Empezar

YOLOX frente a YOLOv10

La evolución de los modelos de visión artificial en tiempo real ha estado marcada por importantes avances arquitectónicos. Dos hitos destacados de este recorrido son YOLOX y YOLOv10. Publicado en 2021, YOLOX ayudó a salvar la brecha entre la investigación académica y la aplicación industrial al introducir un diseño eficaz sin anclajes. Tres años más tarde, YOLOv10 eliminó la necesidad de aplicar la supresión no máxima (NMS) durante el posprocesamiento, mejorando la eficiencia y la velocidad.

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

Orígenes y metadatos de los modelos#

Conocer el origen de estos modelos permite entender sus decisiones arquitectónicas y los entornos de despliegue previstos.

Detalles de YOLOX

Más información sobre YOLOX

Detalles de YOLOv10

Más información sobre YOLOv10

Innovaciones arquitectónicas#

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

YOLOX: pionero del diseño sin anclajes#

YOLOX llevó a la familia YOLO a una arquitectura sin anclajes. Al predecir el centro de un objeto en lugar de depender de cajas de anclaje predefinidas, YOLOX redujo significativamente el número de parámetros de diseño y el ajuste heurístico necesarios para conjuntos de datos personalizados. También incorporó un cabezal desacoplado, que separa las tareas de clasificación y regresión en rutas distintas. Este enfoque redujo el conflicto entre identificar qué es un objeto y determinar dónde está, lo que produjo mejoras notables en la velocidad de convergencia y la precisión.

YOLOv10: detección en tiempo real 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. Gracias a asignaciones duales coherentes durante el entrenamiento, YOLOv10 logra una detección integral nativa. Durante el entrenamiento, emplea una cabeza uno a muchos para garantizar señales de supervisión abundantes, mientras que en la inferencia utiliza una cabeza uno a uno para generar directamente las predicciones finales. Este diseño integral, que equilibra eficiencia y precisión, elimina por completo NMS y reduce considerablemente la latencia de inferencia en chips integrados.

El impacto de eliminar NMS

La supresión de máximos no es suele ser una operación sencilla de acelerar en las unidades de procesamiento neuronal (NPUs). Al eliminarla, YOLOv10 permite ejecutar todo el grafo del modelo en hardware especializado, lo que mejora la compatibilidad con marcos de optimización como OpenVINO y TensorRT.

Métricas de rendimiento y comparativa#

Al evaluar modelos para producción, es fundamental equilibrar la precisión con la carga computacional. La siguiente tabla muestra las ventajas y desventajas de las distintas escalas de YOLOX y YOLOv10.

Modelotamaño
(píxeles)
mAPval50-95Velocidad
CPU ONNX
(ms)
Velocidad
T4 TensorRT10
(ms)
parámetros
(M)
FLOPs
(B)
YOLOXnano41625.8--0.911.08
YOLOXtiny41632.8--5.066.45
YOLOXs64040.5-2.569.026.8
YOLOXm64046.9-5.4325.373.8
YOLOXl64049.7-9.0454.2155.6
YOLOXx64051.1-16.199.1281.9
YOLOv10n64038.5-1.842.36.7
YOLOv10s64046.3-2.497.221.6
YOLOv10m64051.1-4.7415.459.1
YOLOv10b64052.5-5.7419.192.0
YOLOv10l64053.2-7.2824.4120.3
YOLOv10x64054.4-10.7029.5160.4

Análisis de los datos#

Las métricas muestran la mejora generacional de YOLOv10. Por ejemplo, YOLOv10-S alcanza una precisión media del 46,3 % frente al 46,9 % de YOLOX-m, pero lo hace con menos de un tercio de los parámetros (7,2 M frente a 25,3 M) y muchos menos FLOPs. Además, el modelo de gama alta YOLOv10-X eleva el mAP al 54,4 %, lo que lo hace muy competitivo para tareas que exigen gran precisión, a la vez que sigue siendo más rápido que la arquitectura anterior YOLOX-x.

La ventaja del ecosistema Ultralytics#

Aunque YOLOX sigue siendo una implementación de investigación de código abierto sólida, adoptar YOLOv10 te da acceso inmediato al ecosistema bien mantenido de Ultralytics. Elegir un modelo compatible con Ultralytics garantiza una experiencia de usuario optimizada, caracterizada por una API sencilla y una documentación exhaustiva.

