YOLOv9 frente a YOLOv7
La evolución de la detección de objetos en tiempo real ha sido impulsada por el esfuerzo constante por equilibrar la eficiencia computacional y una alta precisión. YOLOv9 y YOLOv7 son dos arquitecturas emblemáticas de esta evolución, ambas desarrolladas por investigadores del Instituto de Ciencias de la Información de Academia Sinica, en Taiwán. Mientras que YOLOv7 introdujo el enfoque de bolsa de recursos gratuitos entrenable, el nuevo YOLOv9 aborda directamente los cuellos de botella de información del aprendizaje profundo.
Esta comparación técnica analiza las diferencias arquitectónicas, las métricas de rendimiento y los escenarios de despliegue ideales de ambos modelos para ayudar a los ingenieros de ML y a los investigadores a elegir la herramienta adecuada para sus flujos de trabajo de visión artificial.
Comparativa de rendimiento y métricas#
Al comparar estos modelos, el rendimiento bruto y la eficiencia son factores fundamentales. La siguiente tabla detalla la precisión media promedio (mAP) y los requisitos computacionales en la prueba de referencia del conjunto de datos estándar COCO.
| Modelo | tamaño (píxeles) | mAPval50-95 | Velocidad CPU ONNX (ms) | Velocidad T4 TensorRT10 (ms) | parámetros (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| 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 |
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
Fíjate en que YOLOv9c alcanza prácticamente la misma precisión (53,0 de mAP) que YOLOv7x (53,1 de mAP), pero utiliza alrededor de un 64 % menos de parámetros (25,5 M frente a 71,3 M) y aproximadamente la mitad de FLOPs (102,8 B frente a 189,9 B). Esto demuestra cuánto han mejorado las arquitecturas modernas el equilibrio entre precisión y eficiencia.
YOLOv9: resolver el cuello de botella de información#
Presentado a principios de 2024, YOLOv9 cambió la forma en que las redes neuronales profundas conservan la información a través de sus capas.
- Autores: Chien-Yao Wang y Hong-Yuan Mark Liao
- Organización: Instituto de Ciencias de la Información, Academia Sinica
- Fecha: 21 de febrero de 2024
- Recursos: artículo de arXiv | repositorio de GitHub
Innovaciones arquitectónicas#
YOLOv9 introduce la red generalizada de agregación eficiente de capas (GELAN) y la información de gradiente programable (PGI). GELAN combina las ventajas de CSPNet y ELAN para optimizar la eficiencia de los parámetros y el coste computacional, y logra una gran precisión con menos parámetros. PGI es un marco de supervisión auxiliar diseñado para evitar la pérdida de datos en redes profundas y generar gradientes fiables para actualizar los pesos durante el entrenamiento.
Puntos fuertes y limitaciones#
La principal ventaja de YOLOv9 es su capacidad para extraer características sutiles sin una gran sobrecarga computacional, lo que lo hace idóneo para tareas que requieren una gran fidelidad de características, como el análisis de imágenes médicas. Sin embargo, la compleja estructura PGI durante el entrenamiento puede dificultar las modificaciones arquitectónicas personalizadas a quienes empiezan, en comparación con los frameworks más unificados.
YOLOv7: pionero en técnicas gratuitas#
Lanzado en 2022, YOLOv7 estableció un nuevo referente en la detección en tiempo real e introdujo innovaciones estructurales que mejoraron considerablemente la velocidad de la inferencia en tiempo real.
- Autores: Chien-Yao Wang, Alexey Bochkovskiy y Hong-Yuan Mark Liao
- Organización: Instituto de Ciencias de la Información, Academia Sinica
- Fecha: 6 de julio de 2022
- Recursos: artículo de arXiv | repositorio de GitHub
Innovaciones arquitectónicas#
La principal aportación de YOLOv7 es la red de agregación de capas eficiente extendida (E-ELAN). Esta arquitectura permite que el modelo aprenda de forma continua características más diversas. Además, YOLOv7 emplea «técnicas gratuitas entrenables», 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 muy optimizado para el procesamiento periférico en tiempo real y sigue siendo un elemento habitual en sistemas heredados y entornos CUDA antiguos. Hoy en día, su principal limitación es el mayor número de parámetros en comparación con los modelos más recientes. Como muestra la tabla de rendimiento, para alcanzar una precisión de primer nivel se necesita el modelo YOLOv7x, que requiere mucha más memoria de GPU que las arquitecturas modernas equivalentes.
