Empezar

YOLOv9 frente a YOLOv6-3.0

La evolución de la detección de objetos en tiempo real ha estado impulsada por las continuas innovaciones en las arquitecturas de redes neuronales, que buscan equilibrar la velocidad de inferencia, la precisión y la eficiencia computacional. Para que desarrolladores e investigadores se orienten en el amplio panorama de los frameworks de visión artificial, es esencial comparar las arquitecturas líderes y elegir la herramienta adecuada para cada tarea.

Esta guía técnica compara dos modelos capaces: YOLOv9, conocido por conservar la información en redes profundas, y YOLOv6-3.0, un modelo diseñado para aplicaciones industriales.

Descripción general de YOLOv9: máxima conservación de características#

Presentado a principios de 2024, YOLOv9 aborda uno de los retos más persistentes de las redes neuronales profundas: la pérdida de información durante la propagación hacia delante. Al mantener la fiabilidad de los gradientes y ayudar a los mapas de características a conservar datos cruciales, mejora la precisión.

  • Autores: Chien-Yao Wang y Hong-Yuan Mark Liao
  • Organización: Institute of Information Science, Academia Sinica, Taiwán
  • Fecha: 21 de febrero de 2024
  • Enlaces: Artículo de arXiv, Repositorio de GitHub

Arquitectura y metodologías#

YOLOv9 introduce el concepto de información de gradiente programable (PGI), junto con la red generalizada de agregación eficiente de capas (GELAN). PGI aborda el cuello de botella de información mediante una supervisión auxiliar que garantiza que la red principal aprenda características sólidas y fiables sin añadir sobrecarga durante la inferencia. Por su parte, GELAN optimiza el aprovechamiento de los parámetros y permite al modelo alcanzar una precisión media promedio (mAP) de vanguardia, manteniendo controlado el coste computacional. Esto lo convierte en una opción sólida para el análisis de imágenes médicas o la detección de objetos extremadamente pequeños, donde la fidelidad de las características es fundamental.

Más información sobre YOLOv9

Descripción general de YOLOv6-3.0: diseñado para la industria a gran escala#

Desarrollado por Meituan, YOLOv6-3.0 (también llamado v3.0) está diseñado desde cero para aplicaciones industriales exigentes. Lanzado a principios de 2023, se centra en la eficiencia del despliegue y ofrece una gama de modelos compatibles con la cuantización que funcionan bien en hardware periférico.

  • Autores: Chuyi Li, Lulu Li, Yifei Geng, Hongliang Jiang, Meng Cheng, Bo Zhang, Zaidan Ke, Xiaoming Xu y Xiangxiang Chu
  • Organización: Meituan
  • Fecha: 13 de enero de 2023
  • Enlaces: Artículo de arXiv, Repositorio de GitHub

Arquitectura y metodologías#

YOLOv6-3.0 se distingue por sus estrategias RepOptimizer y de entrenamiento asistido por anclajes (AAT). El modelo utiliza un diseño de red neuronal consciente del hardware, inspirado en RepVGG, que permite ejecutarlo muy rápidamente en GPU durante la inferencia mediante la fusión de capas. La actualización 3.0 perfeccionó aún más la arquitectura al introducir un módulo de concatenación bidireccional (BiC) para mejorar la precisión de localización. Gracias a su alto nivel de optimización para formatos de despliegue como TensorRT y OpenVINO, YOLOv6-3.0 se utiliza con frecuencia en logística, automatización de la fabricación y entornos de servidores de alto rendimiento.

Más información sobre YOLOv6-3.0

Comparativa de rendimiento#

Al evaluar estos modelos en el conjunto de datos estándar COCO, se observan claras diferencias entre la precisión y la velocidad de inferencia bruta.

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
YOLOv6-3.0n64037.5-1.174.711.4
YOLOv6-3.0s64045.0-2.6618.545.3
YOLOv6-3.0m64050.0-5.2834.985.8
YOLOv6-3.0l64052.8-8.9559.6150.7

Análisis técnico#

Aunque YOLOv6-3.0n se impone en velocidad bruta en hardware T4 (1,17 ms), YOLOv9t logra un mAP ligeramente superior (38,3 %) con menos de la mitad de parámetros (2,0 M frente a 4,7 M) y muchos menos FLOPs. Para requisitos complejos de alta precisión, el modelo de mayor tamaño, YOLOv9e, alcanza un 55,6 % de mAP, lo que demuestra la potencia de la arquitectura PGI en redes profundas.

