Empezar

YOLOX frente a YOLOv7

La evolución de la detección de objetos en tiempo real se ha impulsado mediante avances arquitectónicos continuos. Dos hitos importantes de esta evolución son YOLOX y YOLOv7. Publicados con menos de un año de diferencia, ambos modelos introdujeron nuevos enfoques al paradigma estándar de detección de objetos y mejoraron considerablemente la relación entre velocidad y precisión.

Esta página ofrece un análisis técnico de YOLOX y YOLOv7, compara sus arquitecturas, métricas de rendimiento y casos de uso ideales, y ayuda a los desarrolladores a elegir la herramienta adecuada para sus despliegues de visión artificial.

YOLOX: pionero en la detección sin anclajes#

Presentado por investigadores de Megvii en julio de 2021, YOLOX supuso un gran cambio al alejarse de los diseños tradicionales basados en anclajes. Al tender un puente entre la investigación académica y las aplicaciones industriales, YOLOX simplificó la cabeza de detección y mejoró el rendimiento general.

Detalles principales del modelo:

Innovaciones arquitectónicas#

YOLOX introdujo un enfoque sin anclajes que redujo considerablemente el número de parámetros de diseño y los ajustes heurísticos necesarios para conjuntos de datos personalizados. Implementó un cabezal desacoplado que separa las tareas de clasificación y regresión, lo que mejoró la velocidad de convergencia y la precisión. Además, YOLOX utilizó estrategias avanzadas de aumento de datos, como MixUp y Mosaic, para mejorar la robustez del modelo.

Descubre más sobre YOLOX

Ventajas de la detección sin anclajes

Al predecir un cuadro por ubicación en vez de varios cuadros de anclaje, YOLOX reduce el número de predicciones que hay que comparar con los valores reales mediante la intersección sobre la unión (IoU) durante el entrenamiento, lo que simplifica la asignación de etiquetas y puede reducir el uso de memoria CUDA.

YOLOv7: conjunto de técnicas gratuitas entrenables#

Publicado en julio de 2022 por investigadores del Institute of Information Science de Academia Sinica, Taiwán, YOLOv7 llevó aún más lejos la detección de objetos en tiempo real. Introdujo el concepto de «bag-of-freebies entrenable» y, en el momento de su publicación, logró resultados punteros en el conjunto de datos MS COCO.

Detalles principales del modelo:

Innovaciones arquitectónicas#

La arquitectura de YOLOv7 se basa en la red extendida de agregación eficiente de capas (E-ELAN), que permite que el modelo aprenda continuamente características más diversas sin degradar la ruta del gradiente. Además, YOLOv7 utilizó técnicas de reparametrización del modelo que permiten simplificar redes de entrenamiento complejas con varias ramas y convertirlas en redes más rápidas de una sola ruta durante la inferencia.

Más información sobre YOLOv7

Comparativa de rendimiento#

Al evaluar estos modelos para aplicaciones reales, es fundamental comprender su rendimiento en distintas escalas. La tabla siguiente compara las métricas estándar de los distintos tamaños de YOLOX y YOLOv7.

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
YOLOv7l64051.4-6.8436.9104.7
YOLOv7x64053.1-11.5771.3189.9

Análisis#

  • Precisión: YOLOv7 suele alcanzar un mAP superior al de los modelos YOLOX equivalentes. Por ejemplo, YOLOv7x alcanza 53,1 mAP frente a los 51,1 de YOLOXx.
  • Velocidad: Ambos modelos están optimizados para ejecutarse en GPU mediante TensorRT. En los tamaños grandes, YOLOv7 es más rápido y preciso (por ejemplo, YOLOv7l tarda 6,84 ms frente a los 9,04 ms de YOLOXl), aunque YOLOX ofrece variantes más pequeñas para dispositivos periféricos.
  • Versatilidad: YOLOv7 amplió sus capacidades más allá de las cajas delimitadoras al ofrecer de forma nativa pesos para la segmentación de instancias y la estimación de poses, lo que lo hace más versátil que el repositorio base de YOLOX.

Aplicaciones en el mundo real#

La elección entre estos modelos suele depender del entorno de implementación específico.

Computación perimetral e IoT#

Para dispositivos periféricos con recursos limitados, como Raspberry Pi o procesadores móviles antiguos, YOLOX-Nano y YOLOX-Tiny son opciones atractivas. Su reducido número de parámetros y su diseño sin anclajes facilitan el despliegue en entornos de bajo consumo para tareas como el seguimiento básico del movimiento o las aplicaciones de videoporteros inteligentes.

Analítica de vídeo de alta fidelidad#

Para procesar flujos de alta resolución en la detección de defectos industriales o la supervisión de tráfico denso, YOLOv7 es la mejor opción. Su sólida agregación de características le permite mantener una gran precisión incluso cuando los objetos están parcialmente ocluidos o varían mucho de tamaño.

Casos de uso y recomendaciones#

Elegir entre YOLOX y YOLOv7 depende de los requisitos específicos de tu proyecto, las limitaciones de implementación y tus preferencias en cuanto al ecosistema.

Cuándo elegir YOLOX#

YOLOX es una buena opción para:

  • Investigación sobre detección sin anclajes: Investigación académica que utiliza la arquitectura limpia y sin anclajes de YOLOX como base para experimentar con nuevos cabezales de detección o funciones de pérdida.
  • Dispositivos de borde ultraligeros: Implementación en microcontroladores o hardware móvil heredado, donde el tamaño extremadamente reducido de la variante YOLOX-Nano (0,91 M de parámetros) es fundamental.
  • Estudios de asignación de etiquetas SimOTA: Proyectos de investigación que analizan estrategias de asignación de etiquetas basadas en el transporte óptimo y su impacto en la convergencia del entrenamiento.

