DAMO-YOLO vs. YOLOv5#

Die Entwicklung des maschinellen Sehens war von kontinuierlichen Innovationen bei der Objekterkennung in Echtzeit geprägt. Heute stehen Entwickler und Forschende bei der Entwicklung von Bildverarbeitungspipelines vor einer Vielzahl architektonischer Möglichkeiten. Dieser umfassende technische Vergleich untersucht die Unterschiede zwischen DAMO-YOLO und Ultralytics YOLOv5 und beleuchtet ihre jeweiligen Architekturen, Trainingsmethoden, Leistungskennzahlen und idealen Einsatzszenarien.

Einführung in DAMO-YOLO#

DAMO-YOLO wurde von der Alibaba Group veröffentlicht und führte mehrere neuartige Techniken ein, die darauf abzielen, die Grenzen von Erkennungsgeschwindigkeit und Genauigkeit zu erweitern.

• 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

Erfahre mehr über DAMO-YOLO

Architektonische Innovationen#

DAMO-YOLO basiert auf einem Fundament der Neural Architecture Search (NAS). Die Autoren nutzten MAE-NAS, um automatisch Backbone-Strukturen zu entwerfen, die Latenz und Genauigkeit ausgleichen. Das Modell führt ein effizientes RepGFPN (Reparameterized Generalized Feature Pyramid Network) ein, das die Merkmalsfusion über verschiedene Skalen hinweg verbessert. Darüber hinaus integriert DAMO-YOLO ein „ZeroHead“-Design, das komplexe, mehrstufige Vorhersageköpfe zugunsten einer einfacheren, effizienteren Struktur weglässt, die bei der Inferenz stark auf Reparametrisierung setzt.

Zur Verbesserung des Trainings verwendet das Modell AlignedOTA für die Zuweisung von Labels sowie einen aufwendigen Distillationsprozess, bei dem ein größeres „Lehrer“-Modell das kleinere „Schüler“-Modell anleitet, um eine höhere Genauigkeit zu erzielen.

Einführung in Ultralytics YOLOv5#

Ultralytics YOLOv5 ist eine der weltweit am häufigsten eingesetzten Architekturen für maschinelles Sehen und bekannt für ihre Stabilität, Benutzerfreundlichkeit und ihr umfangreiches Bereitstellungsökosystem.

• Autoren: Glenn Jocher
• Organisation: Ultralytics
• Datum: 26. Juni 2020
• GitHub: ultralytics/yolov5
• Dokumentation: YOLOv5-Dokumentation

Der Standard des Ökosystems#

YOLOv5 definierte den Industriestandard für Benutzerfreundlichkeit neu. Es wurde nativ in PyTorch entwickelt und nutzt ein hochoptimiertes CSPNet-Backbone sowie einen PANet-Neck für eine robuste Merkmalsaggregation. Obwohl es dem späteren Trend zu anchor-freien Modellen vorausging, gewährleistet sein ausgefeilter anchor-basierter Ansatz in Verbindung mit dem automatischen Lernen von Anchors eine hervorragende Leistung ohne zusätzlichen Konfigurationsaufwand.

Die eigentliche Stärke von YOLOv5 liegt in seinem gut gepflegten Ökosystem. Es lässt sich nahtlos in Tracking-Werkzeuge wie Comet und Weights & Biases integrieren und unterstützt Exporte mit nur einem Klick in Formate wie ONNX, TensorRT und CoreML.

Vergleich von Leistung und Metriken#

Beim Vergleich dieser Modelle ist es entscheidend, das Verhältnis von mittlerer durchschnittlicher Präzision (mAP), Inferenzgeschwindigkeit und Parameteranzahl zu betrachten.

Analyse der Zielkonflikte#

DAMO-YOLO erzielt für seine Parametergrößen beeindruckende mAP-Werte und profitiert stark von seiner Distillations-Trainingsphase. Dies geht jedoch zulasten der Trainingseffizienz. Der mehrstufige Distillationsprozess erfordert zunächst das Training eines umfangreichen Lehrermodells, wodurch sich die erforderliche GPU-Rechenzeit und der VRAM-Bedarf deutlich erhöhen.

