DAMO-YOLO vs. YOLO26
Computer-Vision-Architekturen entwickeln sich stetig weiter, angetrieben vom Bedarf an hoher Genauigkeit und Inferenz mit geringer Latenz. Dieser Vergleich behandelt DAMO-YOLO und Ultralytics YOLO26 sowie ihre architektonischen Neuerungen, Trainingsmethoden und am besten geeigneten Einsatzbereiche.
Ob du Vision-Modelle auf Edge-Geräten bereitstellst oder Cloud-Pipelines mit hohem Durchsatz entwickelst – wenn du die Unterschiede zwischen diesen Modellen verstehst, kannst du fundierte Architekturentscheidungen treffen.
DAMO-YOLO: Neuronale Architektursuche im großen Maßstab#
DAMO-YOLO wurde von der Alibaba Group entwickelt und am 23. November 2022 veröffentlicht. Das von Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang und Xiuyu Sun entwickelte Modell konzentriert sich darauf, mithilfe von Neural Architecture Search (NAS) effiziente Architekturen automatisch zu finden.
Du kannst die ursprüngliche Forschung in der arXiv-Arbeit nachlesen oder den Quellcode im DAMO-YOLO-GitHub-Repository ansehen.
Wichtige Architekturmerkmale#
DAMO-YOLO führt mehrere technische Neuerungen für die Echtzeit-Objekterkennung ein:
- MAE-NAS-Backbones: DAMO-YOLO nutzt eine entropiemaximierende Suche, um effiziente Backbones zu finden. Dieser NAS-Ansatz ermittelt Architekturen, die die Erkennungsgenauigkeit gezielt an die Inferenzgeschwindigkeit der jeweiligen Hardware anpassen.
- Efficient RepGFPN: Ein umfangreiches Neck-Design, das die Merkmalsfusion deutlich verbessert und so die Analyse komplexer Szenen erleichtert, wie sie bei Luftbildaufnahmen vorkommen.
- ZeroHead-Design: Ein stark vereinfachter Erkennungs-Head, der die Rechenkomplexität der abschließenden Vorhersageschichten minimiert.
- AlignedOTA und Destillation: DAMO-YOLO verwendet Aligned Optimal Transport Assignment (AlignedOTA), um Mehrdeutigkeiten bei der Labelzuweisung zu beseitigen. Ergänzend kommt eine Wissensdestillation zum Einsatz, bei der größere Lehrermodelle die Genauigkeit kleinerer Schülermodelle verbessern.
Der Vorteil von Ultralytics: YOLO26#
YOLO26 wurde am 14. Januar 2026 von Glenn Jocher und Jing Qiu bei Ultralytics veröffentlicht und ist das derzeit empfohlene Ultralytics-Modell für zugängliche, leistungsstarke Vision-KI. Aufbauend auf YOLO11 und YOLOv10 wurde YOLO26 von Grund auf für Edge-Geräte als vorrangiges Ziel, Vielseitigkeit bei mehreren Aufgaben und einfache Bedienung entwickelt.
Neuerungen in YOLO26#
Ultralytics YOLO26 bietet mehrere Funktionen für moderne Computer-Vision-Anwendungen:
- End-to-End-Design ohne NMS: Der native One-to-One-Kopf (
nms=False) von YOLO26 macht die Nachverarbeitung durch Nichtmaximalunterdrückung (NMS) überflüssig. Aufbauend auf dem NMS-freien Training von YOLOv10 vereinfacht dieser End-to-End-Ansatz die Bereitstellung und ermöglicht eine vorhersehbare Inferenz mit geringer Latenz. - Bis zu 43 % schnellere CPU-Inferenz: YOLO26 wurde architektonisch für Edge-Computing optimiert und ermöglicht schnelle Inferenz auf Edge-Geräten und Standard-CPUs. YOLO26n ist bis zu 43 % schneller als YOLO11n und eignet sich daher besonders für batteriebetriebene IoT-Geräte.