Prepara tu proyecto para el futuro con YOLO26

Si vas a iniciar un proyecto de visión artificial, Ultralytics recomienda YOLO26. Lanzado en enero de 2026, incorpora un diseño de extremo a extremo sin NMS nativo (nms=False) que elimina la latencia del posprocesamiento de la supresión no máxima (NMS), y YOLO26n ofrece una inferencia en CPU hasta un 43 % más rápida que YOLO11n.

La ventaja del ecosistema Ultralytics#

Independientemente de la filosofía arquitectónica que prefieras, implementar los modelos de forma nativa mediante la API de Python de Ultralytics te ofrece una experiencia de desarrollo coherente.

Facilidad de uso y eficiencia del entrenamiento#

Tradicionalmente, entrenar modelos complejos de aprendizaje profundo requiere mucho código repetitivo. Ultralytics Platform y el paquete de Python se ocupan de estas complejidades. Tanto si ajustas YOLOv9 para la detección de defectos como si exportas YOLOv6 para aplicaciones móviles, el flujo de trabajo es el mismo.

Durante el entrenamiento, las arquitecturas de Ultralytics también suelen tener menores requisitos de memoria CUDA que los modelos más pesados basados en Transformer. Esto permite a los desarrolladores utilizar tamaños de lote mayores en GPU de consumo y mejorar la eficiencia del entrenamiento.

from ultralytics import YOLO

# Cambia fácilmente de arquitectura modificando la cadena del archivo del modelo
# model = YOLO("yolov6n.yaml")  # YOLOv6 está disponible como configuración YAML (sin pesos preentrenados)
model = YOLO("yolov9c.pt")

# Entrena el modelo con la ampliación de datos y el almacenamiento en caché integrados
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device="0")

# Exporta a ONNX o TensorRT
model.export(format="engine", quantize=16)

Versatilidad en distintas tareas de visión#

Aunque YOLOv6-3.0 está muy optimizado para generar cajas delimitadoras rápidamente, los proyectos modernos de visión artificial suelen requerir un enfoque multitarea. Los modelos Ultralytics destacan por su versatilidad. Con modelos como Ultralytics YOLOv8 y el nuevo YOLO26, un único framework permite gestionar la detección de objetos, la segmentación de instancias, la clasificación de imágenes, la estimación de poses y las cajas delimitadoras orientadas (OBB).

Presentamos YOLO26: el nuevo estándar#

Para las organizaciones que quieren maximizar tanto el rendimiento como la facilidad de despliegue, YOLO26 ofrece una combinación sólida de velocidad y precisión.

Sobre la base de los logros de YOLO11, YOLO26 incorpora varias funciones nuevas:

  • Optimizador MuSGD: Inspirada en técnicas de entrenamiento de modelos de lenguaje grandes (LLM), como Kimi K2 de Moonshot AI, esta combinación de SGD y Muon proporciona un entrenamiento estable y una convergencia rápida.
  • Eliminación de DFL: Al eliminar la pérdida focal de distribución, YOLO26 simplifica el grafo de exportación y mejora la compatibilidad con los chips de computación perimetral 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, algo fundamental para las operaciones con drones y las aplicaciones del IoT.
  • Mejoras específicas para cada tarea: YOLO26 incluye un módulo prototipo multiescala para la segmentación, estimación residual de verosimilitud logarítmica (RLE) para la estimación de poses y una pérdida angular especializada que resuelve problemas de límites en la detección OBB.

Escenarios de despliegue ideales#

En última instancia, la elección de la arquitectura adecuada depende de las limitaciones de tu entorno de producción.

Elige YOLOv6-3.0 si ya tienes un flujo de trabajo establecido en la fabricación industrial, dependes mucho de la cuantización y utilizas aceleradores de inferencia especializados para los que necesitas la menor latencia posible en el hardware.

Elige YOLOv9 si trabajas en diagnósticos sanitarios complejos o en vigilancia de largo alcance, donde no puedes pasar por alto características sutiles a nivel de píxel.

Sin embargo, para un enfoque equilibrado que combine una gran precisión con un despliegue simplificado y sin NMS, Ultralytics YOLO26 es la opción recomendada para la ingeniería moderna de visión artificial, con el respaldo de un desarrollo activo, documentación completa y asistencia de la comunidad.

Colaboradores

Comentarios

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