DAMO-YOLO und YOLOv5
Die Entwicklung der Computer Vision ist von kontinuierlichen Innovationen bei der Objekterkennung in Echtzeit geprägt. Entwicklern und Forschern stehen heute viele Architekturvarianten für die Gestaltung visueller Verarbeitungspipelines zur Auswahl. Dieser technische Vergleich untersucht DAMO-YOLO und Ultralytics YOLOv5 und behandelt ihre Architekturen, Trainingsmethoden, Leistungskennzahlen und geeigneten Einsatzszenarien.
Einführung in DAMO-YOLO#
DAMO-YOLO wurde von der Alibaba Group veröffentlicht und führte mehrere neuartige Techniken ein, um Erkennungsgeschwindigkeit und Genauigkeit zu verbessern.
- Autoren: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang und Xiuyu Sun
- Organisation: Alibaba Group
- Datum: 23. November 2022
- arXiv: 2211.15444v2
- GitHub: tinyvision/DAMO-YOLO
- Dokumentation: README.md
Architektonische Innovationen#
DAMO-YOLO basiert auf der Suche nach neuronalen Architekturen (NAS). Die Autoren nutzten MAE-NAS, um automatisch Backbones zu entwerfen, die Latenz und Genauigkeit in Einklang bringen. Das Modell führt ein effizientes RepGFPN (reparametrisiertes allgemeines Merkmals-Pyramidennetzwerk) ein, das die Merkmalsfusion über verschiedene Maßstäbe hinweg verbessert. DAMO-YOLO nutzt außerdem ein „ZeroHead“-Design, das komplexe Vorhersageköpfe mit mehreren Zweigen durch eine einfachere, effizientere Struktur ersetzt und bei der Inferenz stark auf Reparametrisierung setzt.
Um das Training zu verbessern, nutzt das Modell AlignedOTA für die Labelzuweisung sowie ein aufwendiges Verfahren zur Verbesserung durch Wissensdestillation. Dabei leitet ein größeres „Lehrermodell“ ein kleineres „Schülermodell“ an, damit dieses eine höhere Genauigkeit erzielt.
Einführung in Ultralytics YOLOv5#
Ultralytics YOLOv5 zählt zu den weltweit am häufigsten eingesetzten visuellen Architekturen und ist für seine Stabilität, Benutzerfreundlichkeit und sein umfassendes Bereitstellungsökosystem bekannt.
- Autoren: Glenn Jocher
- Organisation: Ultralytics
- Datum: 26. Juni 2020
- GitHub: ultralytics/yolov5
- Dokumentation: YOLOv5-Dokumentation
Der Ökosystemstandard#
YOLOv5 setzte neue Maßstäbe bei der Benutzerfreundlichkeit. Es wurde nativ in PyTorch entwickelt und nutzt ein optimiertes CSPNet-Backbone sowie einen PANet-Neck für eine robuste Zusammenführung von Merkmalen. Obwohl YOLOv5 dem späteren Trend zu anchorfreien Modellen vorausging, funktioniert sein ausgereifter ankerbasierter Ansatz in Verbindung mit dem automatischen Lernen von Ankern direkt nach dem Start gut.
Die größte Stärke von YOLOv5 ist sein gut gepflegtes Ökosystem. Es lässt sich mit Tracking-Werkzeugen wie Comet und Weights & Biases integrieren und unterstützt den Export mit einem einzigen Befehl in Formate wie ONNX, TensorRT und CoreML.
YOLOv5 lässt sich problemlos auf benutzerdefinierten Datensätzen trainieren. Die schlanke API erleichtert den Weg vom Prototyp zur Produktion und macht YOLOv5 bei agilen Entwicklungsteams beliebt.
