YOLOv9 frente a YOLO11#

La rápida evolución de la visión artificial ha ampliado continuamente los límites de lo posible en la detección de objetos en tiempo real. Al comparar las principales arquitecturas, YOLOv9 y Ultralytics YOLO11 destacan como avances monumentales, cada uno orientado a necesidades técnicas distintas. YOLOv9 introdujo nuevas formas de preservar el flujo del gradiente durante el entrenamiento de redes profundas, mientras que YOLO11 revolucionó el ecosistema de visión de propósito general con una eficiencia, versatilidad y facilidad de uso incomparables.

Esta completa comparativa técnica analiza sus arquitecturas, métricas de rendimiento, requisitos de memoria y escenarios de implementación ideales para ayudarte a elegir el modelo óptimo para tu próximo proyecto de IA.

Especificaciones técnicas y autoría#

Conocer el linaje de estos modelos aporta un contexto esencial para entender sus decisiones arquitectónicas y dependencias de framework.

YOLOv9#

YOLOv9 puso un gran énfasis académico en los cuellos de botella de información del aprendizaje profundo y dio prioridad a la máxima fidelidad de las características mediante bloques de red personalizados.

• Autores: Chien-Yao Wang y Hong-Yuan Mark Liao
• Organización: Instituto de Ciencias de la Información, Academia Sinica
• Fecha: 21 de febrero de 2024
• Arxiv: https://arxiv.org/abs/2402.13616
• GitHub: https://github.com/WongKinYiu/yolov9

Más información sobre YOLOv9

Ultralytics YOLO11#

YOLO11 se diseñó desde cero para entornos de producción y se centra en equilibrar una precisión de primer nivel, velocidades de implementación reales y versatilidad multitarea.

• Autores: Glenn Jocher y Jing Qiu
• Organización: Ultralytics
• Fecha: 27 de septiembre de 2024
• GitHub: https://github.com/ultralytics/ultralytics

Innovaciones arquitectónicas#

Información de gradiente programable en YOLOv9#

YOLOv9 introduce el concepto de información de gradiente programable (PGI) junto con la red de agregación de capas eficiente generalizada (GELAN). A medida que las redes neuronales se hacen más profundas, suelen sufrir cuellos de botella de información, por los que se pierden detalles importantes durante el proceso de propagación hacia delante. PGI aborda este problema proporcionando actualizaciones fiables del gradiente que conservan la información espacial detallada, mientras que GELAN maximiza la eficiencia de los parámetros. Esto hace que YOLOv9 sea especialmente adecuado para tareas que requieren una gran fidelidad de las características, aunque depende de la supresión no máxima estándar (NMS) durante el posprocesamiento, lo que puede añadir latencia en dispositivos edge.

Eficiencia optimizada en YOLO11#

YOLO11 se basa en años de investigación fundamental para ofrecer una arquitectura muy optimizada. Mejora las versiones anteriores al reducir la sobrecarga computacional y maximizar la extracción de características. YOLO11 sigue utilizando el posprocesamiento estándar con NMS, pero sus cabezales de detección refinados logran un equilibrio extraordinario entre latencia y precisión. Además, YOLO11 ofrece un uso de memoria intrínsecamente menor tanto durante el entrenamiento del modelo como en la inferencia que los pesados modelos Transformer, que suelen tardar más en entrenarse y requieren enormes cantidades de memoria CUDA.

Comparativa de métricas de rendimiento#

Al comparar estos modelos con el conjunto de datos COCO estándar, ambos demuestran capacidades extraordinarias, aunque hay que sopesar la cantidad bruta de parámetros y la velocidad operativa.

A continuación encontrarás un desglose detallado de las métricas de rendimiento de YOLO.

