DAMO-YOLO und YOLOv5#

Die Entwicklung der Computer Vision ist von ständiger Innovation bei der Objekterkennung in Echtzeit geprägt. Entwickler und Forscher stehen heute bei der Gestaltung von Bildverarbeitungspipelines vor einer Vielzahl architektonischer Möglichkeiten. Dieser umfassende technische Vergleich beleuchtet die Unterschiede zwischen DAMO-YOLO und Ultralytics YOLOv5 und stellt ihre jeweiligen Architekturen, Trainingsmethoden, Leistungskennzahlen und idealen Bereitstellungsszenarien vor.

Einführung in DAMO-YOLO#

DAMO-YOLO wurde von der Alibaba Group veröffentlicht und führte mehrere neuartige Techniken ein, um 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

Mehr über DAMO-YOLO erfahren

Architektonische Innovationen#

DAMO-YOLO basiert auf der neuronalen Architektursuche (NAS). Die Autoren verwendeten MAE-NAS, um automatisch Backbones zu entwickeln, die Latenz und Genauigkeit in Einklang bringen. Das Modell führt ein effizientes RepGFPN (parametrisiertes verallgemeinertes Merkmals-Pyramidennetzwerk) ein, das die Merkmalsfusion über verschiedene Skalen hinweg verbessert. Darüber hinaus nutzt DAMO-YOLO ein „ZeroHead“-Design, das komplexe Vorhersageköpfe mit mehreren Zweigen durch eine einfachere, effizientere Struktur ersetzt, die bei der Inferenz stark auf Parametrisierung setzt.

Zur Verbesserung des Trainings verwendet das Modell AlignedOTA für die Zuweisung von Beschriftungen sowie eine umfangreiche Destillation. Dabei leitet ein größeres „Lehrer“-Modell ein kleineres „Schüler“-Modell an, um eine höhere Genauigkeit zu erzielen.

Einführung in Ultralytics YOLOv5#

Ultralytics YOLOv5 zählt weltweit zu den am häufigsten eingesetzten Bildverarbeitungsarchitekturen und ist für seine Stabilität, Benutzerfreundlichkeit und umfassende Bereitstellungsmöglichkeiten bekannt.

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

Der Ökosystemstandard#

YOLOv5 hat den Branchenstandard für Benutzerfreundlichkeit neu definiert. Das Modell wurde nativ in PyTorch entwickelt und nutzt ein hochoptimiertes CSPNet-Backbone sowie einen PANet-Neck für eine robuste Merkmalsaggregation. Obwohl es dem Trend zu ankerfreien Modellen vorausging, sorgt sein ausgereifter ankerbasierter Ansatz in Verbindung mit dem automatischen Lernen von Ankern bereits ohne zusätzliche Anpassungen für hervorragende Leistung.

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

Leistungs- und Metrikvergleich#

Beim Vergleich dieser Modelle ist es wichtig, das Verhältnis zwischen mittlerer durchschnittlicher Präzision (mAP), Inferenzgeschwindigkeit und Parameterzahl zu betrachten.

Abwägung der Vor- und Nachteile#

DAMO-YOLO erzielt für seine Parametergrößen beeindruckende mAP-Werte und profitiert dabei stark von der Destillationsphase des Trainings. Das geht jedoch zulasten der Trainingseffizienz. Bei der mehrstufigen Destillation muss zuerst ein umfangreiches Lehrermodell trainiert werden, wodurch der erforderliche GPU-Rechenaufwand und der VRAM-Bedarf deutlich steigen.

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 hervorragend für die akademische Forschung, insbesondere für Teams, die sich mit neuronaler Architektursuche befassen oder die im Fachartikel beschriebenen Parametrisierungstechniken nachvollziehen möchten. Wenn ein Projekt über umfangreiche Rechenressourcen für die Destillationsphase verfügt und ausschließlich darauf abzielt, bei 2D-Begrenzungsrahmen auch den letzten Rest Genauigkeit herauszuholen, ist DAMO-YOLO ein aussichtsreicher Kandidat.

Der Vorteil von Ultralytics#

In der Praxis machen die Benutzerfreundlichkeit und Vielseitigkeit von Ultralytics-Modellen diese zur bevorzugten Wahl. YOLOv5 ist zwar weiterhin eine bewährte Lösung für die Erkennung und Bildklassifizierung, doch das umfassendere Ultralytics-Ökosystem ermöglicht Entwicklern den mühelosen Wechsel zwischen verschiedenen Aufgaben.

Neuere Modelle der Ultralytics-Familie unterstützen beispielsweise nativ die Instanzsegmentierung, die Posenschätzung und die Erkennung gedrehter Begrenzungsrahmen (OBB). Dank dieser Unterstützung mehrerer Aufgaben können Teams eine einzige, einheitliche Python-API für komplexe Pipelines einsetzen, 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 lange Stabilitätsbilanz, die umfassende 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 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, auf denen die bis zu 43 % schnellere CPU-Inferenz von YOLO26 einen entscheidenden 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 legendär und DAMO-YOLO bietet interessante akademische Einblicke, doch der Stand der Technik hat sich weiterentwickelt. Das im Januar 2026 veröffentlichte Ultralytics YOLO26 ist ein gewaltiger Fortschritt für die Bildverarbeitung.

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 durch Non-Maximum Suppression überflüssig. Dieser Durchbruch vereinfacht die Bereitstellungslogik und verringert Schwankungen bei der Latenz deutlich. Dadurch eignet sich YOLO26 ideal für schnelle Robotik und autonome Systeme.
• MuSGD Optimizer: Inspiriert von Neuerungen beim Training großer Sprachmodelle, etwa Moonshot AIs Kimi K2, verwendet YOLO26 den MuSGD-Optimierer, eine Kombination aus SGD und Muon. Das sorgt für äußerst stabile Trainingsläufe und eine bemerkenswert schnellere Konvergenz.
• Bis zu 43 % schnellere CPU-Inferenz: Durch das gezielte Entfernen des Distribution Focal Loss (DFL) läuft YOLO26n auf einer CPU mit ONNX bis zu 43 % schneller als YOLO11n und bietet auf CPUs und Edge-Geräten höhere Geschwindigkeit als frühere Modelle wie YOLO11 und YOLOv8.
• ProgLoss + STAL: Diese fortschrittlichen Verlustfunktionen verbessern die Erkennung kleiner Objekte deutlich. Das ist entscheidend für die Analyse von Luftbildern von Drohnen und Datenströmen von IoT-Sensoren.

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 hochmoderne kleine Modell YOLO26 laden
model = YOLO("yolo26s.pt")

# Trainiere mühelos mit einem benutzerdefinierten Datensatz
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 Entwicklung der Computer Vision maßgeblich geprägt. DAMO-YOLO zeigt, welche Möglichkeiten die neuronale Architektursuche und Destillation bieten, und ist daher für die Forschung interessant. YOLOv5 bleibt jedoch dank seiner ausgewogenen Leistung, des geringen Speicherbedarfs und der unübertroffenen Benutzerfreundlichkeit ein leistungsstarkes und praxisnahes Modell.

Entwicklern, die heute neue Projekte beginnen, empfehlen wir die Ultralytics Platform und YOLO26. Die Lösung verbindet das beliebte, benutzerfreundliche YOLOv5-Ökosystem mit bahnbrechenden Architekturverbesserungen und sorgt für erstklassige Genauigkeit sowie blitzschnelle Inferenz in KI-Anwendungen für Cloud und Edge. Je nach Einschränkungen älterer Hardware lohnt es sich außerdem, andere effiziente Modelle wie YOLOv6 oder YOLOX zu prüfen.