Im Gegensatz dazu bietet YOLOv5 einen hervorragenden Speicherbedarf. Ultralytics YOLO-Modelle sind im Vergleich zu komplexen Distillationspipelines oder Transformer-basierten Modellen wie RT-DETR sowohl beim Training als auch bei der Inferenz für ihren geringeren Speicherverbrauch bekannt. Dadurch lässt sich YOLOv5 effizient auf Hardware für Endanwender oder in leicht zugänglichen Cloud-Umgebungen wie Google Colab trainieren.

Anwendungen in der Praxis und Vielseitigkeit#

Die Wahl der richtigen Architektur hängt häufig von der Zielumgebung für die Bereitstellung ab.

Wo DAMO-YOLO überzeugt#

DAMO-YOLO ist rein ein object detection-Modell. Es ist eine ausgezeichnete Wahl für die akademische Forschung, insbesondere für Teams, die sich mit Neural Architecture Search beschäftigen oder die im Paper beschriebenen Reparametrisierungstechniken reproduzieren möchten. Wenn ein Projekt über umfangreiche Rechenressourcen verfügt, um die Distillations-Trainingsphase auszuführen, und sich ausschließlich darauf konzentriert, den letzten Bruchteil an Genauigkeit für 2D-Bounding-Boxes herauszuholen, ist DAMO-YOLO ein starker Kandidat.

Der Vorteil von Ultralytics#

Für den praktischen Einsatz in der Produktion machen die Benutzerfreundlichkeit und Vielseitigkeit der Ultralytics-Modelle sie zur bevorzugten Wahl. Während YOLOv5 weiterhin eine feste Größe bei der Erkennung und Bildklassifizierung ist, ermöglicht das umfassendere Ultralytics-Ökosystem Entwicklern den mühelosen Wechsel zwischen verschiedenen Aufgaben.

Neuere Modelle der Ultralytics-Familie unterstützen beispielsweise nativ die Instanzsegmentierung, die Posenschätzung und die Erkennung orientierter Begrenzungsboxen (OBB). Diese Fähigkeit zur Ausführung mehrerer Aufgaben stellt sicher, dass Teams eine einzige, einheitliche Python-API für komplexe Pipelines nutzen können, etwa zur Kombination von automatischer Kennzeichenerkennung und Fahrzeugsegmentierung.

Anwendungsfälle und Empfehlungen#

Die Entscheidung zwischen DAMO-YOLO und YOLOv5 hängt von deinen spezifischen Projektanforderungen, Bereitstellungseinschränkungen und Präferenzen hinsichtlich des Ökosystems ab.

Wann du DAMO-YOLO wählen solltest#

DAMO-YOLO ist eine gute Wahl für:

• Videoanalyse mit hohem Durchsatz: Verarbeitung von Videostreams mit hoher Bildrate auf fest installierter NVIDIA-GPU-Infrastruktur, bei der der Durchsatz mit Batchgröße 1 die wichtigste Kennzahl ist.
• Industrielle Fertigungslinien: Szenarien mit strengen GPU-Latenzvorgaben auf dedizierter Hardware, beispielsweise die Qualitätsprüfung in Echtzeit an Montagelinien.
• Forschung zur neuronalen Architektursuche: Untersuchung der Auswirkungen automatisierter Architektursuche (MAE-NAS) und effizienter reparametrisierter Backbones auf die Erkennungsleistung.

Wann du YOLOv5 wählen solltest#

YOLOv5 wird empfohlen für:

• Bewährte Produktionssysteme: Bestehende Bereitstellungen, bei denen die langjährige Stabilität, die umfangreiche Dokumentation und die große Unterstützung durch die Community von YOLOv5 geschätzt werden.
• 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 für Exportformate: Projekte, die eine Bereitstellung in vielen Formaten erfordern, darunter ONNX, TensorRT, CoreML und TFLite.

