Ultralytics YOLO27:
Get Started

Ultralytics Benchmark#

COCO no representa muchas de las tareas de visión artificial del mundo real. Ultralytics Benchmark es un conjunto de datos de referencia para medir la capacidad de generalización de los modelos en 37 conjuntos seleccionados de detección de objetos con etiquetas de alta calidad de cajas delimitadoras. Sus ámbitos incluyen el análisis de imágenes médicas, la teledetección, el tráfico, los documentos, las interfaces de usuario, el comercio minorista, la visión artificial, la agricultura, el deporte, la fauna silvestre, la imagen submarina y la detección de residuos. Entre los tipos de sensores se incluyen RGB, ojo de pez, infrarrojos térmicos, rayos X, MRI, ecografía, microscopía y radar de apertura sintética (SAR).

Los conjuntos de datos seleccionados están alojados en Ultralytics Platform.

Se comprobó si había imágenes duplicadas o casi duplicadas en los conjuntos candidatos, tanto en las particiones de entrenamiento como en las de validación. Se revisaron los pares marcados y se eliminaron las filtraciones confirmadas entre particiones o se sustituyó el conjunto de datos afectado.

Conjuntos de datos#

ÁmbitoSensor / tipo de imagenConjunto de datosClases
Aéreo/teledetecciónImágenes satelitales RGBDetección de almacenamiento de petróleo de Airbus1: tanque de almacenamiento de petróleo
Documentos/interfaz de usuarioRGB y páginas escaneadasElementos de documentos de AnnoPage25: fórmula química/ecuación, símbolo/logotipo, fotografía, dibujo, gráfico, mapa, expresión matemática, notación musical, imagen, decoración, inscripción, plano, código de barras/código QR, sello, anuncio, nota manuscrita, diagrama, tabla, viñeta y friso
DeportesCámara RGBDetección de canastas de baloncesto2: balón de baloncesto, red de canasta
Conducción/tráficoCámara RGB de carreteraCEYMO11: carril bus, carril bici, rombo, caja de conexiones, flecha izquierda, paso de peatones, flecha derecha, flecha recta, despacio, flecha recta-izquierda, flecha recta-derecha
MedicinaMRIMRI de tumores cerebrales de Cheng3: meningioma, glioma, hipófisis
MedicinaCámara de fondo de ojo en colorLesiones DDR4: exudados duros, hemorragias, microaneurismas, exudados blandos
IndustriaCámara industrial de escaneo linealDeepPCB6: circuito abierto, cortocircuito, mordedura, espolón, cobre, microporo
MedicinaRadiografía dentalDENTEX4: diente incluido, caries, lesión periapical, caries profunda
IndustriaCámara industrial RGBDSPCBSD9: cortocircuito, espolón, cobre sobrante, circuito abierto, mordedura, perforación de pista, arañazo en el conductor, objeto extraño en el conductor, objeto extraño en el material base
OtraCámara egocéntrica RGBEgoHands4: propia_izquierda, propio_derecha, otra_izquierda, otro_derecha
OtraCámara de fototrampeo RGB e infrarrojaENA2422 clases de fauna silvestre, personas, animales domésticos y vehículos
Conducción/tráficoCámara ojo de pez RGBFisheye8K5: autobús, bicicleta, coche, peatón, camión
Documentos/interfaz de usuarioPlanos digitales y escaneadosFloorPlanCAD30 clases arquitectónicas de aberturas, muebles, electrodomésticos, instalaciones de baño, escaleras, ascensores y escaleras mecánicas
MedicinaRayos XGRAZPEDWRI-DX9: anomalía ósea, lesión ósea, cuerpo extraño, fractura, metal, reacción perióstica, signo del pronador, tejido blando, texto
Documentos/interfaz de usuarioCapturas de pantalla digitalesInterfaz de usuario GroundCUA9: botón, panel informativo, elementos de entrada, menú, navegación, otros, barra lateral, elementos visuales, desconocido
AgriculturaCámara de campo RGBGWHD 20211: cabeza_de_trigo
Aéreo/teledetecciónUAV con infrarrojos térmicosHIT-UAV5: persona, coche, bicicleta, otro vehículo, zona ignorada
MedicinaRayos X de seguridadRayos X de IED11 clases de explosivos, baterías, portátiles, buscapersonas, teléfonos móviles, walkie-talkies y dispositivos modificados
MedicinaEndoscopio RGBPólipos Kvasir-SEG1: pólipo
Conducción/tráficoInfrarrojos térmicosLLVIP1: persona
Aéreo/teledetecciónImágenes multiespectrales de 8 bandasMultiespectral MODA8: coche, furgoneta, camión, autobús, triciclo, bicicleta, bicicleta con toldo, peatón
AgriculturaCámara RGBPlantDoc29 clases de cultivos, hojas y enfermedades de las plantas
DeportesFotogramas de vídeo RGBPelota de tenis RacketVision1: pelota de tenis
Conducción/tráficoCámara RGB de carreteraRDD20225: grieta longitudinal, grieta transversal, grieta en piel de cocodrilo, otros daños, bache
Comercio minoristaCámara RGB de cajaCaja de cobro minorista RPC200 clases de productos de caja que abarcan alimentos envasados, bebidas, leche, conservas, chocolate, chicles, caramelos, condimentos, productos de higiene, pañuelos y material de papelería
OtraCámara submarina RGBRUOD submarino10: holoturia, erizo de mar, vieira, estrella de mar, pez, corales, buceador, sepia, tortuga, medusa
IndustriaCámara RGBSafe Human 1717 clases de personas, partes del cuerpo, herramientas y equipos de protección individual
Aéreo/teledetecciónCámara UAV RGBSeaDronesSee6: ignorado, nadador, barco, moto acuática, equipos de salvamento, boya
Comercio minoristaCámara RGB de comercio minoristaSKU-110K1: producto de estantería
DeportesCámara de difusión RGBSoccerDB3: jugador, balón, portería
Aéreo/teledetecciónRadar de apertura sintética (SAR)SSDD SAR Barcos1: barco
OtraCámara RGBTACO Residuos28 clases de materiales y objetos residuales
MedicinaRadiografía de tóraxTBX11K2: tuberculosis activa, tuberculosis pulmonar obsoleta
MedicinaEcografíaTN5000 Ecografía tiroidea2: benigno, maligno
MedicinaMicroscopía ópticaTXL-PBC Células sanguíneas3: glóbulos blancos, glóbulos rojos, plaquetas
OtraCámara RGBUEC Comida del comedor escolar21 clases de comida y bebida del comedor escolar
Aéreo/teledetecciónCámara UAV RGBVisDrone10: peatón, personas, bicicleta, coche, furgoneta, camión, triciclo, triciclo con toldo, autobús, motocicleta