La ventaja de Ultralytics: despliegue simplificado#
Aunque los repositorios originales de investigación de YOLOv9 y YOLOv7 ofrecen excelentes bases académicas, desplegar estos modelos en entornos de producción puede resultar complejo. Integrar YOLOv9 mediante el paquete ultralytics (YOLOv7 solo es compatible a través de modelos exportados a ONNX o TensorRT) facilita mucho el despliegue.
Con Ultralytics Platform, los desarrolladores se benefician de un ecosistema bien mantenido, con una API intuitiva de Python, asistencia activa de la comunidad y un sólido seguimiento de experimentos.
Prepararse para el futuro con YOLO26#
Si vas a iniciar un proyecto de visión artificial, Ultralytics recomienda YOLO26, lanzado en enero de 2026, en lugar de YOLOv9 y YOLOv7. YOLO26 incorpora varios avances:
- Diseño de extremo a extremo sin NMS: Un cabezal opcional uno a uno (
nms=False) omite el posprocesamiento de la supresión no máxima (NMS), lo que reduce la complejidad y la latencia del despliegue. - Inferencia en CPU hasta un 43 % más rápida: YOLO26n funciona hasta un 43 % más rápido que YOLO11n en CPU, por lo que las aplicaciones se ejecutan con fluidez en entornos de computación perimetral, incluso sin GPU dedicada.
- Optimizador MuSGD: Combinación de SGD y Muon inspirada en el entrenamiento de LLM, que ofrece una convergencia estable y reduce el tiempo de entrenamiento.
- Eliminación de DFL: Simplifica la exportación del modelo al eliminar Distribution Focal Loss, lo que mejora la compatibilidad con dispositivos móviles 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 que beneficia a las imágenes aéreas y a la vigilancia.
Otras alternativas populares del ecosistema son Ultralytics YOLOv8 y YOLO11, ambos compatibles con varias tareas, como la segmentación de instancias y la estimación de poses.
Ejemplo de implementación#
Como muestra el código siguiente, entrenar y exportar YOLOv9 o YOLO26 es sencillo con la API unificada.
from ultralytics import YOLO
# Inicializa YOLOv9 o el modelo YOLO26 recomendado
model = YOLO("yolov9c.pt") # Cámbialo por "yolo26n.pt" para obtener un mayor rendimiento en dispositivos edge
# Entrena con un conjunto de datos personalizado y la ampliación de datos integrada
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, batch=16, device=0)
# Exporta el modelo entrenado al formato ONNX para implementarlo
model.export(format="onnx")La eficiencia de memoria es crucial al entrenar con hardware de consumo. Las implementaciones de Ultralytics de YOLOv9 y YOLO26 están optimizadas para reducir el uso de VRAM, a diferencia de los modelos basados en Transformer (como RT-DETR), que suelen requerir mucha más memoria durante el entrenamiento.
Aplicaciones reales y casos de uso ideales#
La elección entre estas arquitecturas suele depender de las limitaciones específicas de tu entorno de producción.
Cuándo usar YOLOv9: YOLOv9 destaca en entornos donde es necesario conservar los detalles más precisos. Su sólida extracción de características lo hace idóneo para el análisis minorista, por ejemplo, para contar productos muy juntos en estanterías, o para aplicaciones agrícolas en las que es fundamental identificar enfermedades tempranas en cultivos a partir de hojas pequeñas.
Cuándo usar YOLOv7: YOLOv7 sigue siendo una buena opción para las cadenas de despliegue heredadas. Si vas a integrarlo en sistemas de hardware antiguos (como algunas generaciones de Google Coral Edge TPU), la arquitectura CNN sencilla de YOLOv7 puede ser más fácil de compilar que los modelos más recientes.
Cuándo usar YOLO26 (recomendado): Para cualquier despliegue moderno, desde drones autónomos hasta la gestión del tráfico en ciudades inteligentes, YOLO26 es la mejor opción. Su arquitectura sin NMS proporciona tiempos de inferencia más predecibles, algo importante para la robótica de seguridad crítica, y su precisión supera la de YOLOv9 y YOLOv7 en tamaños comparables.
Comentarios
Haz una pregunta, comparte tus resultados o ayuda a otra persona.