YOLOX frente a YOLO11#
La evolución de la visión por ordenador ha estado impulsada en gran medida por la búsqueda de frameworks de detección de objetos en tiempo real que equilibren una alta precisión con la velocidad de inferencia. Entre los hitos más notables de este recorrido se encuentran YOLOX y Ultralytics YOLO11. Aunque ambos modelos han hecho contribuciones significativas al campo, sus arquitecturas subyacentes, filosofías de diseño y ecosistemas de desarrolladores difieren sustancialmente.
Esta comparativa técnica exhaustiva explora sus arquitecturas, métricas de rendimiento, metodologías de entrenamiento y escenarios de despliegue ideales para ayudarte a tomar una decisión informada en tu próximo proyecto de inteligencia artificial.
Descripción general de YOLOX#
Introducido por los investigadores Zheng Ge, Songtao Liu, Feng Wang, Zeming Li y Jian Sun en Megvii el 18 de julio de 2021, YOLOX representó un cambio significativo en la serie YOLO. Logró cerrar con éxito la brecha entre la investigación académica y la aplicación industrial al introducir un diseño sin anclajes (anchor-free).
Para más antecedentes técnicos, puedes revisar el paper original de YOLOX en arXiv.
Características arquitectónicas clave#
YOLOX se alejó de la detección tradicional basada en anclas al adoptar una cabeza desacoplada y un mecanismo sin anclas. Este diseño redujo el número de parámetros de diseño y mejoró el rendimiento del modelo en varios puntos de referencia. Además, introdujo estrategias avanzadas de asignación de etiquetas como SimOTA para acelerar el proceso de entrenamiento y mejorar la convergencia.
Aunque YOLOX ofrece una excelente precisión para su época, se centra principalmente en la detección de objetos mediante cajas delimitadoras y carece de soporte nativo para otras tareas complejas de visión de forma inmediata.
Al eliminar las cajas de anclaje predefinidas, YOLOX redujo drásticamente el ajuste heurístico necesario para diferentes conjuntos de datos, convirtiéndolo en una base sólida para la investigación de metodologías sin anclas.
Descripción general de Ultralytics YOLO11#
Lanzado el 27 de septiembre de 2024 por Glenn Jocher y Jing Qiu en Ultralytics, YOLO11 es un modelo de última generación que redefine la versatilidad y la facilidad de uso en la visión por ordenador. Construido sobre años de investigación fundamental, ofrece una solución altamente refinada y lista para producción que destaca en una multitud de tareas.
La ventaja de Ultralytics#
YOLO11 no es solo un detector de objetos; es un framework unificado que soporta segmentación de instancias, clasificación de imágenes, estimación de pose y detección de cajas delimitadoras orientadas (OBB). Cuenta con una arquitectura altamente eficiente que prioriza un equilibrio perfecto entre velocidad, recuento de parámetros y precisión.
Además, YOLO11 está totalmente integrado en la Plataforma Ultralytics, que proporciona un ecosistema optimizado para la anotación de datos, el entrenamiento de modelos y el despliegue.
Comparación de rendimiento y métricas#
Al comparar estos modelos, el equilibrio del rendimiento se vuelve evidente. YOLO11 logra una mayor precisión media (mAP) con significativamente menos parámetros y FLOPs en la mayoría de las categorías de tamaño en comparación con sus homólogos YOLOX.
| Modelo | tamaño (píxeles) | mAPval 50-95 | Velocidad CPU ONNX (ms) | Velocidad T4 TensorRT10 (ms) | params (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOXnano | 416 | 25.8 | - | - | 0.91 | 1.08 |
| YOLOXtiny | 416 | 32.8 | - | - | 5.06 | 6.45 |
| YOLOXs | 640 | 40.5 | - | 2.56 | 9.0 | 26.8 |
| YOLOXm | 640 | 46.9 | - | 5.43 | 25.3 | 73.8 |
| YOLOXl | 640 | 49.7 | - | 9.04 | 54.2 | 155.6 |
| YOLOXx | 640 | 51.1 | - | 16.1 | 99.1 | 281.9 |
| YOLO11n | 640 | 39.5 | 56.1 | 1.5 | 2.6 | 6.5 |
| YOLO11s | 640 | 47.0 | 90.0 | 2.5 | 9.4 | 21.5 |
| YOLO11m | 640 | 51.5 | 183.2 | 4.7 | 20.1 | 68.0 |
| YOLO11l | 640 | 53.4 | 238.6 | 6.2 | 25.3 | 86.9 |
| YOLO11x | 640 | 54.7 | 462.8 | 11.3 | 56.9 | 194.9 |
Como se ha demostrado, los modelos YOLO11 superan sistemáticamente a YOLOX en precisión manteniendo a la vez un menor número de parámetros. Por ejemplo, YOLO11m alcanza un 51.5 mAP con solo 20.1M parámetros, mientras que YOLOXx alcanza un mAP similar de 51.1 pero requiere la friolera de 99.1M parámetros. Esta eficiencia de memoria durante el entrenamiento y la inferencia hace que YOLO11 sea muy adecuado para su despliegue en dispositivos de IA en el borde (edge), evitando los elevados requisitos de memoria CUDA típicos de los modelos más antiguos o basados en Transformer como RT-DETR.
