YOLOv9 vs YOLOv7#
La evolución de la detección de objetos en tiempo real ha estado impulsada por una búsqueda continua para equilibrar la eficiencia computacional con una alta precisión. Dos arquitecturas emblemáticas en este recorrido son YOLOv9 y YOLOv7, ambas desarrolladas por investigadores del Instituto de Información Science de la Academia Sinica en Taiwán. Mientras que YOLOv7 introdujo un revolucionario conjunto de mejoras entrenables (bag-of-freebies), el más reciente YOLOv9 aborda de forma directa los cuellos de botella de información en el aprendizaje profundo.
Esta comparativa técnica exhaustiva explora las diferencias arquitectónicas, las métricas de rendimiento y los escenarios de despliegue ideales para ambos modelos, ayudando a los ingenieros de ML y a los investigadores a elegir la herramienta adecuada para sus flujos de trabajo de visión artificial.
Comparación de rendimiento y métricas#
Al comparar estos modelos, el rendimiento bruto y la eficiencia son factores críticos. La siguiente tabla detalla la precisión media media (mAP) y los requisitos computacionales para los benchmarks estándar del conjunto de datos COCO.
| Modelo | tamaño (píxeles) | mAPval 50-95 | Velocidad CPU ONNX (ms) | Velocidad T4 TensorRT10 (ms) | params (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv9t | 640 | 38.3 | - | 2.3 | 2.0 | 7.7 |
| YOLOv9s | 640 | 46.8 | - | 3.54 | 7.1 | 26.4 |
| YOLOv9m | 640 | 51.4 | - | 6.43 | 20.0 | 76.3 |
| YOLOv9c | 640 | 53.0 | - | 7.16 | 25.3 | 102.1 |
| YOLOv9e | 640 | 55.6 | - | 16.77 | 57.3 | 189.0 |
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
Observa cómo YOLOv9c alcanza aproximadamente la misma precisión (53.0 mAP) que YOLOv7x (53.1 mAP) utilizando significativamente menos parámetros (25.3M frente a 71.3M) y FLOPs. Esto demuestra las mejoras en el equilibrio de rendimiento en las arquitecturas modernas.
YOLOv9: resolviendo el cuello de botella de información#
Introducido a principios de 2024, YOLOv9 cambió fundamentalmente la forma en que las redes neuronales profundas retienen datos a través de sus capas.
- Autores: Chien-Yao Wang y Hong-Yuan Mark Liao
- Organización: Institute of Information Science, Academia Sinica
- Fecha: 21 de febrero de 2024
- Recursos: Artículo en Arxiv | Repositorio de GitHub
Innovaciones en la arquitectura#
YOLOv9 introduce la Generalized Efficient Layer Aggregation Network (GELAN) y la Programmable Gradient Information (PGI). GELAN combina las fortalezas de CSPNet y ELAN para optimizar la eficiencia de los parámetros y el coste computacional, asegurando una alta precisión con un menor número de parámetros. PGI es un marco de supervisión auxiliar diseñado para evitar la pérdida de datos en redes profundas, generando gradientes fiables para actualizar los pesos durante el proceso de entrenamiento.
Puntos fuertes y limitaciones#
La principal fortaleza de YOLOv9 es su capacidad para extraer características sutiles sin una sobrecarga computacional inmensa, lo que lo hace increíblemente capaz para tareas que requieren una alta fidelidad de características, como el análisis de imágenes médicas. Sin embargo, la compleja estructura PGI durante el entrenamiento puede hacer que las modificaciones arquitectónicas personalizadas sean más difíciles para los principiantes en comparación con marcos más unificados.
YOLOv7: El pionero de los "bag-of-freebies"#
Lanzado en 2022, YOLOv7 estableció un nuevo referente de lo que era posible en hardware de consumo, introduciendo innovaciones estructurales que impulsaron significativamente las velocidades de inferencia en tiempo real.
- Autores: Chien-Yao Wang, Alexey Bochkovskiy y Hong-Yuan Mark Liao
- Organización: Institute of Information Science, Academia Sinica
- Fecha: 6 de julio de 2022
- Recursos: Artículo en Arxiv | Repositorio de GitHub
Innovaciones en la arquitectura#
La contribución principal de YOLOv7 es la Extended Efficient Layer Aggregation Network (E-ELAN). Esta arquitectura permite al modelo aprender características más diversas de forma continua. Además, YOLOv7 emplea "bag-of-freebies entrenables": técnicas como convoluciones reparametrizadas planificadas y asignación dinámica de etiquetas. Estos métodos mejoran la precisión del modelo durante el entrenamiento sin añadir costes de inferencia durante el despliegue.