Leistungs- und Metrikvergleich#
Beim Vergleich dieser Modelle ist es wichtig, das Verhältnis zwischen mittlerer durchschnittlicher Präzision (mAP), Inferenzgeschwindigkeit und Parameterzahl zu betrachten.
| 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 |
| YOLOv5n | 640 | 28.0 | - | 1.12 | 1.9 | 4.5 |
| YOLOv5s | 640 | 37.4 | - | 1.92 | 7.2 | 16.5 |
| YOLOv5m | 640 | 45.4 | - | 4.03 | 21.2 | 49.0 |
| YOLOv5l | 640 | 49.0 | - | 6.61 | 46.5 | 109.1 |
| YOLOv5x | 640 | 50.7 | - | 11.89 | 86.7 | 205.7 |
Abwägung der Vor- und Nachteile#
DAMO-YOLO erzielt im Verhältnis zu seiner Parameterzahl hohe mAP-Werte und profitiert stark von der Destillationsphase beim Training. Das geht jedoch auf Kosten der Trainingseffizienz. Bei der mehrstufigen Destillation muss zuerst ein großes Lehrermodell trainiert werden, wodurch der benötigte GPU-Rechenaufwand und VRAM deutlich zunehmen.
Im Gegensatz dazu hat YOLOv5 einen ausgezeichneten Speicherbedarf. Ultralytics-YOLO-Modelle benötigen sowohl beim Training als auch bei der Inferenz weniger Speicher als komplexe Destillationspipelines oder Transformer-Modelle wie RT-DETR. Dadurch lässt sich YOLOv5 effizient auf handelsüblicher Hardware oder in leicht zugänglichen Cloud-Umgebungen wie Google Colab trainieren.
Anwendungen und Vielseitigkeit in der Praxis#
Die Wahl der richtigen Architektur hängt oft von der Bereitstellungsumgebung ab.
Die Stärken von DAMO-YOLO#
DAMO-YOLO ist ausschließlich ein Modell zur Objekterkennung. Es eignet sich gut für die akademische Forschung, insbesondere für Teams, die sich mit der Suche nach neuronalen Architekturen befassen oder die im Fachartikel beschriebenen Reparametrisierungstechniken reproduzieren möchten. Wenn ein Projekt über umfangreiche Rechenressourcen für die Destillationsphase verfügt und sich ausschließlich darauf konzentriert, bei zweidimensionalen Bounding-Boxen auch noch die kleinsten Genauigkeitsgewinne herauszuholen, ist DAMO-YOLO eine ernst zu nehmende Option.
Der Vorteil von Ultralytics#
Für den praktischen Einsatz in der Produktion sind Ultralytics-Modelle dank ihrer Benutzerfreundlichkeit und Vielseitigkeit die bevorzugte Wahl. YOLOv5 unterstützt die Erkennung, die Instanzsegmentierung und die Bildklassifizierung. Mit dem umfassenderen Ultralytics-Ökosystem können Entwickler außerdem problemlos zwischen Aufgaben wechseln.
Neuere Modelle der Ultralytics-Familie unterstützen nativ auch die Posenschätzung und die Erkennung orientierter Bounding-Boxen (OBB). Dank dieser Unterstützung mehrerer Aufgaben können Teams eine einheitliche Python-API für komplexe Verarbeitungspipelines nutzen, etwa um die automatische Kennzeichenerkennung mit der Fahrzeugsegmentierung zu kombinieren.
Anwendungsfälle und Empfehlungen#
Die Wahl zwischen DAMO-YOLO und YOLOv5 hängt von deinen konkreten Projektanforderungen, Bereitstellungsbeschränkungen und Präferenzen für das jeweilige 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 YOLOv5 wählen solltest#
YOLOv5 empfiehlt sich für:
- Bewährte Produktionssysteme: Bestehende Bereitstellungen, bei denen die langjährige Stabilität von YOLOv5, die umfangreiche Dokumentation und die große Community wichtig sind.
- Training mit begrenzten Ressourcen: Umgebungen mit begrenzten GPU-Ressourcen, in denen die effiziente Trainingspipeline und der geringere Speicherbedarf von YOLOv5 von Vorteil sind.