Evaluación#

  • Selecciona hasta 1.000 imágenes de cada partición de entrenamiento, conserva completa la partición de validación y excluye la partición de prueba con fraction=[1000, 1.0, 0.0].
  • Ajusta independientemente el mismo checkpoint preentrenado en cada conjunto de datos durante 100 épocas, con paciencia 100, semilla 0, lote 16 y cuatro trabajadores. Las imágenes usan 640 píxeles. La semilla 0 no es totalmente determinista, por lo que YOLO27m y YOLO27l muestran la media de 3 ejecuciones de este tipo.
  • Activa la reasignación de clases, el formato channels-last y la salida JSON de predicciones, con los gráficos desactivados.
  • Evalúa el mejor checkpoint de cada conjunto de datos y reutiliza su max_det guardado, que tiene en cuenta el mayor recuento de objetos.
  • Para calcular mAP50-95 por tamaño, multiplica las áreas de las cajas de referencia y de predicción por (640 / max(image_width, image_height)) ** 2 antes de aplicar los intervalos Small, Medium y Large de COCO.
  • Asigna el mismo peso a cada conjunto de datos. Cada métrica por tamaño incluye solo los conjuntos de datos con al menos 10 objetos en ese intervalo.

La mAP macro es sum(dataset validation mAP50-95) / 37. Las métricas se calculan a partir de las predicciones guardadas de cada conjunto de datos.

Resultados de la evaluación comparativa#

Las métricas son medias macro de las 37 particiones de validación, expresadas en porcentaje.

TamañoModelomAP50-95PrecisiónExhaustividadmAP50-95-SmAP50-95-MmAP50-95-L
L/XYOLO27l55.5078.8374.9038.1755.7563.36
L/XYOLO26x49.8576.7468.6134.4450.5451.69
L/XYOLO26l49.7275.0569.3134.4950.1651.72
L/XYOLO11l48.5374.2268.3331.9150.7150.77
L/XYOLOv5l48.0374.1167.7831.7349.7949.87
L/XYOLOv8l48.0273.9568.8032.0549.0449.56
L/XYOLOv8x47.6775.6666.4631.1249.6049.69
L/XYOLOv5x47.3574.6967.9631.2749.3949.76
L/XYOLO11x47.2473.6967.0831.2248.5749.24
MYOLO27m53.3875.8572.9535.9653.4061.40
MYOLO26m49.4276.2368.3132.9150.0251.32
MYOLOv5m48.1974.2168.0731.6849.6751.93
MYOLO11m48.1573.7268.5632.1449.7650.75
MYOLOv8m47.9973.8668.1530.7349.6151.97
SYOLO27s51.2376.9670.7434.2051.4754.74
SYOLO11s47.7874.7267.6629.5349.6950.69
SYOLO26s47.4774.3566.7331.5647.7250.58
SYOLOv8s47.3573.9767.5430.9048.4750.15
SYOLOv5s47.3073.9767.0230.4749.0750.10
NYOLO27n49.2574.8668.4931.9349.3053.20
NYOLO11n46.1972.8365.6928.3547.5150.66
NYOLOv8n45.8972.2965.5628.5647.5549.22
NYOLOv5n45.0971.6964.9928.6146.7948.14
NYOLO26n44.0870.0963.2028.6944.5247.96