Puntos fuertes y limitaciones#
YOLOv7 está altamente optimizado para el procesamiento en el borde (edge) en tiempo real y sigue siendo un elemento básico en sistemas heredados y entornos CUDA más antiguos. Su principal limitación hoy en día es su mayor tamaño de parámetros en comparación con los modelos más nuevos. Como se muestra en la tabla de rendimiento, lograr la máxima precisión requiere el modelo pesado YOLOv7x, que demanda sustancialmente más memoria de GPU que las arquitecturas modernas equivalentes.
La ventaja de Ultralytics: Despliegue optimizado#
Aunque los repositorios de investigación originales para YOLOv9 y YOLOv7 proporcionan excelentes bases académicas, desplegar estos modelos en entornos de producción puede ser complejo. Integrarlos a través del paquete ultralytics ofrece una facilidad de uso inigualable.
Al utilizar la plataforma de Ultralytics integrada, los desarrolladores se benefician de un ecosistema bien mantenido que cuenta con una API de Python intuitiva, soporte activo de la comunidad y un sólido seguimiento de experimentos.
Preparado para el futuro con YOLO26#
Si estás empezando un nuevo proyecto de visión artificial, te recomendamos encarecidamente explorar el recién lanzado YOLO26 por encima de YOLOv9 y YOLOv7. Lanzado como el nuevo estándar de vanguardia, YOLO26 aporta avances revolucionarios:
- Diseño de extremo a extremo sin NMS: Elimina el postprocesamiento de Non-Maximum Suppression, reduciendo drásticamente la complejidad y la latencia del despliegue.
- Hasta un 43% más de velocidad de inferencia en CPU: Optimizado para entornos de computación en el borde, asegurando que tu aplicación funcione sin problemas incluso sin GPUs dedicadas.
- Optimizador MuSGD: Un optimizador híbrido inspirado en el entrenamiento de LLM, que ofrece una convergencia altamente estable y reduce el tiempo de entrenamiento.
- Eliminación de DFL: Exportación de modelos simplificada al eliminar la Distribution Focal Loss, mejorando la compatibilidad con dispositivos móviles de baja potencia.
- ProgLoss + STAL: Mejora drásticamente el rendimiento en la detección de objetos pequeños, convirtiéndolo en la opción principal para imagery aérea y vigilancia.
Otras alternativas populares dentro del ecosistema incluyen Ultralytics YOLOv8 y YOLO11, los cuales ofrecen una versatilidad masiva en tareas como la segmentación de instancias y la estimación de poses.
Ejemplo de implementación#
Entrenar y exportar cualquiera de estas arquitecturas es increíblemente sencillo con la API unificada. El código a continuación demuestra la característica de Eficiencia de Entrenamiento simplificada de las herramientas de Ultralytics.
from ultralytics import YOLO
# Initialize YOLOv9 or the recommended YOLO26 model
model = YOLO("yolov9c.pt") # Swap with "yolo26n.pt" for faster edge performance
# Train on a custom dataset with built-in data augmentation
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, batch=16, device=0)
# Export the trained model to ONNX format for deployment
model.export(format="onnx")Al entrenar en hardware de grado de consumo, la eficiencia de memoria es crucial. Las implementaciones de Ultralytics de YOLOv9 y YOLO26 están altamente optimizadas para reducir los picos de VRAM, a diferencia de los modelos basados en Transformer (como RT-DETR) que a menudo sufren de un grave exceso de memoria durante el entrenamiento.
Aplicaciones del mundo real y casos de uso ideales#
Elegir entre estas arquitecturas a menudo se reduce a las restricciones específicas de tu entorno de producción.
Cuándo usar YOLOv9: YOLOv9 destaca en entornos donde es necesaria la retención de detalles mínimos. Su robusta extracción de características lo hace ideal para analítica minorista para contar productos densamente empaquetados en estantes o para aplicaciones agrícolas donde identificar enfermedades de cultivos en etapa temprana en hojas pequeñas es fundamental.
Cuándo usar YOLOv7: YOLOv7 sigue siendo un fuerte candidato para flujos de trabajo de despliegue heredados. Si estás integrando en sistemas de hardware más antiguos (como ciertas generaciones de la Google Coral Edge TPU), la sencilla arquitectura CNN de YOLOv7 puede ser más fácil de compilar que las ramas de gradiente más complejas de los modelos más nuevos.
Cuándo usar YOLO26 (Recomendado): Para cualquier despliegue moderno —desde drones autónomos hasta gestión de tráfico en ciudades inteligentes— YOLO26 es la opción superior. Su arquitectura sin NMS garantiza tiempos de inferencia deterministas, lo cual es esencial para la robótica crítica para la seguridad, mientras que su alta precisión supera a YOLOv9 y YOLOv7 en todos los aspectos.