DAMO-YOLO vs. YOLO11
Wenn du für dein nächstes Computervisionsprojekt eine Echtzeitarchitektur zur Objekterkennung auswählst, ist es hilfreich, die Unterschiede zwischen den führenden Modellen zu kennen. Dieser Leitfaden vergleicht DAMO-YOLO und Ultralytics YOLO11 technisch und behandelt ihre Architekturen, Leistungskennzahlen, Trainingsverfahren und geeigneten Bereitstellungsszenarien.
Details zu DAMO-YOLO:
- Autoren: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang und Xiuyu Sun
- Organisation: Alibaba Group
- Datum: 2022-11-23
- arXiv: 2211.15444v2
- GitHub: tinyvision/DAMO-YOLO
- Dokumentation: DAMO-YOLO-Dokumentation
YOLO11-Details:
- Autoren: Glenn Jocher und Jing Qiu
- Organisation: Ultralytics
- Datum: 2024-09-27
- GitHub: ultralytics/ultralytics
- Dokumentation: YOLO11-Dokumentation
Architekturkonzept#
Die zugrunde liegende Architektur eines Objekterkennungsmodells bestimmt seine Inferenzgeschwindigkeit, Genauigkeit und Anpassungsfähigkeit an verschiedene Hardwareumgebungen.
DAMO-YOLO bringt mehrere akademische Neuerungen mit und setzt stark auf neuronale Architektursuche (NAS), um sein Backbone automatisch zu entwerfen. Das Modell verwendet ein effizientes RepGFPN (reparametrisiertes verallgemeinertes Feature-Pyramid-Netzwerk), um die Merkmalsfusion zu verbessern, sowie ein ZeroHead-Design, das den umfangreichen Vorhersagekopf früherer Architekturen deutlich verkleinert. Dieser NAS-gesteuerte Ansatz ermöglicht DAMO-YOLO zwar gezielte Effizienzsteigerungen auf ausgewählten GPUs, doch den resultierenden Architekturen fehlt mitunter die nötige Flexibilität, um sich auf unterschiedliche Edge-Geräte übertragen zu lassen.
Im Gegensatz dazu baut YOLO11 auf jahrelanger Grundlagenforschung auf und bietet eine optimierte, von Hand entwickelte Architektur. Der Schwerpunkt liegt auf einem schlanken Backbone und einem effizienten Neck, der redundante Berechnungen reduziert. Ein wesentlicher Vorteil von YOLO11 ist die hohe Parametereffizienz: Das Modell erzielt eine starke Merkmalsrepräsentation, ohne den hohen VRAM-Bedarf, der für Transformer-basierte Modelle wie RT-DETR typisch ist. Dadurch ist YOLO11 vielseitig einsetzbar und läuft reibungslos auf handelsüblichen GPUs, Mobilgeräten und speziellen Edge-Beschleunigern.
Leistung und Metriken#
Für die Leistungsbewertung reicht es nicht, nur die Spitzenwerte der Genauigkeit zu betrachten. Auch das Verhältnis von Geschwindigkeit, Modellgröße und Rechenaufwand (FLOPs) ist entscheidend.
| Modell | Größe (Pixel) | mAPval50-95 | Geschwindigkeit CPU ONNX (ms) | Geschwindigkeit T4 TensorRT10 (ms) | Parameter (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| DAMO-YOLOt | 640 | 42.0 | - | 2.32 | 8.5 | 18.1 |
| DAMO-YOLOs | 640 | 46.0 | - | 3.45 | 16.3 | 37.8 |
| DAMO-YOLOm | 640 | 49.2 | - | 5.09 | 28.2 | 61.8 |
| DAMO-YOLOl | 640 | 50.8 | - | 7.18 | 42.1 | 97.3 |
| YOLO11n | 640 | 39.5 | 56.1 | 1.5 | 2.6 | 6.5 |
| YOLO11s | 640 | 47.0 | 90.0 | 2.5 | 9.4 | 21.6 |
| YOLO11m | 640 | 51.5 | 183.2 | 4.7 | 20.1 | 68.1 |
| YOLO11l | 640 | 53.4 | 238.6 | 6.2 | 25.3 | 87.2 |
| YOLO11x | 640 | 54.7 | 462.8 | 11.3 | 56.9 | 195.3 |
Wie die Tabelle zeigt, bietet YOLO11 ein ausgewogenes Leistungsverhältnis. Die Variante YOLO11s ist beispielsweise genauer als die Variante DAMO-YOLOs und benötigt zugleich deutlich weniger Parameter. Dieser geringere Speicherbedarf senkt direkt die Bereitstellungskosten und sorgt für eine agilere Leistung auf Edge-Geräten.