- MuSGD-Optimierer: Inspiriert vom LLM-Training, etwa von Kimi K2 von Moonshot AI, kombiniert YOLO26 SGD und Muon. Dadurch wird die Stabilität des Trainings großer Sprachmodelle auf die Computer Vision übertragen, was zu einer schnelleren und zuverlässigeren Konvergenz führt.
- Entfernung von DFL: Durch den Wegfall des Verteilungs-Focal-Loss wird der Modellgraph vereinfacht und der Export in Formate wie ONNX und TensorRT erleichtert.
- ProgLoss + STAL: Ein progressiver Verlust und eine Strategie zur Labelzuweisung, die kleine Ziele berücksichtigt, verbessern die Erkennung kleiner Objekte deutlich. Das ist entscheidend für den Drohneneinsatz und die Landwirtschaft.
YOLO26 bietet spezialisierte Verbesserungen für mehrere Modalitäten: ein Multi-Scale-Proto für die Instanzsegmentierung, Residual Log-Likelihood Estimation (RLE) für die Posenschätzung und eine fortschrittliche Winkelfunktion, die Randprobleme bei der Erkennung orientierter Bounding Boxes (OBB) verringert.
Leistungsvergleich#
Bei der Bewertung dieser Modelle ist das Verhältnis zwischen Genauigkeit (mAP) und Recheneffizienz (Geschwindigkeit und FLOPs) entscheidend. Die folgende Tabelle zeigt, wie diese Modelle auf dem branchenüblichen COCO-Datensatz abschneiden.
| 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 |
| YOLO26n | 640 | 40.9 | 38.9 | 1.7 | 2.4 | 5.5 |
| YOLO26s | 640 | 48.6 | 87.2 | 2.5 | 9.5 | 20.9 |
| YOLO26m | 640 | 53.1 | 220.0 | 4.7 | 20.4 | 68.4 |
| YOLO26l | 640 | 55.0 | 286.2 | 6.2 | 24.8 | 86.8 |
| YOLO26x | 640 | 57.5 | 525.8 | 11.8 | 55.7 | 194.4 |
Wie oben zu sehen ist, erzielt YOLO26 durchgehend eine höhere Genauigkeit bei deutlich weniger Parametern und FLOPs. Dadurch eignet sich die Architektur effizienter für Training und Inferenz.
Trainingseffizienz und Benutzerfreundlichkeit#
Die Komplexität von DAMO-YOLO#
DAMO-YOLO erzielt zwar eine konkurrenzfähige Genauigkeit, doch das Trainingsverfahren ist komplex. Die Abhängigkeit von neuronaler Architektursuche (NAS) und umfangreicher Wissensdestillation bedeutet, dass das Training eines benutzerdefinierten Modells oft erhebliche GPU-Ressourcen und Spezialwissen erfordert. Dieser mehrstufige Prozess trainiert ein großes Lehrermodell, um Wissen an ein kleineres Schülermodell weiterzugeben. Das kann Entwicklungsteams ausbremsen, die benutzerdefinierte Datensätze schnell iterieren möchten.
Die optimierte Ultralytics-Erfahrung#
Ultralytics YOLO26 ist dagegen auf einen schnellen Einstieg ausgelegt. Der gesamte Lebenszyklus von Training, Validierung und Bereitstellung steht über eine übersichtliche, einheitliche Python-API und CLI zur Verfügung. YOLO26 benötigt beim Training außerdem deutlich weniger CUDA-Speicher als Transformer-basierte Modelle wie RT-DETR. So können Forschende auch auf handelsüblicher Hardware genaue Modelle trainieren.
Hier siehst du ein Beispiel für das Training, die Evaluierung und den Export eines YOLO26-Modells mit dem Ultralytics-Python-Paket:
from ultralytics import YOLO
# Das neueste YOLO26-Nano-Modell laden
model = YOLO("yolo26n.pt")
# Das Modell 50 Epochen lang mit dem COCO8-Datensatz trainieren
results = model.train(data="coco8.yaml", epochs=50, imgsz=640)
# Werte die Leistung des Modells auf dem Validierungsdatensatz aus
metrics = model.val()
# Inferenz mit einem Beispielbild ausführen
results = model("https://ultralytics.com/images/bus.jpg")
results[0].show()
# Das Modell zur Bereitstellung ins ONNX-Format exportieren
model.export(format="onnx")Für Teams, die eine Umgebung ohne Programmierung bevorzugen, bietet die Ultralytics Platform eine intuitive Oberfläche für die Datensatzannotation, das Cloud-Training und die Bereitstellung.