Los modelos de Ultralytics requieren significativamente menos memoria de GPU durante el entrenamiento en comparación con YOLOX y las arquitecturas basadas en Transformer, lo que permite a los investigadores entrenar modelos potentes en hardware de consumo estándar.
Ecosistema y facilidad de uso#
Una de las diferencias más llamativas entre ambos marcos de trabajo es la experiencia del desarrollador.
YOLOX a menudo requiere clonar repositorios, configurar entornos complejos y ejecutar argumentos extensos en la línea de comandos para entrenar y exportar modelos a formatos como ONNX o TensorRT.
En marcado contraste, Ultralytics YOLO11 ofrece una API de Python y una CLI increíblemente sencillas. La librería de Ultralytics gestiona la aumento de datos, el ajuste de hiperparámetros y la exportación de forma automática.
from ultralytics import YOLO
# Load a pretrained YOLO11 model
model = YOLO("yolo11n.pt")
# Train the model effortlessly on custom data
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Export the trained model to TensorRT for optimized deployment
model.export(format="engine")Este ecosistema bien mantenido está respaldado por una extensa documentación y una integración fluida con herramientas como Weights & Biases para el seguimiento de experimentos.
Casos de uso ideales#
Elegir entre estos modelos a menudo depende de los detalles del entorno de despliegue.
Cuándo usar YOLOX#
- Sistemas heredados: Si tienes un flujo de trabajo establecido construido explícitamente alrededor del marco MegEngine o paradigmas de detección de objetos de principios de 2021.
- Bases académicas: Cuando realices investigaciones que requieran una evaluación comparativa directa frente a arquitecturas fundamentales sin anclas de la era de 2021.
Cuándo usar YOLO11#
- Despliegues en Producción: Para aplicaciones comerciales en retail inteligente o sistemas de alarma de seguridad, donde el código robusto y mantenido y la alta precisión son indispensables.
- Flujos de trabajo multitarea: Cuando un proyecto requiere rastrear objetos, estimar poses humanas y segmentar instancias utilizando un único marco de trabajo unificado.
- Dispositivos Edge con Recursos Limitados: Debido a su bajo recuento de parámetros y alto rendimiento, YOLO11 es ideal para su despliegue en Raspberry Pi o nodos edge móviles a través de CoreML y NCNN.
Mirando hacia el futuro: La ventaja de YOLO26#
Aunque YOLO11 representa un salto masivo sobre YOLOX, el campo de la visión por ordenador avanza rápidamente. Para los desarrolladores que comienzan nuevos proyectos hoy en día, Ultralytics YOLO26 es la recomendación definitiva.
Lanzado en enero de 2026, YOLO26 toma la brillantez arquitectónica de YOLO11 e introduce varias características innovadoras:
- Diseño Sin NMS de Extremo a Extremo: YOLO26 elimina el postprocesamiento de Supresión de No Máximos (NMS), transmitiendo la inferencia de forma nativa para pipelines de despliegue más rápidos y sencillos (un concepto explorado por primera vez en YOLOv10).
- Hasta un 43% más de rapidez en la inferencia por CPU: Mediante la eliminación de la pérdida focal de distribución (DFL), YOLO26 es mucho más eficiente en CPUs y dispositivos de borde de baja potencia.
- Optimizador MuSGD: Inspirado en las innovaciones de entrenamiento de LLMs de Moonshot AI, el optimizador MuSGD asegura ejecuciones de entrenamiento altamente estables y una rápida convergencia.
- Funciones de Pérdida Avanzadas: Utilizando ProgLoss + STAL, YOLO26 logra mejoras notables en el reconocimiento de objetos pequeños, lo cual es fundamental para imágenes de drones y robótica autónoma.
Para la gran mayoría de las tareas modernas de visión por ordenador, actualizar tu pipeline para aprovechar YOLO26 proporcionará el mejor equilibrio absoluto entre velocidad, precisión y simplicidad de despliegue.