Empezar

YOLOX frente a YOLOv5

Elegir el modelo de detección de objetos adecuado es una decisión crucial para cualquier proyecto de visión artificial. Esta guía ofrece una comparación técnica de dos modelos influyentes: YOLOX de Megvii y Ultralytics YOLOv5. Al analizar sus arquitecturas, métricas de rendimiento y ecosistemas de entrenamiento, ayuda a desarrolladores e investigadores a tomar una decisión fundamentada para sus entornos de despliegue específicos.

Introducción a los modelos#

Ambos modelos surgieron durante un periodo de rápidos avances en la detección de objetos en tiempo real, pero adoptaron enfoques arquitectónicos distintos para lograr su rendimiento.

YOLOX: un enfoque sin anchors#

Publicado por los investigadores Zheng Ge, Songtao Liu, Feng Wang, Zeming Li y Jian Sun, de Megvii, el 18 de julio de 2021, YOLOX supuso un cambio importante al abandonar los cuadros de anclaje tradicionales. Según se documenta en su informe técnico de arXiv, YOLOX combinó un diseño sin anclajes con un cabezal desacoplado y la estrategia de asignación de etiquetas SimOTA. Este diseño buscaba reducir la brecha entre la investigación académica y las aplicaciones industriales, ofreciendo un gran rendimiento en conjuntos de datos estándar.

Descubre más sobre YOLOX

YOLOv5: el estándar para la IA de visión en producción#

Escrito por Glenn Jocher y publicado por Ultralytics el 26 de junio de 2020, YOLOv5 se convirtió rápidamente en uno de los modelos de visión artificial más utilizados. Desarrollado de forma nativa con el marco PyTorch, acercó la IA de última generación a más usuarios gracias a su facilidad de uso, su rápido entrenamiento y un repositorio cuidado. La arquitectura de YOLOv5 equilibra velocidad, precisión y facilidad de despliegue, por lo que es popular tanto en dispositivos periféricos como en grandes despliegues en la nube.

Diferencias arquitectónicas#

Comprender las diferencias mecánicas fundamentales entre estas redes aclara por qué rinden de forma distinta en diversas tareas.

Sin anchors frente a con anchors#

La diferencia más destacada es el mecanismo sin anclajes de YOLOX. Los modelos tradicionales basados en anclajes, como YOLOv5, se apoyan en cuadros de anclaje predefinidos para predecir cuadros delimitadores, por lo que es necesario analizar el conjunto de datos de entrenamiento mediante agrupamiento para determinar los tamaños óptimos de anclaje. YOLOX elimina este paso y predice directamente las coordenadas del cuadro delimitador en cada ubicación espacial. Aunque el enfoque sin anclajes reduce el número de parámetros de diseño y los ajustes heurísticos, el enfoque refinado de YOLOv5 basado en anclajes, junto con su función de autoanclaje, permite una convergencia del entrenamiento estable y predecible desde el primer momento.

Cabeza desacoplada frente a cabeza acoplada#

YOLOX utiliza una cabeza desacoplada, es decir, las tareas de clasificación y regresión se separan en ramas distintas de la red neuronal. Los autores sostenían que esto resuelve los conflictos entre el aprendizaje de características espaciales y semánticas. En cambio, YOLOv5 utilizaba una cabeza acoplada muy optimizada (en sus primeras versiones), que maximizaba la eficiencia computacional y reducía la latencia de inferencia, algo crucial para la computación periférica en tiempo real.

Evolución de la arquitectura

Aunque YOLOX impulsó el uso de cabezales desacoplados en 2021, Ultralytics adoptó y perfeccionó más adelante las arquitecturas desacopladas en modelos posteriores como YOLOv8 y YOLO26.

Estrategia de asignación de etiquetas#

YOLOX utiliza SimOTA para asignar etiquetas, formulando la correspondencia entre los objetos reales y las predicciones como un problema de transporte óptimo. Esta asignación dinámica mejora el tratamiento de escenas concurridas. YOLOv5 emplea una asignación robusta basada en reglas de forma, lo que garantiza que se proporcionen de forma constante muestras positivas de alta calidad a la función de pérdida y contribuye a la estabilidad del entrenamiento.

Rendimiento y pruebas de referencia#

El equilibrio entre velocidad y precisión es la prueba clave para estas arquitecturas. La tabla siguiente muestra el rendimiento de distintos tamaños de modelo en benchmarks estándar.

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
YOLOv5n64028.0-1.121.94.5
YOLOv5s64037.4-1.927.216.5
YOLOv5m64045.4-4.0321.249.0
YOLOv5l64049.0-6.6146.5109.1
YOLOv5x64050.7-11.8986.7205.7

YOLOX es más preciso en los tamaños s a x, mientras que YOLOv5 es más rápido en T4 con TensorRT en todos los tamaños. YOLOv5s, por ejemplo, tarda 1,92 ms frente a los 2,56 ms de YOLOXs, una diferencia importante para las aplicaciones en tiempo real, donde cada milisegundo cuenta.

