Ultralytics YOLO26 frente a otros modelos Ultralytics YOLO para la estimación de poses

Cuando observas la postura de alguien, es fácil notar si está encorvado, inclinado hacia delante o erguido. Los seres humanos entendemos rápidamente cómo se relacionan entre sí las distintas partes del cuerpo.

Es una parte inherente de cómo interpretamos el movimiento y el lenguaje corporal en la vida cotidiana. Sin embargo, para las máquinas, este tipo de comprensión visual no es automática. Enseñar a un sistema a reconocer el movimiento y la estructura requiere técnicas avanzadas de aprendizaje profundo y visión por ordenador que le permitan interpretar las imágenes de forma significativa.

En particular, la estimación de postura es una técnica de IA de visión que permite que un modelo de visión por ordenador desarrolle una comprensión similar. En lugar de limitarse a detectar un objeto en una imagen, el modelo predice puntos clave que representan referencias estructurales importantes.

Estos puntos clave pueden corresponder a articulaciones corporales, extremidades de animales, componentes de maquinaria o incluso puntos fijos, como las esquinas de una pista. Al identificar y seguir estos puntos, el sistema puede comprender la posición, la alineación y el movimiento de forma estructurada y medible.

A medida que la estimación de postura se aplica a más escenarios del mundo real, los modelos deben gestionar con mayor eficacia puntos clave no humanos, escenas complejas y conjuntos de datos personalizados. Por ejemplo, los modelos de última generación como Ultralytics YOLO26 admiten tareas de visión por ordenador como la estimación de postura y se basan en modelos de postura YOLO anteriores, con mejoras arquitectónicas y de entrenamiento diseñadas para aumentar la flexibilidad y el rendimiento general.

Fig. 1. Un ejemplo de estimación de postura habilitada por YOLO (Fuente)

En este artículo, compararemos YOLO26-pose con modelos de postura Ultralytics YOLO anteriores y analizaremos cómo mejora la flexibilidad, la velocidad de convergencia y el rendimiento en escenas complejas. ¡Empecemos!

¿Qué es la estimación de poses?#

Antes de sumergirnos en la comparación de los modelos de postura de Ultralytics YOLO, veamos más detenidamente qué significa realmente la estimación de postura en el contexto de la visión por ordenador.

La estimación de postura es una técnica utilizada para detectar y seguir puntos clave específicos en una imagen o fotograma de vídeo. Estos puntos clave pueden representar referencias estructurales importantes, como las articulaciones de un cuerpo humano, las extremidades de un animal, los componentes de una máquina o puntos de referencia fijos en una escena.

Fig. 2. Estimación de la postura de trabajadores mediante estimación de postura humana (Fuente)

Al identificar las coordenadas de estos puntos, un modelo puede comprender cómo está colocado un objeto y cómo se mueve con el tiempo. A diferencia de la clasificación de imágenes, que asigna una única etiqueta a toda una imagen, o de los modelos de detección de objetos, que se centran en dibujar cuadros delimitadores alrededor de los objetos, la estimación de postura proporciona información espacial más detallada sobre la estructura y el movimiento.

Descripción general de Ultralytics YOLO26-pose#

YOLO26-pose está disponible en varias variantes o tamaños de modelo, incluidas opciones ligeras como YOLO26n-pose y modelos más grandes como YOLO26m-pose, YOLO26l-pose y YOLO26x-pose. Esto permite a los equipos elegir el equilibrio adecuado entre velocidad y precisión en función de su hardware y sus necesidades de rendimiento.

Ultralytics también proporciona modelos de postura preentrenados con grandes conjuntos de datos generales, como el conjunto de datos COCO, concretamente las anotaciones COCO-Pose (puntos clave de COCO) para la estimación de la postura humana, por lo que no tienes que empezar desde cero. En la mayoría de los casos, los equipos ajustan estos modelos con su propio conjunto de datos para adaptarlos a puntos clave, disposiciones o entornos específicos.

Normalmente, esto implica preparar archivos de anotaciones personalizados que definan las coordenadas de los puntos clave y las etiquetas de clase en un formato estructurado. Estas anotaciones asignan los puntos clave a coordenadas de píxel específicas dentro de cada imagen, lo que permite al modelo aprender relaciones espaciales precisas durante el entrenamiento.

El uso de modelos preentrenados acelera el entrenamiento, reduce los requisitos de datos y ayuda a llevar los proyectos a producción de forma más eficiente.