Anwendungen in der Praxis#
Die Wahl der passenden Architektur hängt stark von der Zielumgebung für die Bereitstellung und den Hardwarebeschränkungen ab.
Industrielle Qualitätskontrolle#
Für die schnelle Fertigungsautomatisierung kann DAMO-YOLO auf dedizierter GPU-Hardware gute Ergebnisse erzielen. Für moderne Montagelinien ist YOLO26 jedoch die bevorzugte Wahl. Das End-to-End-Design ohne NMS sorgt für vorhersehbare Latenz mit geringen Schwankungen – unverzichtbar, wenn visuelle Daten in Echtzeit mit Roboterantrieben synchronisiert werden müssen.
Edge-KI und Mobilgeräte#
Der Einsatz von Computervision auf batteriebetriebenen Geräten erfordert hohe Effizienz. Während DAMO-YOLO auf spezielle RepGFPN-Backbones setzt, ist YOLO26n (Nano) für Edge-Computing optimiert. Durch den Wegfall von DFL und eine bis zu 43 % schnellere CPU-Inferenz als bei YOLO11n eignet sich das Modell hervorragend für intelligente Kameras, mobile Anwendungen und Sicherheitsalarmsysteme.
Anforderungen bei Projekten mit mehreren Aufgaben#
Wenn ein Projekt mehr als reine Objekterkennung erfordert – etwa die Analyse von Spielerbewegungen im Sport mithilfe der Posenschätzung oder die Ermittlung präziser Pixelgrenzen durch Instanzsegmentierung –, unterstützt YOLO26 all diese Aufgaben nativ in einer einheitlichen Codebasis. DAMO-YOLO ist strikt auf die Erkennung von Bounding Boxes beschränkt.
Anwendungsfälle und Empfehlungen#
Die Wahl zwischen DAMO-YOLO und YOLO26 hängt von den konkreten Anforderungen deines Projekts, den Bereitstellungsbeschränkungen und deinen 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 YOLO26 wählen solltest#
YOLO26 wird empfohlen für:
- NMS-freie Bereitstellung auf Edge-Geräten: Anwendungen, die eine gleichbleibende Inferenz mit geringer Latenz ohne die Komplexität der Nachbearbeitung durch Non-Maximum Suppression erfordern.
- Umgebungen ohne GPU: Geräte ohne dedizierte GPU-Beschleunigung, bei denen die bis zu 43 % schnellere CPU-Inferenz von 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.
Fazit#
Beide Architekturen sind bedeutende Errungenschaften des Deep Learning. DAMO-YOLO zeigt, was sich mit neuronaler Architektursuche und Destillationsverfahren erreichen lässt, wenn sie auf bestimmte Hardware-Benchmarks zugeschnitten sind.
Für Entwickler, Forschende und Unternehmen, die eine produktionsreife Lösung suchen, ist Ultralytics YOLO26 jedoch die bessere Wahl. Die Kombination aus einem End-to-End-Design ohne NMS, bis zu 43 % schnellerer CPU-Inferenz (YOLO26n gegenüber YOLO11n), Vielseitigkeit für mehrere Aufgaben und der Integration in das gut gepflegte Ultralytics-Ökosystem macht YOLO26 zum robustesten und praktischsten Werkzeug für reale Herausforderungen der Computervision.
Für Nutzer, die weitere Modelle des Ultralytics-Ökosystems erkunden möchten, sind vortrainierte YOLO11- und YOLOv8-Modelle auf der Ultralytics Platform verfügbar. Der Transformer-basierte RT-DETR ist in der Ultralytics-Dokumentation beschrieben.
Kommentare
Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.