Trainingsmethoden und Benutzerfreundlichkeit#
Entwickler verbringen einen großen Teil ihrer Zeit mit der Trainingspipeline, weshalb die Trainingseffizienz besonders wichtig ist.
DAMO-YOLO verwendet ein mehrstufiges Trainingsverfahren, das stark von der Wissensdestillation abhängt. Für die Labelzuweisung wird AlignedOTA (optimale Transportzuweisung) genutzt. Häufig muss zudem ein größeres „Lehrermodell“ trainiert werden, um Wissen an kleinere „Schülermodelle“ weiterzugeben. Dadurch steigen sowohl der benötigte CUDA-Speicher als auch der Rechenaufwand bis zur Konvergenz erheblich.
Das Ultralytics-Ökosystem nimmt Entwicklern dagegen die Komplexität des Modelltrainings ab. YOLO11 ist einfach zu bedienen und bietet eine schlanke Python-API sowie eine umfassende CLI, mit denen Entwickler das Training benutzerdefinierter Datensätze mit einem einzigen Befehl starten können. Die Trainingspipeline geht sparsam mit Ressourcen um und minimiert Speicherbedarfsspitzen, sodass sich auch größere Modelle auf Standardhardware trainieren lassen.
Für das Training eines Ultralytics-Modells brauchst du keinen Boilerplate-Code. Die integrierten Pipelines zum Laden und Erweitern von Daten sowie zur Berechnung des Verlusts funktionieren sofort.
Hier ist ein kurzes Beispiel für das Training und den Export eines Ultralytics-Modells:
from ultralytics import YOLO
# Ein vortrainiertes kleines YOLO11-Modell laden
model = YOLO("yolo11s.pt")
# Das Modell mit einem benutzerdefinierten Datensatz trainieren
model.train(data="coco8.yaml", epochs=100, imgsz=640, device=0)
# Das trainierte Modell für die Bereitstellung nach ONNX exportieren
model.export(format="onnx")Anwendungen und Vielseitigkeit in der Praxis#
Die Wahl zwischen diesen Architekturen hängt oft davon ab, wie viele verschiedene Aufgaben die Bereitstellungsumgebung erfüllen muss.
Einsatzbereiche von DAMO-YOLO#
DAMO-YOLO ist ausschließlich ein Framework zur Objekterkennung. Es eignet sich für akademische Forschung, bei der Teams Reparametrisierungsverfahren untersuchen oder bestimmte Experimente mit neuronaler Architektursuche nachbilden. Auch in streng kontrollierten Industrieumgebungen lässt sich das Modell einsetzen, wenn ein bestimmter GPU-Beschleuniger zum durch NAS erzeugten Backbone passt.
Der Vorteil von Ultralytics#
Ultralytics-Modelle, darunter YOLO11, werden aufgrund ihrer Vielseitigkeit und des gut gepflegten Ökosystems häufig kommerziell eingesetzt. Anders als DAMO-YOLO unterstützt das Ultralytics-Framework mehrere Aufgaben direkt. Von der Instanzsegmentierung in der medizinischen Bildgebung bis zur Posenschätzung für biomechanische Analysen im Sport – eine einzige, einheitliche Codebasis deckt all diese Aufgaben ab.
Zu den Branchen, die YOLO11 einsetzen, gehören:
- Intelligente Landwirtschaft: Objekterkennung zur Überwachung der Pflanzengesundheit und Automatisierung von Erntemaschinen.
- Einzelhandelsanalytik: Einsatz von intelligenter Videoüberwachung, um Kundenströme zu analysieren und die Bestandsverwaltung zu automatisieren.
- Logistik und Lieferkette: Hochgeschwindigkeits-Erkennung von Barcodes und Paketen auf schnell laufenden Förderbändern mithilfe von orientierten Begrenzungsrahmen (OBB).
Anwendungsfälle und Empfehlungen#
Die Wahl zwischen DAMO-YOLO und YOLO11 hängt von deinen spezifischen Projektanforderungen, Bereitstellungseinschränkungen und Präferenzen für das Ökosystem ab.
Wann du DAMO-YOLO wählen solltest#
DAMO-YOLO eignet sich besonders für:
- Videoanalyse mit hohem Durchsatz: Verarbeitung von Videostreams mit hoher Bildrate auf fest installierter NVIDIA-GPU-Infrastruktur, bei der der Durchsatz mit Batchgröße 1 im Vordergrund steht.
