YOLOX frente a YOLOv10#

La evolución de los modelos de visión artificial en tiempo real ha estado marcada por importantes saltos arquitectónicos. Dos hitos fundamentales en este camino son YOLOX y YOLOv10. Lanzado en 2021, YOLOX cerró con éxito la brecha entre la investigación académica y la aplicación industrial al introducir un diseño sin anclas altamente efectivo. Tres años después, YOLOv10 revolucionó el campo al eliminar la necesidad de supresión de no máximos (NMS) durante el posprocesamiento, superando los límites de eficiencia y velocidad.

Esta comparativa técnica exhaustiva explora las arquitecturas, las métricas de rendimiento y los casos de uso ideales para ambos modelos, ofreciéndote información para ayudarte a elegir la herramienta adecuada para tu próximo proyecto de detección de objetos.

Orígenes y metadatos del modelo#

Comprender los orígenes de estos modelos proporciona contexto sobre sus elecciones arquitectónicas y los entornos de despliegue previstos.

Detalles de YOLOX
Autores: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li y Jian Sun
Organización: Megvii
Fecha: 2021-07-18
Arxiv: https://arxiv.org/abs/2107.08430
GitHub: https://github.com/Megvii-BaseDetection/YOLOX
Documentación: https://github.com/Megvii-BaseDetection/YOLOX/tree/main/docs

Más información sobre YOLOX

Detalles de YOLOv10
Autores: Ao Wang, Hui Chen, Lihao Liu, Kai Chen, Zijia Lin, Jungong Han y Guiguang Ding
Organización: Tsinghua University
Fecha: 2024-05-23
Arxiv: https://arxiv.org/abs/2405.14458
GitHub: https://github.com/THU-MIG/yolov10
Documentación: https://docs.ultralytics.com/models/yolov10

Aprende más sobre YOLOv10

Innovaciones arquitectónicas#

Las diferencias principales entre YOLOX y YOLOv10 radican en cómo gestionan las predicciones de cuadros delimitadores y el posprocesamiento.

YOLOX: diseño pionero sin anclas#

YOLOX causó sensación al hacer que la familia YOLO transitara a una arquitectura sin anclas. Al predecir el centro de un objeto en lugar de depender de cuadros delimitadores predefinidos, YOLOX redujo drásticamente el número de parámetros de diseño y el ajuste heurístico necesario para conjuntos de datos personalizados. Además, introdujo una cabeza desacoplada, separando las tareas de clasificación y regresión en caminos distintos. Este enfoque resolvió el conflicto entre identificar qué es un objeto y determinar dónde está, lo que condujo a un aumento notable en la velocidad de convergencia y la precisión.

YOLOv10: la revolución sin NMS#

Aunque YOLOX simplificó la cabeza de detección, seguía dependiendo de NMS para filtrar las predicciones redundantes de cuadros delimitadores. YOLOv10 abordó este cuello de botella fundamental. Al utilizar asignaciones duales consistentes durante el entrenamiento, YOLOv10 logra una detección nativa de extremo a extremo. Emplea una cabeza de uno a muchos durante el entrenamiento para garantizar señales de supervisión ricas, mientras utiliza una cabeza de uno a uno durante la inferencia para generar las predicciones finales directamente. Este diseño, basado en la eficiencia y la precisión, elimina NMS por completo, reduciendo significativamente la latencia de inferencia en chips integrados.

Métricas de rendimiento y comparación#

Al evaluar modelos para producción, equilibrar la precisión con la sobrecarga computacional es crítico. La siguiente tabla ilustra las compensaciones entre varias escalas de YOLOX y YOLOv10.

Analizando los datos#

Las métricas demuestran claramente el salto generacional de YOLOv10. Por ejemplo, YOLOv10-S alcanza una precisión media por categoría del 46.7% en comparación con el 46.9% de YOLOX-m, pero lo hace utilizando menos de un tercio de los parámetros (7.2M frente a 25.3M) y bastantes menos FLOPs. Además, el modelo de gama alta YOLOv10-X eleva el mAP al 54.4%, lo que lo hace altamente competitivo para tareas exigentes de precisión sin dejar de ser más rápido que la arquitectura anterior YOLOX-x.

La ventaja del ecosistema Ultralytics#

Aunque YOLOX sigue siendo una implementación de investigación robusta y de código abierto, adoptar YOLOv10 proporciona acceso inmediato al ecosistema bien mantenido que ofrece Ultralytics. Elegir un modelo respaldado por Ultralytics asegura una experiencia de usuario optimizada caracterizada por una API sencilla y documentación extensa.

