YOLO12 explicado: aplicaciones y casos de uso en el mundo real

La visión artificial es una rama de la inteligencia artificial (AI) que ayuda a las máquinas a comprender imágenes y vídeos. Es un campo que avanza a un ritmo increíble porque los investigadores y desarrolladores de IA no dejan de ampliar sus límites. La comunidad de IA siempre busca crear modelos más rápidos, inteligentes y eficientes. Uno de los últimos avances es YOLO12, la incorporación más reciente a la serie de modelos YOLO (Solo miras una vez), lanzada el 18 de febrero de 2025. Desde entonces, Ultralytics YOLO26 se ha convertido en el modelo recomendado para la mayoría de las cargas de trabajo de producción.

YOLO12 fue desarrollado por investigadores de la Universidad de Buffalo, SUNY (Universidad Estatal de Nueva York) y la Universidad de la Academia China de Ciencias. Con un nuevo enfoque singular, YOLO12 incorpora mecanismos de atención que permiten al modelo centrarse en las partes más importantes de una imagen, en lugar de procesarlo todo por igual.

También incorpora FlashAttention, una técnica que acelera el procesamiento y reduce el uso de memoria, así como un mecanismo de atención por zonas diseñado para imitar la forma natural en que las personas centran la atención en los objetos principales.

Estas mejoras hacen que YOLO12n sea un 2,1 % más preciso que YOLOv10n y que YOLO12m sea un 1,0 % más preciso que YOLO11m. Sin embargo, esto tiene un coste: YOLO12n es un 9 % más lento que YOLOv10n y YOLO12m es un 3 % más lento que YOLO11m.

Fig. 1. Ejemplo del uso de YOLO12 para detectar objetos.

En este artículo veremos qué diferencia a YOLO12, cómo se compara con las versiones anteriores y dónde se puede aplicar.

El camino hacia el lanzamiento de YOLO12#

La serie de modelos YOLO es una colección de modelos de visión artificial diseñados para la detección de objetos en tiempo real, es decir, pueden identificar y localizar rápidamente objetos en imágenes y vídeos. Con el tiempo, cada versión ha mejorado en velocidad, precisión y eficiencia.

Por ejemplo, Ultralytics YOLOv5, lanzado en 2020, se popularizó porque era rápido y fácil de entrenar con datos personalizados e implementar. Más adelante, Ultralytics YOLOv8 mejoró este modelo al ofrecer compatibilidad adicional con tareas de visión artificial como la segmentación de instancias y el seguimiento de objetos.

Más recientemente, Ultralytics YOLO11 se centró en mejorar el procesamiento en tiempo real y mantener el equilibrio entre velocidad y precisión. Por ejemplo, YOLO11m tenía un 22 % menos de parámetros que YOLOv8m y, aun así, ofrecía un mejor rendimiento de detección en el conjunto de datos COCO, un referente muy utilizado para evaluar modelos de detección de objetos.

A partir de estos avances, YOLO12 introduce un cambio en la forma de procesar la información visual. En lugar de tratar todas las partes de una imagen por igual, prioriza las zonas más relevantes y mejora la precisión de la detección. En pocas palabras, YOLO12 se basa en las mejoras anteriores y aspira a ofrecer más precisión.

Características clave de YOLO12#

YOLO12 incorpora varias mejoras que optimizan las tareas de visión artificial y mantienen la velocidad de procesamiento en tiempo real. Estas son sus características clave:

• Arquitectura centrada en la atención: En lugar de tratar todas las partes de una imagen por igual, YOLO12 se centra en las zonas más importantes. Esto mejora la precisión y reduce el procesamiento innecesario, lo que permite detectar con mayor nitidez y eficiencia, incluso en imágenes abarrotadas.
• FlashAttention: YOLO12 acelera el análisis de imágenes y reduce el uso de memoria. Con FlashAttention, un algoritmo eficiente en el uso de memoria, optimiza la gestión de datos, reduce la carga del hardware y hace que las tareas en tiempo real sean más fluidas y fiables.
• Redes de agregación de capas eficientes residuales (R-ELAN): YOLO12 organiza sus capas de forma más eficiente mediante R-ELAN, que mejora el procesamiento y el aprendizaje a partir de los datos. Esto estabiliza el entrenamiento, hace que el reconocimiento de objetos sea más preciso y reduce los requisitos computacionales, para que el modelo funcione con eficiencia en distintos entornos.