Evaluación comparativa#

Usa la rama main de Ultralytics con ULTRALYTICS_API_KEY configurado para acceder a los conjuntos de datos:

from ultralytics import YOLO

datasets = [
    "ul://ultralytics/datasets/airbus-oil-storage-detection",
    "ul://ultralytics/datasets/annopage-doc-elements",
    "ul://ultralytics/datasets/basketball-hoop-detection",
    "ul://ultralytics/datasets/ceymo",
    "ul://ultralytics/datasets/cheng-brain-tumor-mri",
    "ul://ultralytics/datasets/ddr-lesion",
    "ul://ultralytics/datasets/deeppcb",
    "ul://ultralytics/datasets/dentex",
    "ul://ultralytics/datasets/dspcbsd-pcb-surface-defect",
    "ul://ultralytics/datasets/egohands-egocentric",
    "ul://ultralytics/datasets/ena24",
    "ul://ultralytics/datasets/fisheye8k-traffic",
    "ul://ultralytics/datasets/floorplancad-2",
    "ul://ultralytics/datasets/grazpedwri-dx",
    "ul://ultralytics/datasets/groundcua-ui-yolo",
    "ul://ultralytics/datasets/global-wheat-head-detection-2021",
    "ul://ultralytics/datasets/hit-uav",
    "ul://ultralytics/datasets/iedxray",
    "ul://ultralytics/datasets/kvasir-seg-polyp",
    "ul://ultralytics/datasets/llvip",
    "ul://ultralytics/datasets/moda-multispectral-obb",
    "ul://ultralytics/datasets/plantdoc",
    "ul://ultralytics/datasets/racketvision-tennis-ball-yolo",
    "ul://ultralytics/datasets/rdd2022",
    "ul://ultralytics/datasets/rpc-retail-checkout",
    "ul://ultralytics/datasets/ruod-underwater",
    "ul://ultralytics/datasets/safe-human-17",
    "ul://ultralytics/datasets/seadronessee-2",
    "ul://ultralytics/datasets/sku110k-2",
    "ul://ultralytics/datasets/soccerdb",
    "ul://ultralytics/datasets/ssdd-sar-ship",
    "ul://ultralytics/datasets/taco-detect",
    "ul://ultralytics/datasets/tbx11k-tb-only",
    "ul://ultralytics/datasets/tn5000-thyroid-us",
    "ul://ultralytics/datasets/txl-pbc-blood-cells",
    "ul://ultralytics/datasets/uec-school-lunch-food-2",
    "ul://ultralytics/datasets/visdrone",
]

results = YOLO("yolo27n.pt").train(
    data=datasets,
    epochs=100,
    patience=100,
    imgsz=640,
    batch=16,
    fraction=[1000, 1.0, 0.0],
    seed=0,
    workers=4,
    cls_remap=True,
    channels_last=True,
    save_json=True,
    plots=False,
)
# La rama principal calcula los intervalos de tamaño con áreas nativas. Esta evaluación comparativa reescala por separado las áreas de GT y de predicción
# por (640 / max(image_width, image_height)) ** 2 antes de calcular la AP específica por tamaño.

Cita#

Si utilizas Ultralytics Benchmark en tu trabajo, cita el artículo de Ultralytics YOLO26:

@misc{jocher2026ultralyticsyolo26unifiedrealtime,
  title = {Ultralytics YOLO26: Unified Real-Time End-to-End Vision Models},
  author = {Glenn Jocher and Jing Qiu and Mengyu Liu and Shuai Lyu and Fatih Cagatay Akyon and Muhammet Esat Kalfaoglu},
  year = {2026},
  eprint = {2606.03748},
  archivePrefix = {arXiv},
  primaryClass = {cs.CV},
  doi = {10.48550/arXiv.2606.03748},
  url = {https://arxiv.org/abs/2606.03748},
}
Colaboradores

Comentarios