Los desarrolladores se benefician de los bajos requisitos de memoria del marco: el entrenamiento de los 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 utilizar tamaños de lote mayores en hardware de consumo y acelera el proceso desde la recopilación de datos hasta el despliegue del modelo. El marco también admite varias tareas, por lo que puedes alternar entre la detección de objetos, la segmentación de instancias y la estimación de pose con cambios mínimos en el código.

Ejemplo de entrenamiento e inferencia#

La API unificada permite validar ideas rápidamente. El siguiente fragmento entrena y despliega un modelo YOLOv10 usando el backend de PyTorch:

from ultralytics import YOLO

# Carga un modelo nano YOLOv10 preentrenado
model = YOLO("yolov10n.pt")

# Entrena el modelo con el conjunto de datos COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Ejecuta la inferencia en una imagen de muestra
predictions = model.predict("https://ultralytics.com/images/bus.jpg")

# Exporta el modelo para implementarlo en dispositivos edge
model.export(format="engine", quantize=16)

Gracias a las rutinas de exportación integradas, convertir modelos a formatos como TensorRT o ONNX solo requiere una línea de código y evita los complejos pasos de compilación.

Casos de uso ideales y escenarios de despliegue#

La elección entre estas arquitecturas depende en gran medida de las limitaciones de tu hardware y de los requisitos específicos de tu ámbito.

Análisis de vídeo en tiempo real#

Para aplicaciones que requieren una latencia muy baja, como la conducción autónoma o la supervisión del tráfico en tiempo real, YOLOv10 es la mejor opción. Su diseño integral sin NMS ofrece tiempos de ejecución predecibles, algo fundamental en sistemas de seguridad que no pueden tolerar una latencia variable durante el posprocesamiento. Los modelos alcanzan altas tasas de fotogramas en dispositivos como la serie NVIDIA Jetson.

Microcontroladores de referencia académica y periféricos#

YOLOX sigue siendo valioso en entornos académicos, donde los investigadores buscan una arquitectura de referencia limpia con cabezal desacoplado para experimentar con estrategias de asignación de etiquetas. Además, el diminuto YOLOX-Nano (menos de un millón de parámetros) cabe en dispositivos periféricos con recursos muy limitados, siempre que el hardware admita operaciones de convolución estándar.

YOLOv10 supuso un gran avance en la eliminación de NMS, pero el campo de la visión artificial avanza rápidamente. Para proyectos nuevos, Ultralytics recomienda YOLO26, publicado en enero de 2026.

YOLO26 se basa en las ideas de sus predecesores y ofrece un buen equilibrio de rendimiento. Admite de forma nativa la detección, la segmentación de instancias y semántica, la estimación de profundidad, la clasificación, la estimación de pose y los cuadros delimitadores orientados.

Estas son las razones por las que YOLO26 es la opción recomendada para los flujos de trabajo modernos de visión por ordenador:

  • Diseño integral sin NMS: Sobre la base de YOLOv10, YOLO26 admite inferencia integral nativa (nms=False) y ofrece tiempos de inferencia más rápidos y predecibles, sin los cuellos de botella del posprocesamiento con NMS.
  • Inferencia en CPU hasta un 43 % más rápida: YOLO26n funciona hasta un 43 % más rápido que YOLO11n en CPU, por lo que resulta adecuado para procesadores móviles y dispositivos sin GPU discreta.
  • Optimizador MuSGD: Inspirado en el entrenamiento de modelos de lenguaje grandes (en concreto, Kimi K2 de Moonshot AI), YOLO26 utiliza una combinación de SGD y Muon para lograr un entrenamiento estable y una convergencia rápida.
  • ProgLoss + STAL: La pérdida progresiva y la asignación de etiquetas consciente de objetivos pequeños (STAL) mejoran la detección de objetos pequeños, algo fundamental en ámbitos exigentes como las imágenes aéreas y la navegación con drones.
  • Eliminación de DFL: Al eliminar Distribution Focal Loss, YOLO26 simplifica el grafo del modelo y facilita la exportación a dispositivos periféricos y de bajo consumo.
  • Mejoras específicas para cada tarea: Tanto si utilizas la estimación del logaritmo de verosimilitud residual (RLE) para la estimación de pose como una pérdida angular especializada para OBB, YOLO26 incluye mejoras para cada tarea de visión principal.

Para los desarrolladores que actualizan sus canalizaciones, Ultralytics Platform con YOLO26 ofrece herramientas eficientes de entrenamiento y despliegue. Quienes tengan interés en arquitecturas consolidadas también pueden consultar YOLO11 o YOLOv8, que cuentan con una amplia comunidad y una solidez probada.

Comentarios

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