YOLOv8 frente a YOLOv9
La evolución de la detección de objetos en tiempo real se ha caracterizado por la búsqueda constante de una mayor precisión, menor latencia y mejor aprovechamiento del hardware. Dos hitos importantes de esta evolución son Ultralytics YOLOv8 y YOLOv9. Aunque ambos modelos ofrecen capacidades de vanguardia en visión artificial, responden a distintas necesidades de despliegue, filosofías arquitectónicas y ecosistemas de desarrollo.
Esta guía desglosa las diferencias técnicas, las innovaciones arquitectónicas y las consideraciones prácticas de implementación para ayudarte a elegir el modelo adecuado para tu próximo proyecto de inteligencia artificial.
Linaje de los modelos y filosofías fundamentales#
Antes de analizar las métricas, conviene entender los orígenes y los principales objetivos de diseño de cada modelo.
Ultralytics YOLOv8: el estándar versátil del ecosistema#
Lanzado por el equipo de Ultralytics, YOLOv8 se diseñó no solo como un detector de objetos independiente, sino también como un framework unificado para múltiples tareas. Prioriza una experiencia de desarrollo fluida, bajos requisitos de memoria y una amplia compatibilidad con hardware.
- Autores: Glenn Jocher, Ayush Chaurasia y Jing Qiu
- Organización: Ultralytics
- Fecha: 2023-01-10
- GitHub: ultralytics/ultralytics
- Documentación: Documentación de YOLOv8
YOLOv9: información de gradiente programable#
Desarrollado de forma independiente por investigadores de Academia Sinica, YOLOv9 se centra especialmente en la teoría arquitectónica y, en concreto, aborda el fenómeno del cuello de botella de la información en las redes neuronales profundas.
- Autores: Chien-Yao Wang y Hong-Yuan Mark Liao
- Organización: Institute of Information Science, Academia Sinica, Taiwán
- Fecha: 2024-02-21
- arXiv: 2402.13616
- GitHub: WongKinYiu/yolov9
Si tienes previsto realizar una implementación comercial a gran escala, considera explorar Ultralytics Platform para simplificar el entrenamiento en la nube, la gestión de conjuntos de datos y el uso de puntos de conexión API dedicados.
Análisis en profundidad de la arquitectura#
Las decisiones arquitectónicas del aprendizaje profundo determinan la eficiencia con la que aprende un modelo y la velocidad a la que se ejecuta en hardware de destino, como una NVIDIA Jetson o una CPU Intel.
Arquitectura de YOLOv8: C2f y cabezales desacoplados#
YOLOv8 introdujo el módulo C2f (cuello de botella parcial entre etapas con dos convoluciones), que sustituyó al antiguo módulo C3. Este cambio mejora el flujo del gradiente y permite que la red aprenda representaciones de características más ricas sin exigir demasiado a la memoria de la GPU.
YOLOv8 también emplea un diseño sin anclajes con un cabezal desacoplado. Al procesar la clasificación y la regresión por vías independientes, el modelo converge más rápido durante el entrenamiento y generaliza mejor a distintos conjuntos de datos personalizados.
Arquitectura de YOLOv9: PGI y GELAN#
YOLOv9 incorpora la información de gradiente programable (PGI) y la red de agregación de capas eficiente generalizada (GELAN). PGI garantiza que no se pierdan datos importantes al pasar por las capas de la red y proporciona gradientes fiables para actualizar los pesos. GELAN maximiza la eficiencia de los parámetros, lo que permite al modelo alcanzar una gran precisión y mantener los FLOPs en niveles manejables.
Sin embargo, las ramas auxiliares reversibles de YOLOv9, que solo se usan durante el entrenamiento, pueden hacer que personalizar el código de entrenamiento sea más complejo que con los procesos estándar.