Análisis de los resultados#

1. Velocidad y eficiencia del hardware: YOLO11 supera sistemáticamente a YOLOv9 en velocidad de inferencia. Por ejemplo, YOLO11n alcanza unos asombrosos 1,5 ms en una GPU NVIDIA T4 con TensorRT, por lo que resulta muy adecuado para pipelines con estrictos requisitos de tiempo real.
2. Requisitos de cálculo: los modelos YOLO11 suelen requerir menos FLOPs (por ejemplo, 68,1B para YOLO11m frente a 76,8B para YOLOv9m), lo que se traduce en un menor consumo energético en dispositivos edge alimentados por batería, como Raspberry Pi, o en dispositivos móviles.
3. Precisión equivalente: aunque YOLOv9e supera ligeramente a YOLO11x en mAP absoluto (55,6 frente a 54,7), YOLO11 alcanza su máxima precisión con una latencia considerablemente menor (11,3 ms frente a 16,77 ms), lo que ofrece un equilibrio de rendimiento más favorable para implementaciones reales.

Ecosistema y facilidad de uso#

Aunque las métricas brutas son importantes, el ecosistema del framework suele determinar el éxito de un proyecto. Aquí es donde realmente destaca la ventaja de Ultralytics.

El repositorio original de YOLOv9 está muy especializado y ofrece una implementación de investigación de vanguardia. Sin embargo, la plataforma de Ultralytics y su paquete de código abierto correspondiente ofrecen una experiencia de usuario más sencilla, una API simple y documentación extensa que reduce drásticamente el tiempo de comercialización.

Versatilidad multitarea#

YOLOv9 se centra principalmente en la detección de cajas delimitadoras. En cambio, YOLO11 es una solución unificada y potente para múltiples tareas que admite de forma nativa:

• Segmentación de instancias
• Estimación de pose
• Cajas delimitadoras orientadas (OBB)
• Clasificación de imágenes

Implementación sencilla#

El ecosistema de Ultralytics permite a los desarrolladores exportar modelos fácilmente a distintos formatos con una sola línea de código Python. Tanto si el destino es ONNX, OpenVINO, LiteRT o CoreML, pasar del entrenamiento a producción es muy sencillo.

from ultralytics import YOLO

# Carga un modelo YOLO11 de gran eficiencia
model = YOLO("yolo11n.pt")

# Entrena rápidamente con un conjunto de datos personalizado y un uso mínimo de memoria
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Exporta el modelo entrenado a OpenVINO para acelerar la CPU Intel
model.export(format="openvino")

Casos de uso ideales#

Cuándo utilizar YOLOv9#

YOLOv9 es una herramienta fantástica para entornos centrados en la investigación o situaciones que priorizan una fidelidad extrema de las características y en las que la latencia del hardware no es la principal limitación. Su arquitectura GELAN puede ser muy ventajosa en el análisis de imágenes médicas, donde es fundamental detectar las variaciones de píxel más pequeñas.

Por qué YOLO11 es la mejor opción#

Para desarrolladores, ingenieros y equipos de producción, YOLO11 es muy recomendable. Destaca en entornos que exigen una implementación escalable y de alta velocidad:

• Analítica para comercios inteligentes: sigue productos y clientes sin interrupciones con procesadores Intel estándar.
• Drones autónomos: las arquitecturas con pocos FLOPs alargan la duración de la batería sin renunciar a una detección sólida de objetos pequeños.
• Proyectos dinámicos: flujos de trabajo que pueden empezar con la detección y evolucionar para requerir estimación de pose o segmentación más adelante.

De cara al futuro: la siguiente evolución#

Aunque YOLO11 representa el estado del arte de su generación, el panorama de la visión artificial sigue avanzando. Quienes exploren los límites de la IA también deberían prestar atención a YOLO26.

YOLO26, que lleva más allá el diseño de extremo a extremo sin NMS explorado por primera vez en YOLOv10, incorpora el optimizador MuSGD (un híbrido de SGD y Muon) para lograr una estabilidad de entrenamiento sin precedentes. Al eliminar la pérdida focal de distribución (DFL) para simplificar la exportación y añadir mecanismos de pérdida avanzados como ProgLoss y STAL, YOLO26 consigue una inferencia en CPU hasta un 43 % más rápida. Para proyectos actuales, ofrece la combinación definitiva de innovación académica y fiabilidad lista para producción. Además, gracias a la API unificada de Ultralytics, los equipos que actualicen sistemas antiguos como Ultralytics YOLOv8 podrán pasarse a YOLO26 o YOLO11 sin fricciones.