Wann du Ultralytics (YOLO26) wählen solltest#

Für die meisten neuen Projekte bietet Ultralytics YOLO26 die beste Kombination aus Leistung und Entwicklerfreundlichkeit:

• Edge-Bereitstellungen ohne NMS: Anwendungen, die eine konsistente Inferenz mit geringer Latenz ohne die Komplexität der Nachverarbeitung zur Nichtmaximalunterdrückung erfordern.
• Umgebungen ausschließlich mit CPU: Geräte ohne dedizierte GPU-Beschleunigung, bei denen die bis zu 43 % schnellere CPU-Inferenz von YOLO26 einen entscheidenden Vorteil bietet.
• Erkennung kleiner Objekte: Anspruchsvolle Szenarien wie Luftaufnahmen mit Drohnen oder die Analyse von IoT-Sensoren, bei denen ProgLoss und STAL die Genauigkeit bei winzigen Objekten deutlich steigern.

Die Zukunft: Der Wechsel zu YOLO26#

YOLOv5 ist legendär und DAMO-YOLO liefert interessante akademische Erkenntnisse, doch der Stand der Technik hat sich weiterentwickelt. Ultralytics YOLO26, das im Januar 2026 veröffentlicht wurde, stellt einen gewaltigen Fortschritt für die Community des maschinellen Sehens dar.

YOLO26 beseitigt die traditionellen Engpässe bei der Bereitstellung auf Edge-Geräten und der Trainingsstabilität:

• End-to-End-Design ohne NMS: YOLO26 entfernt die Nachverarbeitung durch die Unterdrückung nichtmaximaler Werte (NMS) nativ. Dieser Durchbruch vereinfacht die Bereitstellungslogik und verringert Schwankungen bei der Latenz drastisch, wodurch sich das Modell ideal für Robotik mit hohen Geschwindigkeiten und autonome Systeme eignet.
• MuSGD-Optimierer: Inspiriert von Innovationen beim Training von LLMs (wie Kimi K2 von Moonshot AI) verwendet YOLO26 den MuSGD-Optimierer (eine Kombination aus SGD und Muon). Dies sorgt für äußerst stabile Trainingsläufe und eine bemerkenswert schnellere Konvergenz.
• Bis zu 43 % schnellere CPU-Inferenz: Durch die gezielte Entfernung des Verteilungsfokusverlusts (DFL) erreicht YOLO26 auf CPUs und Edge-Geräten deutlich höhere Geschwindigkeiten als seine Vorgänger wie YOLO11 und YOLOv8.
• ProgLoss + STAL: Diese fortschrittlichen Verlustfunktionen führen zu deutlichen Verbesserungen bei der Erkennung kleiner Objekte, was für die Analyse von Luftaufnahmen von Drohnen und Datenströmen von IoT-Sensoren entscheidend ist.

Codebeispiel: Einfachheit in der Praxis#

Mit dem Ultralytics-Paket kannst du Modelle mit nur wenigen Codezeilen trainieren und bereitstellen. Unabhängig davon, ob du YOLOv5 verwendest oder auf das empfohlene YOLO26 aktualisierst, bleibt die Schnittstelle einheitlich und intuitiv.

from ultralytics import YOLO

# Load the state-of-the-art YOLO26 small model
model = YOLO("yolo26s.pt")

# Train on a custom dataset effortlessly
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Run inference on an image and display results
predictions = model("https://ultralytics.com/images/bus.jpg")
predictions[0].show()

# Export the model for edge deployment
model.export(format="onnx")

Fazit#

Sowohl DAMO-YOLO als auch YOLOv5 haben die Entwicklung des maschinellen Sehens maßgeblich geprägt. DAMO-YOLO zeigt die Leistungsfähigkeit der Suche nach neuronalen Architekturen und der Distillation und ist daher ein interessantes Untersuchungsobjekt für Forschende. YOLOv5 bleibt jedoch dank seiner ausgewogenen Leistung, seines geringen Speicherbedarfs und seiner unübertroffenen Benutzerfreundlichkeit ein praktisches Kraftpaket.

Entwicklern, die heute neue Projekte starten, wird empfohlen, die Ultralytics Platform zu nutzen und YOLO26 einzusetzen. Es verbindet das beliebte, benutzerfreundliche Ökosystem von YOLOv5 mit bahnbrechenden architektonischen Weiterentwicklungen und gewährleistet erstklassige Genauigkeit sowie blitzschnelle Inferenz für KI-Anwendungen in der Cloud und auf Edge-Geräten. Abhängig von spezifischen Einschränkungen älterer Hardware können Entwickler auch andere effiziente Modelle wie YOLOv6 oder YOLOX untersuchen.