La ventaja de Ultralytics: entrenamiento y facilidad de uso#

Al pasar de la investigación a la producción, el ecosistema que rodea a un modelo suele ser tan importante como el propio modelo. En este caso, las ventajas del ecosistema Ultralytics están claras.

Experiencia de usuario optimizada#

YOLOv5 es conocido por ofrecer una experiencia de desarrollo sencilla. La API de Python de Ultralytics y la CLI te permiten cargar, entrenar e implementar modelos con unas pocas líneas de código. En cambio, ejecutar YOLOX desde el repositorio de GitHub de Megvii requiere configurar manualmente más variables de entorno, preparar rutas de Python complejas y superar una curva de aprendizaje más pronunciada, habitual en las bases de código de investigación académica.

Eficiencia del entrenamiento y requisitos de memoria#

Los modelos Ultralytics están diseñados para minimizar el uso de memoria durante el entrenamiento. YOLOv5 necesita mucha menos memoria CUDA que los modelos Transformer con muchos parámetros, como RT-DETR, o que los modelos de investigación sin optimizar. Esto permite a los desarrolladores entrenar con tamaños de lote mayores en hardware de consumo y acelerar el ciclo de desarrollo iterativo.

Versatilidad en distintas tareas#

Aunque YOLOX es estrictamente un marco de detección de objetos, el ecosistema de Ultralytics ha evolucionado YOLOv5 para admitir varias tareas de visión. De serie, puedes realizar detección de objetos, segmentación de instancias y clasificación de imágenes con la misma sintaxis de API.

Innovación continua

Si necesitas tareas aún más avanzadas, como la estimación de pose o la detección de cuadros delimitadores orientados (OBB), plantéate actualizar a Ultralytics YOLO26, que admite estas tareas de forma nativa con gran precisión.

Comparativa de código#

La diferencia de facilidad de uso se aprecia mejor con código.

Entrenamiento con YOLOv5:

from ultralytics import YOLO

# Carga un modelo YOLOv5s preentrenado
model = YOLO("yolov5su.pt")  # YOLOv5u: pesos de YOLOv5 sin anclajes para el paquete ultralytics

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

# Ejecuta la inferencia en una imagen
results = model("https://ultralytics.com/images/zidane.jpg")

# Mostrar resultados
results[0].show()

Entrenamiento con YOLOX: (Requiere clonar manualmente el repositorio, instalar setup.py y utilizar argumentos complejos de la CLI)

# Example YOLOX training command
python tools/train.py -f exps/default/yolox_s.py -d 1 -b 64 --fp16 -o

El enfoque de Ultralytics elimina obstáculos y te permite centrarte en tu conjunto de datos y en la lógica de la aplicación, en lugar de depurar archivos de configuración. El seguimiento de experimentos también viene integrado mediante las integraciones con Weights & Biases y Comet ML.

Casos de uso ideales y aplicaciones reales#

La elección entre estos modelos depende del entorno operativo de tu proyecto.

Dónde destaca YOLOX#

YOLOX sigue siendo una opción sólida en el ámbito académico, donde los investigadores estudian específicamente los paradigmas sin anclajes o las estrategias de asignación de etiquetas. También resulta útil en situaciones donde la detección en escenas concurridas es la métrica principal y la velocidad de implementación en el edge es secundaria.

Dónde destaca YOLOv5#

YOLOv5 es una opción probada para la implementación práctica.

  • Fabricación de alta velocidad: Para la detección de defectos en una línea de montaje, la baja latencia de inferencia de YOLOv5 en GPU edge permite inspeccionar productos sin ralentizar la cinta.
  • Drones e imágenes aéreas: Su eficiente uso de memoria permite ejecutarlo en ordenadores auxiliares ligeros instalados en drones para tareas como la supervisión agrícola y el seguimiento de la fauna.
  • Comercio minorista inteligente: Desde el pago automatizado hasta la gestión de inventario, YOLOv5 se exporta fácilmente a TensorRT y ONNX para implementarlo a gran escala en miles de cámaras de tiendas.

Perspectivas: las ventajas de YOLO26#

Aunque YOLOv5 sigue utilizándose ampliamente, el campo de la IA avanza rápidamente. Si hoy empiezas un proyecto nuevo, Ultralytics recomienda la última generación de modelos Ultralytics.

Lanzado en enero de 2026, Ultralytics YOLO26 incorpora un diseño opcional de extremo a extremo sin NMS (nms=False), que elimina la necesidad del posprocesamiento de supresión no máxima (NMS) y simplifica la lógica de implementación. Al eliminarse Distribution Focal Loss (DFL), YOLO26n consigue una inferencia en CPU hasta un 43 % más rápida que YOLO11n, mientras que el optimizador MuSGD mejora la estabilidad del entrenamiento y ProgLoss + STAL (pérdida progresiva y asignación de etiquetas con atención a objetos pequeños) mejoran la precisión con objetos pequeños.

Tanto si eliges YOLOv5 como YOLO26, la plataforma Ultralytics ofrece herramientas para llevar soluciones de visión artificial desde la idea hasta la producción, y la documentación de Ultralytics cubre cada etapa del pipeline.

Comentarios

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