Aplicaciones reales de la estimación de la postura humana#

Estos son algunos ejemplos de casos de uso reales en los que la estimación de postura desempeña un papel importante:

• Sanidad y rehabilitación: Los profesionales clínicos pueden utilizar modelos de postura para evaluar la postura, supervisar el progreso de la recuperación y analizar patrones de movimiento durante la fisioterapia.
• Sistemas autónomos: Los drones y las cámaras inteligentes pueden utilizar información sobre la postura para comprender mejor la orientación y el movimiento de los objetos en escenas dinámicas.
• Seguridad en el trabajo: Las organizaciones pueden supervisar la posición corporal y los movimientos repetitivos para ayudar a identificar posibles riesgos de seguridad.
• Fitness y entrenamiento personal: Las aplicaciones de fitness utilizan la estimación de postura para seguir la técnica de los ejercicios, contar repeticiones y proporcionar información en tiempo real sobre la postura y el movimiento mantenidos durante los tutoriales de fitness.

Fig. 3. La estimación de postura puede ayudar a seguir puntos corporales clave durante un movimiento atlético. (Fuente)

Análisis de la compatibilidad de Ultralytics YOLO26 con la estimación de postura#

Ultralytics YOLO26 se basa en modelos Ultralytics YOLO anteriores e incorpora actualizaciones diseñadas para hacer más prácticos el entrenamiento y la implementación.

Al igual que las versiones anteriores, admite la estimación de postura como parte de un marco unificado. La principal diferencia es que Ultralytics YOLO26 está diseñado para ser más flexible y estable en una gama más amplia de casos de uso reales.

Fig. 4. Evaluación comparativa de YOLO26 (Fuente)

Los modelos de postura Ultralytics YOLO anteriores estaban muy influenciados por conjuntos de datos de postura humana, lo que significaba que partes de los métodos antiguos estaban optimizadas en torno a estructuras articulares humanas. YOLO26 elimina estas suposiciones específicas de los seres humanos.

Como resultado, es más adecuado para puntos clave no humanos, como la detección de las esquinas de una pista de tenis u otras referencias estructurales personalizadas. Esto es importante porque, de forma predeterminada, los modelos Ultralytics YOLO26-pose preentrenados se entrenan con conjuntos de datos como COCO-pose y predicen los puntos clave humanos definidos en las anotaciones del conjunto de datos.

Sin embargo, cuando los equipos quieren detectar distintos tipos de referencias, como componentes de maquinaria, marcadores de campos deportivos o puntos de infraestructuras, normalmente el modelo debe ajustarse con un conjunto de datos personalizado en el que estén anotados esos puntos clave específicos.

Dado que Ultralytics YOLO26 no está vinculado a suposiciones sobre estructuras articulares humanas, puede adaptarse con mayor eficacia durante el ajuste. Esta flexibilidad permite que el modelo aprenda disposiciones de puntos clave personalizados de forma más fiable, lo que mejora las métricas de evaluación al validar con conjuntos de datos que presentan configuraciones de puntos clave únicas.

Ultralytics YOLO26-pose también está diseñado para mejorar la localización de puntos clave cuando partes de un objeto están parcialmente ocultas o aparecen a una escala muy pequeña. En escenas reales con sujetos lejanos, imágenes captadas por drones o situaciones con objetos pequeños, esto puede producir predicciones de puntos clave más precisas que los modelos de postura anteriores.

Otra actualización importante es la mejora de la formulación de la pérdida utilizada durante el entrenamiento. La función de pérdida determina cómo corrige el modelo sus errores mientras aprende.

En el caso de Ultralytics YOLO26-pose, este proceso es más eficaz, lo que ayuda al modelo a aprender más rápido y alcanzar una precisión elevada en menos épocas, donde una época hace referencia a una pasada completa por el conjunto de datos de entrenamiento.

En conjunto, YOLO26-pose se basa en modelos de postura Ultralytics YOLO anteriores y ofrece mejoras más claras en la compatibilidad con puntos clave no humanos y en la convergencia del entrenamiento, manteniendo al mismo tiempo el mismo flujo de trabajo familiar.

Comparación de YOLO26-pose con Ultralytics YOLOv5#

La primera versión de los modelos Ultralytics YOLO, Ultralytics YOLOv5, se desarrolló principalmente para la detección de objetos. Aunque YOLOv5 se amplió posteriormente para admitir la segmentación de instancias, no incluye un cabezal nativo y especializado de estimación de postura dentro del marco oficial de Ultralytics.

Los equipos que necesitaban detectar puntos clave solían recurrir a implementaciones independientes o modificaciones personalizadas. Ultralytics YOLO26 incluye la estimación de postura como tarea integrada, con un cabezal arquitectónico específico diseñado para predecir puntos clave.

Esto significa que los modelos Ultralytics YOLO26-pose pueden entrenarse, validarse e implementarse dentro del mismo flujo de trabajo unificado que la detección y la segmentación. Para los proyectos centrados en la detección estructurada de puntos clave, YOLO26 proporciona compatibilidad nativa con la postura y una arquitectura específica para la tarea que YOLOv5 no ofrece de forma predeterminada.