Para entender cómo funcionan estas características en la práctica, piensa en un centro comercial. YOLO12 puede ayudar a hacer un seguimiento de los compradores, identificar elementos decorativos de las tiendas, como plantas en macetas o carteles promocionales, y detectar objetos fuera de lugar o abandonados.

Su arquitectura centrada en la atención le ayuda a centrarse en los detalles más importantes, mientras que FlashAttention garantiza que procese todo rápidamente sin sobrecargar el sistema. Esto facilita que los responsables del centro comercial mejoren la seguridad, organicen la distribución de las tiendas y optimicen la experiencia de compra en general.

Fig. 2. Detección de objetos en un centro comercial con YOLO12.

Sin embargo, YOLO12 también tiene algunas limitaciones que debes tener en cuenta:

• Entrenamiento más lento: Debido a su arquitectura, YOLO12 necesita más tiempo de entrenamiento que Ultralytics YOLO11.
• Dificultades de exportación: Algunos usuarios pueden tener dificultades para exportar modelos YOLO12, especialmente al integrarlos en determinados entornos de implementación.

Comprender los resultados de las pruebas de rendimiento de YOLO12#

YOLO12 está disponible en varias variantes, cada una optimizada para distintas necesidades. Las versiones más pequeñas (nano y pequeña) priorizan la velocidad y la eficiencia, por lo que son ideales para dispositivos móviles y la computación en el borde. Las versiones mediana y grande equilibran la velocidad y la precisión, mientras que YOLO12x (extragrande) está diseñada para aplicaciones de alta precisión, como la automatización industrial, el diagnóstico por imagen y los sistemas avanzados de vigilancia.

Con estas variantes, YOLO12 ofrece distintos niveles de rendimiento en función del tamaño del modelo. Las pruebas comparativas muestran que algunas variantes de YOLO12 superan a YOLOv10 y Ultralytics YOLO11 en precisión y alcanzan una precisión media promedio (mAP) más alta.

Sin embargo, algunos modelos, como YOLO12m, YOLO12l y YOLO12x, procesan imágenes más despacio que YOLO11, lo que evidencia un compromiso entre la precisión de detección y la velocidad. A pesar de ello, YOLO12 sigue siendo eficiente y requiere menos parámetros que muchos otros modelos, aunque sigue utilizando más que YOLO11. Esto lo convierte en una excelente opción para aplicaciones en las que la precisión es más importante que la velocidad bruta.

Fig. 3. Comparación entre Ultralytics YOLO11 y YOLO12.

Uso de YOLO12 con el paquete de Python de Ultralytics#

YOLO12 es compatible con el paquete de Python de Ultralytics y es fácil de usar, tanto para principiantes como para profesionales. Con unas pocas líneas de código, los usuarios pueden cargar modelos preentrenados, ejecutar distintas tareas de visión artificial con imágenes y vídeos, y entrenar YOLO12 con conjuntos de datos personalizados. El paquete de Python de Ultralytics simplifica el proceso y elimina la necesidad de realizar pasos de configuración complejos.

Por ejemplo, estos son los pasos que seguirías para usar YOLO12 en la detección de objetos:

• Instala el paquete de Ultralytics: Primero, instala el paquete de Python de Ultralytics, que proporciona las herramientas necesarias para ejecutar YOLO12 de forma eficiente. Así te aseguras de que todas las dependencias estén configuradas correctamente.
• Carga un modelo YOLO12 preentrenado: Elige la variante YOLO12 adecuada (nano, pequeña, mediana, grande o extragrande) según el nivel de precisión y velocidad que necesite tu tarea.
• Proporciona una imagen o un vídeo: Introduce el archivo de imagen o vídeo que quieras analizar. YOLO12 también puede procesar vídeo en directo para realizar detecciones en tiempo real.
• Ejecuta el proceso de detección: El modelo analiza los datos visuales, identifica objetos y dibuja recuadros delimitadores alrededor de ellos. Etiqueta cada objeto detectado con la clase que predice y una puntuación de confianza.
• Ajusta la configuración de detección: También puedes modificar parámetros como los umbrales de confianza para ajustar la precisión y el rendimiento de la detección.
• Guarda o utiliza el resultado: Puedes guardar la imagen o el vídeo procesado, que ahora contiene los objetos detectados, o integrarlo en una aplicación para realizar análisis, automatización o toma de decisiones adicionales.