- Industrielle Fertigungslinien: Szenarien mit strengen GPU-Latenzvorgaben auf dedizierter Hardware, etwa die Qualitätsprüfung in Echtzeit auf Fließbändern.
- Forschung zur neuronalen Architektursuche: Untersuchung der Auswirkungen automatisierter Architektursuche (MAE-NAS) und effizienter Architekturen mit reparametrisierten Rückgraten auf die Erkennungsleistung.
Wann du YOLO11 wählen solltest#
YOLO11 wird empfohlen für:
- Bereitstellung auf Edge-Geräten im Produktionseinsatz: Kommerzielle Anwendungen auf Geräten wie Raspberry Pi oder NVIDIA Jetson, bei denen Zuverlässigkeit und aktive Wartung entscheidend sind.
- Computervisionsanwendungen mit mehreren Aufgaben: Projekte, die Erkennung, Segmentierung, Posenschätzung und OBB in einem einzigen, einheitlichen Framework benötigen.
- Schnelle Prototypentwicklung und Bereitstellung: Teams, die mithilfe der optimierten Ultralytics-Python-API schnell von der Datenerfassung zum Produktionseinsatz gelangen müssen.
Wann du Ultralytics (YOLO26) wählen solltest#
Für die meisten neuen Projekte bietet Ultralytics YOLO26 die beste Kombination aus Leistung und Entwicklererfahrung:
- NMS-freie Bereitstellung am Netzwerkrand: Anwendungen, die eine gleichmäßige Inferenz mit niedriger Latenz ohne die Komplexität der Nachbearbeitung mit Non-Maximum Suppression (NMS) benötigen.
- Umgebungen ohne GPU: Geräte ohne dedizierte GPU-Beschleunigung, bei denen die bis zu 43 % schnellere CPU-Inferenz von YOLO26 (YOLO26n gegenüber YOLO11n) einen klaren Vorteil bietet.
- Erkennung kleiner Objekte: Anspruchsvolle Szenarien wie Luftbilder von Drohnen oder die Analyse von IoT-Sensoren, bei denen ProgLoss und STAL die Genauigkeit bei sehr kleinen Objekten deutlich steigern.
Die nächste Generation: YOLO26 im Überblick#
YOLO11 bleibt eine leistungsstarke und zuverlässige Wahl, doch die Computervision entwickelt sich rasant weiter. Für Entwickler, die neue Projekte starten, ist das neueste Modell YOLO26 der empfohlene Ausgangspunkt.
YOLO26 wurde im Januar 2026 veröffentlicht und bietet mehrere Neuerungen:
- End-to-End-Design ohne NMS: Mit dem optionalen One-to-One-Kopf (
nms=False) überspringt YOLO26 die Nachverarbeitung durch Nichtmaximalunterdrückung und ermöglicht so schnellere, besser vorhersehbare Inferenzzeiten sowie einfachere Bereitstellungsabläufe. - Bis zu 43 % schnellere CPU-Inferenz: Durch den Wegfall des Verteilungs-Focal-Loss (DFL) läuft YOLO26n auf der CPU bis zu 43 % schneller als YOLO11n und eignet sich hervorragend für Edge- und Geräte mit geringem Stromverbrauch, die keine dedizierte GPU haben.
- MuSGD-Optimierer: Dieser hybride Optimierer überträgt vom Moonshot AI inspirierte LLM-Trainingstechniken auf die Computervision und sorgt beim Training für stabile, schnelle Konvergenz.
- Fortschrittliche Trainingstechniken: Mit ProgLoss + STAL verbessert YOLO26 die Erkennung kleiner Objekte – entscheidend für Luftaufnahmen und Robotik.
Fazit#
DAMO-YOLO und YOLO11 haben beide wesentlich zur Weiterentwicklung schneller, genauer Computervision beigetragen. DAMO-YOLO bietet interessante akademische Einblicke in Architektursuche und Destillation, während Ultralytics YOLO11 (und das neuere YOLO26) Entwicklern eine reibungslosere Nutzung ermöglicht.
Dank des geringeren Speicherbedarfs, der umfassenden Dokumentation, der Unterstützung mehrerer Aufgaben und der Integration in die Ultralytics Platform bleiben Ultralytics-Modelle die erste Wahl für Forschende und Entwickler in Unternehmen, die robuste, skalierbare KI-Lösungen entwickeln möchten. Wer sich für weitere fortschrittliche Architekturen interessiert, findet im Vergleich YOLO26 und RT-DETR zusätzliche Einblicke in Transformer-basierte Alternativen.
Kommentare
Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.