Los desarrolladores se benefician enormemente de los requisitos de memoria del marco; entrenar modelos de Ultralytics suele consumir mucha menos memoria CUDA que las alternativas pesadas basadas en Transformer como RT-DETR. Esta huella de entrenamiento eficiente permite tamaños de lote mayores en hardware de consumo, acelerando el tiempo desde la recopilación de datos hasta el despliegue del modelo. Además, el marco ofrece una versatilidad inigualable, permitiendo a los usuarios cambiar sin problemas entre detección de objetos, segmentación de instancias y estimación de posturas con mínimos cambios de código.

Ejemplo de entrenamiento e inferencia#

La API unificada hace que validar ideas sea increíblemente rápido. El siguiente fragmento demuestra con qué facilidad puedes entrenar y desplegar un modelo YOLOv10 usando el backend de PyTorch:

from ultralytics import YOLO

# Load a pre-trained YOLOv10 nano model
model = YOLO("yolov10n.pt")

# Train the model on the COCO8 dataset
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Run inference on a sample image
predictions = model.predict("https://ultralytics.com/images/bus.jpg")

# Export the model for edge deployment
model.export(format="engine", quantize=16)

Aprovechando las rutinas de exportación integradas, convertir modelos a formatos como TensorRT o ONNX requiere solo una línea de código, evitando por completo los complejos obstáculos de compilación.

Casos de uso ideales y escenarios de despliegue#

Elegir entre estas arquitecturas depende en gran medida de tus limitaciones de hardware y de los requisitos específicos del dominio.

Analítica de vídeo en tiempo real#

Para aplicaciones que requieren una latencia ultrabaja, como la conducción autónoma o la monitorización de tráfico en tiempo real, YOLOv10 es la mejor opción. Su diseño de extremo a extremo sin NMS garantiza tiempos de ejecución deterministas, lo cual es crítico para sistemas de seguridad donde no se puede tolerar una latencia de posprocesamiento variable. Los modelos alcanzan fácilmente altas tasas de fotogramas en dispositivos como la serie NVIDIA Jetson.

Bases de referencia académicas y microcontroladores de borde#

YOLOX todavía tiene valor en entornos académicos donde los investigadores desean una base de referencia limpia con cabeza desacoplada para experimentar con estrategias de asignación de etiquetas. Además, el YOLOX-Nano excepcionalmente pequeño (menos de 1 millón de parámetros) puede ajustarse en microcontroladores de borde altamente restringidos donde la memoria se mide en kilobytes, siempre que el hardware pueda soportar operaciones de convolución estándar.

El estándar definitivo: Ultralytics YOLO26#

Aunque YOLOv10 marcó un salto masivo al eliminar la NMS, el campo de la visión artificial avanza rápidamente. Para los desarrolladores que buscan implementar hoy el mejor rendimiento de su clase, recomendamos encarecidamente explorar YOLO26.

Lanzado como el estándar más reciente en IA de visión, YOLO26 toma las ideas fundamentales de sus predecesores y las potencia. Ofrece el equilibrio de rendimiento definitivo, soportando de forma nativa detección, segmentación, pose y cuadros delimitadores orientados.

He aquí por qué YOLO26 es la opción recomendada para las tuberías modernas de visión artificial:

• Diseño de extremo a extremo sin NMS: Construido sobre los avances de YOLOv10, YOLO26 es nativamente de extremo a extremo, lo que garantiza tiempos de inferencia más rápidos y deterministas sin cuellos de botella de posprocesamiento.
• Inferencia en CPU hasta un 43 % más rápida: Está específicamente optimizado para la computación de borde, garantizando un rendimiento excepcional en procesadores móviles y dispositivos que carecen de GPU discretas.
• Optimizador MuSGD: Inspirado en el entrenamiento de modelos de lenguaje grandes (específicamente Kimi K2 de Moonshot AI), YOLO26 utiliza un híbrido de SGD y Muon para un entrenamiento increíblemente estable y una convergencia rápida.
• ProgLoss + STAL: Estas funciones de pérdida avanzadas ofrecen mejoras notables en el reconocimiento de objetos pequeños, lo cual es crítico para dominios exigentes como la imaginería aérea y la navegación con drones.
• Eliminación de DFL: Al eliminar Distribution Focal Loss, YOLO26 simplifica el grafo del modelo para una exportación sin fricciones a dispositivos de borde y de bajo consumo.
• Mejoras específicas por tarea: Tanto si usas Residual Log-Likelihood Estimation (RLE) para estimación de pose como una pérdida de ángulo especializada para OBB, YOLO26 está ajustado para cada tarea de visión importante.

Para los desarrolladores listos para actualizar sus flujos de trabajo con las herramientas de entrenamiento y despliegue más eficientes disponibles, la transición a la Ultralytics Platform y el uso de YOLO26 garantizan que te mantengas a la vanguardia de la inteligencia artificial. Los usuarios interesados en arquitecturas más antiguas pero estables también pueden revisar YOLO11 o YOLOv8 para obtener un amplio soporte de la comunidad y una robustez comprobada.