Diferencias clave: YOLO26-pose frente a Ultralytics YOLOv8-pose#

Ultralytics YOLOv8 introdujo la estimación de postura nativa dentro del marco unificado de Ultralytics, lo que facilita entrenar e implementar modelos de puntos clave utilizando el mismo flujo de trabajo que la detección y la segmentación. Se basa en una canalización tradicional de posprocesamiento con supresión no máxima (NMS) y utiliza formulaciones de pérdida anteriores para la regresión de cuadros delimitadores y el entrenamiento.

Ultralytics YOLO26 se basa en esta base e incorpora actualizaciones arquitectónicas y de entrenamiento que afectan directamente a la estimación de postura. Una diferencia importante es el diseño de extremo a extremo. YOLO26 elimina la necesidad de NMS externo durante la inferencia, lo que simplifica la implementación y mejora la coherencia de la latencia, especialmente en CPU y dispositivos periféricos.

Otra mejora clave se encuentra en la metodología de entrenamiento. Ultralytics YOLO26 introduce el optimizador MuSGD junto con estrategias de pérdida actualizadas. Para las tareas de postura, integra la estimación de log-verosimilitud residual, lo que mejora la forma de modelar la incertidumbre de los puntos clave. En conjunto, estos cambios pueden acelerar la convergencia y estabilizar las predicciones de puntos clave, especialmente en escenas complejas o parcialmente ocluidas.

En resumen, Ultralytics YOLOv8-pose estableció una base sólida y versátil. YOLO26-pose perfecciona esa base con una mayor eficiencia de entrenamiento, una mejor gestión de las oclusiones y una mayor flexibilidad para aplicaciones de postura no humana en el mundo real.

YOLO26-pose frente a Ultralytics YOLO11-pose: ¿qué ha mejorado?#

Ultralytics YOLO11 se basa en Ultralytics YOLOv8 y perfecciona el backbone y las capas de extracción de características. Redujo los FLOPs, mejoró la eficiencia de los parámetros y ofreció un mAP superior, manteniendo un sólido rendimiento en tiempo real. Para las tareas de postura, esto se tradujo en una mayor precisión de los puntos clave con una arquitectura más ligera.

YOLO26-pose continúa esta progresión con un cambio arquitectónico más fundamental. En pocas palabras, YOLO11 perfeccionó la eficiencia y la precisión de YOLOv8, y YOLO26 se basa en esa arquitectura con actualizaciones arquitectónicas y de entrenamiento orientadas a una convergencia más rápida, una inferencia más estable y una mayor precisión de postura en escenarios complejos.

¿Por qué deberías empezar a utilizar el modelo Ultralytics YOLO26 para la estimación de postura?#

Mientras analizas las diferencias entre los modelos Ultralytics YOLO, quizá te preguntes si deberías cambiar a YOLO26-pose.

La respuesta breve es que se trata de una actualización sencilla. Si ya utilizas Ultralytics YOLOv8-pose o Ultralytics YOLO11-pose, cambiar a YOLO26-pose normalmente solo implica cambiar la versión del modelo, no reconstruir tu canalización.

Puedes beneficiarte de una mejor compatibilidad con puntos clave no humanos, una convergencia más rápida durante el entrenamiento y una mejor gestión de los puntos ocluidos, todo ello manteniéndote en el mismo marco de Ultralytics. Para la mayoría de los proyectos de postura nuevos y existentes, pasar a YOLO26-pose es una forma sencilla de obtener esas mejoras con una fricción mínima.

Además, YOLO26-pose es totalmente compatible con el paquete de Python de Ultralytics, que se basa en PyTorch y simplifica el entrenamiento, la validación y la implementación. Los modelos se pueden exportar a formatos como ONNX, TensorRT, OpenVINO, CoreML y TFLite, lo que facilita su implementación en GPU, CPU y dispositivos periféricos sin cambiar tu flujo de trabajo general.

Conclusiones clave#

Ultralytics YOLO26-pose hace que la estimación de postura sea más flexible y fiable, especialmente al trabajar con puntos clave no humanos o escenas complejas. Se entrena más rápido, gestiona mejor las oclusiones y ofrece resultados más coherentes en distintos conjuntos de datos. Para los equipos que ya utilizan modelos de postura Ultralytics YOLO, YOLO26 ofrece mejoras claras sin cambiar los flujos de trabajo existentes.

¿Quieres saber más sobre AI? Visita nuestra comunidad y nuestro repositorio de GitHub. Explora nuestras páginas de soluciones para obtener más información sobre la AI en robótica y la visión por ordenador en la agricultura. Descubre nuestras opciones de licencia y empieza hoy mismo a desarrollar con visión por ordenador.