Cuándo elegir YOLOv7#

Se recomienda YOLOv7 para:

  • Evaluación comparativa académica: reproducir resultados de vanguardia de 2022 o estudiar los efectos de E-ELAN y las técnicas de conjunto de técnicas gratuitas entrenables.
  • Investigación sobre reparametrización: estudiar convoluciones reparametrizadas planificadas y estrategias de escalado compuesto de modelos.
  • Flujos personalizados existentes: proyectos con flujos muy personalizados basados en la arquitectura específica de YOLOv7 que no se puedan refactorizar fácilmente.

Cuándo elegir Ultralytics (YOLO26)#

Para la mayoría de los proyectos nuevos, Ultralytics YOLO26 ofrece la mejor combinación de rendimiento y experiencia para desarrolladores:

  • Implementación edge sin NMS: Aplicaciones que requieren una inferencia constante y de baja latencia, sin la complejidad del posprocesamiento de supresión no máxima (NMS).
  • Entornos solo con CPU: Dispositivos sin aceleración de GPU dedicada, en los que la inferencia en CPU hasta un 43 % más rápida de YOLO26 (YOLO26n frente a YOLO11n) supone una ventaja decisiva.
  • Detección de objetos pequeños: situaciones complejas, como las imágenes aéreas captadas con drones o el análisis de sensores IoT, en las que ProgLoss y STAL mejoran la precisión con objetos diminutos.

La ventaja de Ultralytics#

Aunque YOLOX y YOLOv7 son implementaciones de investigación potentes, pasar de un repositorio de investigación a un entorno de producción escalable puede ser complicado. Aquí es donde Ultralytics Platform resulta útil.

Los modelos de Ultralytics ofrecen una API unificada de Python, que convierte el entrenamiento, la validación y el despliegue de modelos en tareas simplificadas y estandarizadas. Así se evita gestionar dependencias complejas de terceros u operadores personalizados de C++, habituales en arquitecturas más antiguas.

Además, los modelos YOLO de Ultralytics necesitan mucha menos memoria CUDA durante el entrenamiento que los detectores basados en Transformer, como RT-DETR. Esto permite utilizar tamaños de lote mayores, estabilizar el entrenamiento y acelerar la convergencia en conjuntos de datos personalizados.

Integraciones compatibles

Ultralytics admite de forma nativa la exportación de modelos a formatos estándar del sector, como ONNX, OpenVINO y CoreML, con un único argumento format, lo que simplifica el proceso de despliegue del modelo.

Ejemplo de código: entrenamiento con Ultralytics#

El paquete Python de Ultralytics no permite entrenar ni ejecutar de forma nativa puntos de control .pt de YOLOv7 (la documentación de YOLOv7 explica cómo ejecutar modelos exportados a ONNX o TensorRT), pero es posible cargar, entrenar y ejecutar arquitecturas más recientes, como YOLO26, con solo unas pocas líneas de código.

from ultralytics import YOLO

# Carga un modelo YOLO26 preentrenado
model = YOLO("yolo26n.pt")

# Entrena el modelo con un conjunto de datos personalizado (p. ej., COCO8)
# La API se encarga automáticamente de cargar los datos, aplicar aumentos y gestionar la memoria
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Ejecuta la inferencia en una imagen de prueba
predictions = model("path/to/image.jpg")
predictions[0].show()

El futuro: Ultralytics YOLO26#

Aunque YOLOv7 y YOLOX representan hitos históricos importantes, el campo avanza rápidamente. Ultralytics YOLO26, publicado en enero de 2026, introduce varios cambios que superan a los modelos anteriores.

  • Diseño integral sin NMS: El cabezal opcional uno a uno de YOLO26 (nms=False) omite el posprocesamiento con NMS. Esto reduce los cuellos de botella de latencia y ofrece tiempos de ejecución predecibles en distintas configuraciones de hardware.
  • Inferencia en CPU hasta un 43 % más rápida: Al eliminar Distribution Focal Loss (DFL) y ofrecer inferencia sin NMS, YOLO26n funciona hasta un 43 % más rápido que YOLO11n en CPU, por lo que resulta adecuado para dispositivos periféricos sin GPU dedicada.
  • Optimizador MuSGD: Inspirado en las técnicas de entrenamiento de modelos de lenguaje grandes, el optimizador MuSGD (una combinación de SGD y Muon) ofrece un entrenamiento estable y una convergencia más rápida.
  • Mejora de la detección de objetos pequeños: ProgLoss + STAL (pérdida progresiva y asignación de etiquetas consciente de objetivos pequeños) mejoran el reconocimiento de objetos pequeños y lejanos, algo fundamental para la cartografía con drones y la vigilancia de seguridad.
  • Compatibilidad nativa con tareas: YOLO26 admite de forma nativa la segmentación de instancias y semántica, la estimación de profundidad, la clasificación, la estimación de pose y los cuadros delimitadores orientados (OBB) dentro de la misma API.

Para los desarrolladores que hoy empiezan un proyecto de visión artificial, Ultralytics YOLO26 es la vía recomendada para lograr el mejor equilibrio entre velocidad, precisión y sencillez de despliegue. Para quienes actualizan desde generaciones anteriores, como YOLO11 o YOLOv8, la transición suele requerir únicamente cambiar el nombre del modelo.

Colaboradores

Comentarios

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