Empezar

YOLOv9 frente a YOLOv10

El panorama de la visión artificial en tiempo real ha avanzado rápidamente a medida que los investigadores siguen mejorando el equilibrio entre rendimiento y eficiencia. En la evolución de los modelos de visión más avanzados, YOLOv9 y YOLOv10 son dos hitos importantes. Ambos modelos, lanzados a principios de 2024, introdujeron cambios arquitectónicos importantes para abordar problemas persistentes de las redes neuronales profundas, desde los cuellos de botella de información hasta la latencia del posprocesamiento.

Esta comparación técnica analiza sus arquitecturas, métricas de rendimiento y escenarios de implementación ideales para ayudarte a elegir el modelo de detección de objetos adecuado.

Orígenes y arquitectura del modelo#

Comprender el linaje y los fundamentos teóricos de estos modelos es esencial para elegir la arquitectura adecuada para tu proyecto específico de visión artificial.

YOLOv9: dominar el flujo de información#

Presentado el 21 de febrero de 2024, YOLOv9 aborda el problema teórico de la pérdida de información a medida que los datos pasan por redes neuronales profundas.

YOLOv9 introduce la red de agregación de capas eficiente generalizada (GELAN), que maximiza el aprovechamiento de los parámetros al combinar las ventajas de CSPNet y ELAN. Además, emplea la información de gradiente programable (PGI), un mecanismo de supervisión auxiliar que garantiza que las capas profundas conserven información espacial esencial. Esto hace que YOLOv9 sea eficaz en tareas que exigen una gran fidelidad de las características, como el análisis de imágenes médicas o la vigilancia a distancia.

Más información sobre YOLOv9

YOLOv10: eficiencia integral en tiempo real#

Lanzado poco después, el 23 de mayo de 2024, YOLOv10 simplifica la canalización de implementación al eliminar un conocido cuello de botella de latencia en la detección de objetos: la supresión no máxima (NMS).

YOLOv10 utiliza asignaciones duales coherentes durante el entrenamiento, lo que permite un diseño sin NMS nativo. Esto elimina la carga del posprocesamiento durante la inferencia y reduce la latencia. Combinado con un diseño de modelo integral que impulsa la eficiencia y la precisión, YOLOv10 logra un buen equilibrio: reduce la carga computacional (FLOPs) y mantiene una precisión competitiva, por lo que resulta atractivo para aplicaciones de computación edge.

Más información sobre YOLOv10

Comparativa de rendimiento y métricas#

Al evaluar estas dos familias de modelos con el conjunto de datos estándar MS COCO, surgen diferencias claras entre la precisión pura y la latencia de inferencia.

Modelotamaño
(píxeles)
mAPval50-95Velocidad
CPU ONNX
(ms)
Velocidad
T4 TensorRT10
(ms)
parámetros
(M)
FLOPs
(B)
YOLOv9t64038.3-2.32.07.7
YOLOv9s64046.8-3.547.226.7
YOLOv9m64051.4-6.4320.176.8
YOLOv9c64053.0-7.1625.5102.8
YOLOv9e64055.6-16.7758.1192.5
YOLOv10n64038.5-1.842.36.7
YOLOv10s64046.3-2.497.221.6
YOLOv10m64051.1-4.7415.459.1
YOLOv10b64052.5-5.7419.192.0
YOLOv10l64053.2-7.2824.4120.3
YOLOv10x64054.4-10.7029.5160.4

Análisis de los datos#

  1. Latencia frente a precisión: los modelos YOLOv10 suelen ofrecer una inferencia más rápida. Por ejemplo, YOLOv10s alcanza un 46,3 % de mAP en solo 2,49 ms con TensorRT, frente a YOLOv9s, que necesita 3,54 ms para obtener un 46,8 % de mAP, una cifra similar.
  2. Precisión de primer nivel: Para escenarios de investigación que exigen la máxima precisión de detección, YOLOv9e sigue siendo una opción sólida: alcanza un 55,6 % de mAP, y PGI le ayuda a extraer características sutiles de forma fiable.
  3. Eficiencia: YOLOv10 destaca por su eficiencia en FLOPs. Esto se traduce directamente en un menor consumo energético, un factor crucial para dispositivos con batería que ejecutan modelos de IA visual.
Consejo de despliegue

Si vas a desplegar el modelo en CPU o en hardware periférico con recursos limitados, como una Raspberry Pi, la arquitectura de YOLOv10 sin NMS suele ofrecer un flujo de procesamiento más fluido, ya que elimina los pasos de posprocesamiento con latencia variable.

