DAMO-YOLO und YOLOv6-3.0
Die Computer-Vision-Forschung hat spezialisierte Architekturen für industrielle Anwendungen hervorgebracht. Zwei Modelle zeichnen sich durch ihren Fokus auf Echtzeit-Leistung und effiziente Bereitstellung aus: DAMO-YOLO und YOLOv6-3.0. Diese Seite vergleicht ihre Architekturen, Leistungskennzahlen und Trainingsmethoden, damit du dich für eines der Modelle entscheiden kannst.
DAMO-YOLO: Neuronale Architektursuche trifft auf Objekterkennung#
DAMO-YOLO wurde von Forschern der Alibaba Group entwickelt und führt einen neuartigen Ansatz für die YOLO-Familie ein, indem es die Suche nach neuronalen Architekturen (NAS) in den Entwurf des Backbones integriert.
- 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
Architektonische Innovationen#
DAMO-YOLO verwendet ein per NAS optimiertes Backbone namens MAE-NAS, das automatisch nach effizienten Netzwerkstrukturen unter bestimmten Latenzvorgaben sucht. So lässt sich das Modell effizient an verschiedene Hardwareprofile anpassen. Für eine bessere Merkmalsfusion nutzt die Architektur ein effizientes RepGFPN (reparametrisiertes allgemeines Merkmals-Pyramidennetzwerk), das die mehrskalige Repräsentation deutlich verbessert.
Das Modell führt außerdem ein „ZeroHead“-Design ein. Durch den Verzicht auf komplexe Strukturen mit mehreren Zweigen im Erkennungskopf bleiben räumliche Informationen besser erhalten und der Rechenaufwand sinkt. Beim Training kommen außerdem AlignedOTA (ausgerichtete optimale Transportzuweisung) und Wissensdestillation zum Einsatz, sodass kleinere Schülermodelle von größeren Lehrernetzwerken lernen können.
Wissensdestillation verhilft DAMO-YOLO zwar zu hoher Genauigkeit, erfordert aber eine mehrstufige Trainingspipeline. Dadurch steigt der benötigte GPU-Rechenaufwand im Vergleich zum Training herkömmlicher Modelle mit nur einer Stufe erheblich.
YOLOv6-3.0: Maximaler industrieller Durchsatz#
YOLOv6-3.0 wurde von der Abteilung für visuelle KI bei Meituan entwickelt und ist ausdrücklich als industrieller Objektdetektor positioniert, der den Durchsatz auf NVIDIA-Hardware maximieren soll.
- Autoren: Chuyi Li, Lulu Li, Yifei Geng, Hongliang Jiang, Meng Cheng, Bo Zhang, Zaidan Ke, Xiaoming Xu und Xiangxiang Chu
- Organisation: Meituan
- Datum: 2023-01-13
- arXiv: 2301.05586
- GitHub: meituan/YOLOv6
Wichtige Funktionen und Verbesserungen#
YOLOv6-3.0 basiert auf dem hardwarefreundlichen EfficientRep-Backbone und ist auf modernen GPUs mit Optimierungen wie TensorRT sehr schnell. In Version 3.0 integriert das Netzwerk ein bidirektionales Konkatenationsmodul (BiC), um die Lokalisierung verschieden großer Objekte zu verbessern.
Ein weiteres bemerkenswertes Merkmal ist die Anchor-Aided-Training-Strategie (AAT). AAT verbindet die Stabilität von ankerbasierten Detektoren während des Trainings mit der Inferenzgeschwindigkeit eines anchorfreien Designs. Dieser hybride Ansatz konvergiert gut, ohne die Latenz bei der Bereitstellung zu erhöhen. Damit eignet er sich besonders für die Verarbeitung großer Videomengen in der Smart-City-Analyse und in automatisierten Kassensystemen.
Leistungsvergleich#
Bei der Bewertung dieser Modelle für die Echtzeit-Inferenz ist es entscheidend, Parameterzahl, FLOPs und mAP-Genauigkeit gegeneinander abzuwägen. Die folgende Tabelle vergleicht ihre Leistung.
| 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 |
| YOLOv6-3.0n | 640 | 37.5 | - | 1.17 | 4.7 | 11.4 |
| YOLOv6-3.0s | 640 | 45.0 | - | 2.66 | 18.5 | 45.3 |
| YOLOv6-3.0m | 640 | 50.0 | - | 5.28 | 34.9 | 85.8 |
| YOLOv6-3.0l | 640 | 52.8 | - | 8.95 | 59.6 | 150.7 |
DAMO-YOLO ist in der kleinen Modellklasse leicht im Vorteil (46,0 mAP gegenüber 45,0 mAP). YOLOv6-3.0 lässt sich jedoch besser skalieren und liegt in den mittleren und großen Modellklassen vorn, während es in der Nano-Konfiguration die geringste Parameterzahl aufweist.
Wenn deine Hardwareumgebung aufwendige automatische Suchen zur Anpassung des Backbones ermöglicht, ist der NAS-Ansatz von DAMO-YOLO wirksam. Wenn du dich jedoch ganz auf standardisierte GPU-Beschleunigung (etwa mit T4 oder A100) verlässt, erreichen die EfficientRep-Strukturen von YOLOv6 häufig eine höhere reine FPS-Zahl.
Anwendungsfälle und Empfehlungen#
Die Wahl zwischen DAMO-YOLO und YOLOv6 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 YOLOv6 wählen solltest#
YOLOv6 empfiehlt sich für:
- Bereitstellung auf industrielle Hardware: Szenarien, in denen das hardwarebewusste Design und die effiziente Reparametrisierung des Modells eine optimierte Leistung auf bestimmter Zielhardware ermöglichen.