Métricas de rendimiento y pruebas de referencia#
La tabla siguiente compara directamente los modelos de distintos tamaños. El rendimiento se mide con el conjunto de datos MS COCO, un referente estándar para la detección de objetos.
| Modelo | tamaño (píxeles) | mAPval50-95 | Velocidad CPU ONNX (ms) | Velocidad T4 TensorRT10 (ms) | parámetros (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv8n | 640 | 37.3 | 80.4 | 1.47 | 3.2 | 8.7 |
| YOLOv8s | 640 | 44.9 | 128.4 | 2.66 | 11.2 | 28.6 |
| YOLOv8m | 640 | 50.2 | 234.7 | 5.86 | 25.9 | 78.9 |
| YOLOv8l | 640 | 52.9 | 375.2 | 9.06 | 43.7 | 165.1 |
| YOLOv8x | 640 | 53.9 | 479.1 | 14.37 | 68.2 | 257.8 |
| 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 |
Nota: Los mejores valores de cada columna aparecen resaltados en negrita.
Análisis de las ventajas e inconvenientes#
YOLOv9 alcanza una mayor precisión (mAP) en cada tamaño comparable y utiliza menos parámetros en todas las escalas. Sin embargo, Ultralytics YOLOv8 ofrece una mayor velocidad de inferencia en GPU: por ejemplo, 1,47 ms para YOLOv8n frente a 2,3 ms para YOLOv9t al compilar con TensorRT, y se exporta fácilmente a formatos como ONNX. Para las aplicaciones que requieren una alta tasa de fotogramas por segundo (FPS) en hardware de borde con recursos limitados, como una Raspberry Pi o chips móviles antiguos, las variantes n y s de YOLOv8 ofrecen un equilibrio de rendimiento práctico.
Eficiencia del entrenamiento e integración con el ecosistema#
Elegir un modelo implica algo más que consultar tablas de precisión: la experiencia de desarrollo es igual de importante.
La ventaja de Ultralytics: facilidad de uso#
Entrenar YOLOv9 suele requerir clonar repositorios complejos de GitHub, gestionar con cuidado los entornos de PyTorch y configurar manualmente los pesos de las pérdidas auxiliares.
En cambio, Ultralytics YOLOv8 cuenta con el respaldo de una API de Python optimizada. Diseñada para facilitar el uso, gestiona de forma nativa el aumento de datos, el registro (con herramientas como Weights & Biases y Comet ML) y el entrenamiento con varias GPU.
from ultralytics import YOLO
# Carga un modelo YOLOv8 small preentrenado
model = YOLO("yolov8s.pt")
# Entrena el modelo de forma eficiente con datos personalizados
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Expórtalo para su despliegue en dispositivos edge
model.export(format="engine", quantize=16) # Exportación a TensorRTEsta API única reduce el tiempo necesario para pasar del prototipo a producción. Además, YOLOv8 suele necesitar menos memoria CUDA durante el entrenamiento, lo que permite a los desarrolladores usar tamaños de lote mayores en hardware de consumo.
Versatilidad en las tareas#
Aunque YOLOv9 es un excelente detector de cajas delimitadoras, la IA de visión en el mundo real suele requerir más. YOLOv8 admite de forma nativa la segmentación de instancias, la clasificación de imágenes, la estimación de poses y las cajas delimitadoras orientadas (OBB). Usar un único framework para varias tareas reduce la complejidad del software y la carga de mantenimiento.
Si estás empezando un proyecto nuevo, quizá también quieras evaluar Ultralytics YOLO11 o YOLO26, el modelo recomendado actualmente, que ofrece la opción de inferencia integral sin NMS.
Casos de uso reales#
¿Cómo se comportan estos modelos en producción?
Drones autónomos y robótica#
Para la robótica que requiere esquivar obstáculos con rapidez, YOLOv8 es la opción preferida. La baja latencia de YOLOv8n ayuda a los sistemas autónomos a reaccionar a su entorno en tiempo real y evitar colisiones. La exportación nativa a OpenVINO y CoreML facilita la implementación en los chips de bajo consumo habituales en los drones comerciales.