Estos pasos hacen que YOLO12 sea fácil de usar en una gran variedad de aplicaciones, desde la vigilancia y el seguimiento en el comercio minorista hasta el diagnóstico por imagen y los vehículos autónomos.

Aplicaciones prácticas de YOLO12#

YOLO12 puede utilizarse en diversas aplicaciones del mundo real gracias a su compatibilidad con la detección de objetos, la segmentación de instancias, la clasificación de imágenes, la estimación de poses y la detección de objetos orientados (OBB), aunque actualmente solo se han publicado pesos preentrenados para la detección.

Fig. 4. YOLO12 es compatible con tareas como la detección de objetos y la segmentación de instancias.

Sin embargo, como hemos comentado antes, los modelos YOLO12 priorizan la precisión frente a la velocidad, por lo que tardan algo más en procesar imágenes que las versiones anteriores. Esta contrapartida hace que YOLO12 sea ideal para aplicaciones en las que la precisión es más importante que la velocidad en tiempo real, como:

• Diagnóstico por imagen: YOLO12 se puede entrenar con datos personalizados para detectar tumores o anomalías en radiografías y resonancias magnéticas con gran precisión, lo que lo convierte en una herramienta útil para médicos y radiólogos que necesitan analizar imágenes con precisión para realizar diagnósticos.
• Control de calidad en la fabricación: Puede ayudar a identificar defectos en los productos durante el proceso de producción, asegurando que solo lleguen al mercado artículos de alta calidad, a la vez que reduce los residuos y mejora la eficiencia.
• Análisis forense: Las fuerzas del orden pueden ajustar YOLO12 para analizar grabaciones de vigilancia y reunir pruebas. En las investigaciones criminales, la precisión es esencial para identificar detalles clave.
• Agricultura de precisión: Los agricultores pueden utilizar YOLO12 para analizar la salud de los cultivos, detectar enfermedades o plagas y supervisar las condiciones del suelo. Las evaluaciones precisas ayudan a optimizar las estrategias agrícolas, lo que mejora el rendimiento y la gestión de los recursos.

Primeros pasos con YOLO12#

Antes de ejecutar YOLO12, es importante asegurarte de que tu sistema cumple los requisitos necesarios.

En teoría, YOLO12 puede ejecutarse en cualquier GPU (unidad de procesamiento gráfico) dedicada. De forma predeterminada, no necesita FlashAttention, por lo que puede funcionar sin esta tecnología en la mayoría de los sistemas con GPU. Sin embargo, activar FlashAttention puede resultar especialmente útil al trabajar con conjuntos de datos grandes o imágenes de alta resolución, ya que ayuda a evitar ralentizaciones, reducir el uso de memoria y mejorar la eficiencia del procesamiento.

Para utilizar FlashAttention, necesitarás una GPU de NVIDIA de una de estas series: Turing (T4, Quadro RTX), Ampere (serie RTX 30, A30, A40, A100), Ada Lovelace (serie RTX 40) o Hopper (H100, H200).

Para garantizar la usabilidad y la accesibilidad, FlashAttention es opcional en el paquete Python de Ultralytics y debe compilarse por separado, ya que su instalación puede ser bastante compleja desde el punto de vista técnico. Para obtener más información sobre cómo empezar a usar YOLO12 y optimizar su rendimiento, consulta la documentación oficial de Ultralytics.

Conclusiones clave#

A medida que avanza la visión artificial, los modelos son cada vez más precisos y eficientes. YOLO12 mejora tareas de visión artificial como la detección de objetos, la segmentación de instancias y la clasificación de imágenes mediante un procesamiento centrado en la atención y FlashAttention, lo que aumenta la precisión y optimiza el uso de memoria.

Al mismo tiempo, la visión artificial es más accesible que nunca. YOLO12 es fácil de usar mediante el paquete de Python de Ultralytics y, al priorizar la precisión frente a la velocidad, es muy adecuado para el diagnóstico por imagen, las inspecciones industriales y la robótica: aplicaciones en las que la precisión es clave.

¿Te interesa la IA? Visita nuestro repositorio de GitHub y participa en nuestra comunidad. Explora las innovaciones en sectores como la IA en coches autónomos y la visión artificial en la agricultura en nuestras páginas de soluciones. Consulta nuestras opciones de licencia y da vida a tus proyectos de IA visual.