- Schnelle einstufige Erkennung: Anwendungen, bei denen die reine Inferenzgeschwindigkeit auf der GPU für die Echtzeit-Videoverarbeitung in kontrollierten Umgebungen entscheidend ist.
- Integration in das Meituan-Ökosystem: Teams, die bereits mit dem Technologie-Stack und der Bereitstellungsinfrastruktur von Meituan arbeiten.
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 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.
Der Vorteil von Ultralytics: YOLO26 im Überblick#
DAMO-YOLO und YOLOv6-3.0 sind zwar leistungsfähige Modelle, doch ihre Ökosysteme sind zersplittert, sie sind auf einzelne Aufgaben beschränkt und ihre Bereitstellungspipelines sind komplex. Für moderne Entwicklungsteams bieten Ultralytics-Modelle eine deutlich bessere Entwicklererfahrung, zuletzt mit YOLO26.
YOLO26 wurde im Januar 2026 veröffentlicht und ist für die Bereitstellung auf Edge-Geräten und in der Cloud ausgelegt. Dabei optimiert es den Speicherbedarf und die Recheneffizienz.
Warum YOLO26 wählen?#
- End-to-End-Design ohne NMS: Aufbauend auf Konzepten aus YOLOv10 unterstützt YOLO26 eine native End-to-End-Inferenz, die dank des optionalen One-to-One-Kopfs (
nms=False) auf die Nachverarbeitung mit Non-Maximum Suppression (NMS) verzichtet. Das vereinfacht den Bereitstellungscode und verringert die Schwankungen der Inferenzlatenz auf Edge-Geräten. - Verbesserte Optimierung: YOLO26 nutzt den MuSGD-Optimierer, eine Kombination aus SGD und Muon, die von Trainingsmethoden für große Sprachmodelle inspiriert ist und stabile Trainingsläufe sowie schnellere Konvergenz ermöglicht.
- Flexibilität bei der Hardware: Der Wegfall von DFL (Distribution Focal Loss) vereinfacht die Ausgabeköpfe und verbessert die Kompatibilität mit Edge-Geräten. YOLO26n erreicht eine bis zu 43 % schnellere CPU-Inferenz als YOLO11n und eignet sich dadurch besser als YOLOv6 für mobile Umgebungen und IoT-Edge-Geräte.
- Höhere Genauigkeit: Mit ProgLoss + STAL verbessert YOLO26 die Erkennung kleiner Objekte und eignet sich damit besonders für Luftbilder und die Fehlerprüfung.
- Vielseitigkeit bei mehreren Aufgaben: Im Gegensatz zu Industriemodellen, die nur Bounding-Boxen vorhersagen, unterstützt die YOLO26-Familie verschiedene Aufgaben, darunter Instanzsegmentierung, Bildklassifizierung, Posenschätzung und orientierte Bounding-Boxen (OBB).
Erfahrung mit dem Ökosystem#
Die Ultralytics-Plattform deckt den gesamten Lebenszyklus des maschinellen Lernens ab. Für das Modelltraining ist keine mehrstufige Destillationspipeline nötig. Dank automatischer Datenerweiterung, einheitlicher Optimierung der Hyperparameter und Export mit nur einem Klick in Formate wie ONNX, OpenVINO und CoreML gelangst du schnell vom Datensatz zur Produktion.
Ultralytics-Modelle sind außerdem für ihre Speichereffizienz bekannt und vermeiden den hohen VRAM-Bedarf von Transformer-Architekturen wie RT-DETR.
Schnellstart: Codebeispiel#
Training und Inferenz mit einem Ultralytics-Modell wie YOLO26 sind unkompliziert. Das folgende Python-Skript zeigt, wie du mit nur wenigen Codezeilen trainierst, Inferenz ausführst und das Modell exportierst:
from ultralytics import YOLO
# Das äußerst effiziente Nano-Modell YOLO26 laden
model = YOLO("yolo26n.pt")
# Das Modell mit deinem eigenen Datensatz trainieren
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Inferenz mit einem Beispielbild ausführen
prediction = model("https://ultralytics.com/images/bus.jpg")
# Für maximalen GPU-Durchsatz nach TensorRT exportieren
model.export(format="engine", dynamic=True)Fazit#
DAMO-YOLO und YOLOv6-3.0 sind beeindruckende technische Entwicklungen, die die industrielle Objekterkennung vorangebracht haben. Es handelt sich jedoch um spezialisierte Werkzeuge, die oft eine aufwendige Einrichtung und strenge Hardwarevorgaben erfordern.
Für Entwickler und Forscher, die eine ausgewogene Leistung, Unterstützung mehrerer Aufgaben und ein aktiv gepflegtes Ökosystem benötigen, ist Ultralytics YOLO26 die empfohlene Wahl. YOLO26 kombiniert einen von LLMs inspirierten Optimierer mit einer klar strukturierten Architektur, die Inferenz ohne NMS unterstützt. So vereinfacht YOLO26 die KI-Bereitstellung und bietet zugleich hohe Genauigkeit in Edge- und Cloud-Umgebungen.
Wenn du Modelle für ein neues Computer-Vision-Projekt bewertest, solltest du zunächst die Möglichkeiten des Ultralytics-YOLO-Ökosystems erkunden. Für einen umfassenden Überblick über die Entwicklung der visuellen KI in Echtzeit lohnt sich auch ein Vergleich mit anderen Architekturen wie EfficientDet oder früheren Meilensteinen wie YOLO11.
Kommentare
Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.