La ventaja de Ultralytics: entrenamiento y ecosistema#

Aunque las diferencias arquitectónicas son fundamentales, el ecosistema de software que las rodea suele determinar el éxito de un proyecto. Tanto YOLOv9 como YOLOv10 están plenamente integrados en el ecosistema de Ultralytics, lo que ofrece una experiencia de desarrollo coherente.

Facilidad de uso y eficiencia de memoria#

A diferencia de las complejas arquitecturas basadas en Transformer, que pueden requerir grandes cantidades de memoria, los modelos Ultralytics YOLO están diseñados para usar la memoria de la GPU de forma eficiente. Esto permite a los investigadores utilizar tamaños de lote mayores en hardware de consumo y hace accesible la IA de vanguardia.

La API unificada de Python gestiona las complejidades del aumento de datos y el ajuste de hiperparámetros. Puedes cambiar de arquitectura modificando la cadena del archivo de pesos.

from ultralytics import YOLO

# Cargar un modelo YOLOv10 (cámbialo fácilmente por "yolov9c.pt" para usar YOLOv9)
model = YOLO("yolov10n.pt")

# Entrena el modelo con el conjunto de datos COCO8
results = model.train(data="coco8.yaml", epochs=50, imgsz=640, device=0)

# Valida el rendimiento del modelo
metrics = model.val()

# Exporta el modelo entrenado al formato ONNX para implementarlo
model.export(format="onnx")

Tanto si necesitas registrar métricas en MLflow como exportar a TensorRT para desplegar el modelo en hardware de alta velocidad, el paquete de Python de Ultralytics lo hace de forma nativa.

Casos de uso ideales#

La elección entre estos modelos depende de tus limitaciones de despliegue:

Prepararse para el futuro: el salto a YOLO26#

Aunque YOLOv8, YOLOv9 y YOLOv10 son modelos excelentes, los desarrolladores que quieran crear soluciones de IA modernas deberían considerar Ultralytics YOLO26, lanzado en enero de 2026.

YOLO26 se basa en las generaciones anteriores y combina la eficiencia sin NMS de YOLOv10 con una precisión superior a la de ambos modelos de esta comparación.

Principales innovaciones de YOLO26#

  • Diseño integral sin NMS: Basándose en los cimientos establecidos por YOLOv10, la cabeza opcional uno a uno de YOLO26 (nms=False) omite el posprocesamiento NMS para simplificar el despliegue.
  • Optimizador MuSGD: Combinación de SGD y Muon que incorpora innovaciones del entrenamiento de LLM a la visión artificial para lograr un entrenamiento estable y una convergencia rápida.
  • Inferencia en CPU hasta un 43 % más rápida: YOLO26n funciona hasta un 43 % más rápido que YOLO11n en CPU, por lo que es adecuado para la computación perimetral y los dispositivos sin GPU dedicada.
  • Eliminación de DFL: Se ha eliminado Distribution Focal Loss para simplificar la exportación de modelos y mejorar la compatibilidad con dispositivos de bajo consumo.
  • ProgLoss + STAL: La pérdida progresiva y la asignación de etiquetas consciente de los objetos pequeños (STAL) mejoran la detección de objetos pequeños.

Para los investigadores que evalúan otras arquitecturas, RT-DETR y YOLO11 también son alternativas bien documentadas dentro del ecosistema de Ultralytics. Sin embargo, para disfrutar de versatilidad en todas las tareas de visión, la opción recomendada para los nuevos proyectos es YOLO26 en Ultralytics Platform.

Comentarios

Haz una pregunta, comparte tus resultados o ayuda a otra persona.