementaciones, Ultralytics recomienda Ultralytics YOLO26, lanzado en enero de 2026, que incorpora estas lecciones arquitectónicas en un modelo listo para producción.
Entre las principales mejoras se incluyen:
- Diseño integral sin NMS: La cabeza opcional uno a uno de YOLO26 (
nms=False) elimina la supresión no máxima (NMS) durante el posprocesamiento. YOLOv10 introdujo este enfoque en los modelos YOLO; mantiene una latencia constantemente baja y simplifica la implementación en dispositivos que no cuentan con una compatibilidad eficiente con NMS. - Eliminación de DFL: Eliminar Distribution Focal Loss mejora la compatibilidad con dispositivos edge de bajo consumo y simplifica la exportación a ONNX.
- Optimizador MuSGD: Inspirado en el entrenamiento de LLM, YOLO26 utiliza MuSGD, una combinación híbrida de SGD y Muon, para acelerar la convergencia y estabilizar el entrenamiento.
- Inferencia en CPU hasta un 43 % más rápida: YOLO26n funciona hasta un 43 % más rápido que YOLO11n al ejecutar inferencias con ONNX en CPU, por lo que ofrece un buen rendimiento en CPU estándar sin infraestructura de GPU dedicada.
- ProgLoss + STAL: La pérdida progresiva y la asignación de etiquetas consciente de los objetos pequeños mejoran su detección, algo crucial para las imágenes aéreas, como las del conjunto de datos VisDrone, y las redes de cámaras IoT.
Para los equipos que trabajan con detección de objetos, segmentación y otras tareas, la plataforma Ultralytics ofrece un único espacio para anotar datos, entrenar e implementar modelos.
Conclusión#
YOLOX y YOLOv7 introdujeron técnicas que dieron forma a la IA visual de código abierto. YOLOX demostró la viabilidad de los cabezales desacoplados sin anclajes, mientras que YOLOv7 mostró el valor del diseño de rutas de gradiente y la reparametrización. Hoy, el ecosistema Ultralytics te permite aprovechar estas ideas con los modelos modernos Ultralytics YOLO; YOLO26 es la opción recomendada para nuevas aplicaciones de visión artificial.
Comentarios
Haz una pregunta, comparte tus resultados o ayuda a otra persona.