Detección de defectos de alta resolución#
En entornos de fabricación especializados donde es fundamental detectar anomalías microscópicas y se acepta el procesamiento sin conexión, YOLOv9 puede ser eficaz. La arquitectura PGI ayuda a la red a conservar los detalles visuales precisos necesarios para identificar grietas finas o errores de soldadura en placas de circuito impreso.
Comercio minorista inteligente y análisis de seguridad#
Para seguir a los clientes por los pasillos de una tienda o gestionar sistemas de pago automatizados, YOLOv8 ofrece el mejor equilibrio. Su capacidad para ejecutar simultáneamente la detección y el seguimiento de varios objetos mediante algoritmos estándar como BoT-SORT lo convierte en una solución robusta para despliegues comerciales con varias cámaras.
Casos de uso y recomendaciones#
La elección entre YOLOv8 y YOLOv9 depende de los requisitos específicos de tu proyecto, las limitaciones del despliegue y tus preferencias respecto al ecosistema.
Cuándo elegir YOLOv8#
YOLOv8 es una buena opción para:
- Implementación versátil de múltiples tareas: Proyectos que necesitan un modelo probado para detección, segmentación, clasificación y estimación de poses dentro del ecosistema de Ultralytics.
- Sistemas de producción consolidados: Entornos de producción existentes basados en la arquitectura YOLOv8, con canalizaciones de implementación estables y bien probadas.
- Amplio respaldo de la comunidad y del ecosistema: Aplicaciones que se benefician de los numerosos tutoriales de YOLOv8, las integraciones de terceros y los recursos de una comunidad activa.
Cuándo elegir YOLOv9#
YOLOv9 se recomienda para:
- Investigación sobre cuellos de botella de información: Proyectos académicos que estudian las arquitecturas de información de gradiente programable (PGI) y de red de agregación de capas eficiente generalizada (GELAN).
- Estudios de optimización del flujo de gradiente: Investigaciones centradas en comprender y mitigar la pérdida de información en las capas profundas de la red durante el entrenamiento.
- Evaluación comparativa de detección de alta precisión: Situaciones en las que el sólido rendimiento de YOLOv9 en las pruebas de referencia de COCO sirve como referencia para comparar arquitecturas.
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 requieren una inferencia constante y de baja latencia, sin la complejidad del posprocesamiento de supresión no máxima (NMS).
- Entornos que solo usan CPU: Dispositivos sin aceleración de GPU dedicada, en los que la inferencia en CPU de YOLO26n, hasta un 43 % más rápida que la de YOLO11n, ofrece una ventaja decisiva.
- 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.
La siguiente evolución: YOLO26#
Aunque YOLOv8 y YOLOv9 son modelos capaces, el panorama de la IA evoluciona rápidamente. Para los proyectos nuevos, YOLO26, lanzado en enero de 2026, aprovecha las fortalezas de estas generaciones anteriores.
YOLO26 incorpora un diseño opcional sin NMS de extremo a extremo (nms=False) que elimina el posprocesamiento con NMS, simplifica la implementación y hace que la latencia sea más predecible. Con el optimizador MuSGD, ProgLoss + STAL (pérdida progresiva y asignación de etiquetas consciente de los objetos pequeños) y la eliminación de DFL (se elimina Distribution Focal Loss para simplificar la exportación y mejorar la compatibilidad con dispositivos de borde y de bajo consumo), YOLO26n ofrece una inferencia en CPU hasta un 43 % más rápida que YOLO11n y mejora la detección de objetos pequeños. YOLO26 es el punto de partida recomendado para proyectos de computación en el borde.
En resumen, aunque YOLOv9 ofrece valiosas innovaciones arquitectónicas y una excelente precisión máxima, Ultralytics YOLOv8 sigue siendo una opción práctica, versátil y con un buen nivel de soporte para la mayoría de los ingenieros de visión artificial que quieren lanzar software fiable rápidamente.
Comentarios
Haz una pregunta, comparte tus resultados o ayuda a otra persona.