- Umfangreiche Unterstützung von Exportformaten: Projekte, die eine Bereitstellung in vielen Formaten erfordern, darunter ONNX, TensorRT, CoreML und LiteRT.
Wann du Ultralytics (YOLO26) wählen solltest#
Für die meisten neuen Projekte bietet Ultralytics YOLO26 die beste Kombination aus Leistung und Entwicklererfahrung:
- 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.
Die Zukunft: der Wechsel zu YOLO26#
YOLOv5 ist weiterhin weit verbreitet, und DAMO-YOLO bietet interessante wissenschaftliche Erkenntnisse. Der Stand der Technik hat sich jedoch weiterentwickelt. Ultralytics YOLO26, veröffentlicht im Januar 2026, ist ein großer Fortschritt für die Community im Bereich Computer Vision.
YOLO26 beseitigt die herkömmlichen Engpässe bei der Edge-Bereitstellung und der Trainingsstabilität:
- End-to-End-Design ohne NMS: Der optionale End-to-End-Kopf von YOLO26 (
nms=False) macht die Nachverarbeitung mit Non-Maximum Suppression (NMS) überflüssig. Das vereinfacht die Bereitstellungslogik und verringert Latenzschwankungen. Damit eignet sich YOLO26 besonders für schnelle Robotik und autonome Systeme. - MuSGD-Optimierer: Inspiriert von Innovationen beim Training von LLMs, etwa Kimi K2 von Moonshot AI, nutzt YOLO26 den MuSGD-Optimierer, eine Kombination aus SGD und Muon, für stabile Trainingsläufe und schnellere Konvergenz.
- Bis zu 43 % schnellere CPU-Inferenz: Durch den Wegfall von Distribution Focal Loss (DFL) läuft YOLO26n auf einer CPU mit ONNX bis zu 43 % schneller als YOLO11n.
- ProgLoss + STAL: Die progressive Verlustfunktion und die Zuweisung von Labels, die kleine Ziele berücksichtigt, verbessern die Erkennung kleiner Objekte deutlich. Das ist entscheidend für die Analyse von Luftbildern von Drohnen und von IoT-Sensordaten.
Codebeispiel: Einfach in der Anwendung#
Mit dem Ultralytics-Paket kannst du Modelle mit nur wenigen Codezeilen trainieren und bereitstellen. Ganz gleich, ob du YOLOv5 verwendest oder auf das empfohlene YOLO26 umsteigst – die Schnittstelle bleibt einheitlich und intuitiv.
from ultralytics import YOLO
# Das kleine YOLO26-Modell laden
model = YOLO("yolo26s.pt")
# Mit einem eigenen Datensatz trainieren
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Inferenz für ein Bild ausführen und Ergebnisse anzeigen
predictions = model("https://ultralytics.com/images/bus.jpg")
predictions[0].show()
# Das Modell für die Bereitstellung auf Edge-Geräten exportieren
model.export(format="onnx")Fazit#
DAMO-YOLO und YOLOv5 haben die Computer Vision maßgeblich geprägt. DAMO-YOLO zeigt das Potenzial der Suche nach neuronalen Architekturen und der Destillation und ist damit für die Forschung interessant. YOLOv5 bleibt jedoch dank seiner ausgewogenen Leistung, des geringen Speicherbedarfs und der Benutzerfreundlichkeit eine praktische Wahl.
Für Entwickler, die heute neue Projekte starten, empfiehlt es sich, die Ultralytics-Plattform zu nutzen und YOLO26 einzusetzen. YOLO26 verbindet das benutzerfreundliche Ökosystem von YOLOv5 mit neueren Architekturverbesserungen und bietet hohe Genauigkeit sowie schnelle Inferenz für KI-Anwendungen in der Cloud und auf Edge-Geräten. Je nach spezifischen Einschränkungen älterer Hardware können Entwickler auch effiziente Modelle wie YOLOv6 oder YOLOX in Betracht ziehen.
Kommentare
Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.