Erste Schritte

DAMO-YOLO vs. YOLOv9

Die Echtzeit-Objekterkennung entwickelt sich kontinuierlich weiter. Auf der Suche nach dem richtigen Verhältnis zwischen Genauigkeit, Inferenzgeschwindigkeit und Recheneffizienz haben sich zwei bemerkenswerte Architekturen aus der Forschung hervorgetan: DAMO-YOLO und YOLOv9. Beide Modelle bringen bedeutende architektonische Neuerungen für die Computervision mit.

Dieser technische Leitfaden analysiert beide Modelle und vergleicht ihre Architekturansätze, Trainingsverfahren und Einsatzmöglichkeiten in der Praxis. Außerdem wird erläutert, welche Rolle das umfassendere Software-Ökosystem für die moderne KI-Entwicklung spielt. Dabei werden die Vorteile integrierter Plattformen wie der Ultralytics Platform und neuerer Modelle wie YOLO26 hervorgehoben.

Zusammenfassung: Die richtige Architektur auswählen#

Beide Modelle sind wichtige Meilensteine der Deep-Learning-Forschung, richten sich jedoch an leicht unterschiedliche Ansätze für die Bereitstellung.

DAMO-YOLO eignet sich besonders, wenn sich mithilfe der neuronalen Architektursuche (NAS) bestimmte Leistungsprofile abstimmen lassen. Das macht das Modell zu einem interessanten Forschungsgegenstand für maßgeschneiderte Edge-Bereitstellungen. YOLOv9 konzentriert sich dagegen darauf, Informationsengpässe in tiefen Netzwerken zu beheben und eine hohe Parametereffizienz zu erzielen.

Für den Produktionseinsatz empfiehlt sich jedoch der einheitliche Ultralytics-Ökosystem. Für neue Projekte verbindet das neueste Modell YOLO26 hohe Genauigkeit mit einem optionalen End-to-End-Design, das komplexe Nachverarbeitung überflüssig macht.

Mach deine Computer-Vision-Pipeline zukunftssicher

DAMO-YOLO und YOLOv9 sind zwar leistungsstarke akademische Modelle, doch ihr Produktionseinsatz erfordert oft erheblichen individuellen Entwicklungsaufwand. Ultralytics YOLO26 bietet starke Leistung über eine schlanke, gut wartbare API.

Technische Daten und Urheberschaft#

Die Ursprünge und Entwicklungsschwerpunkte dieser Modelle geben hilfreichen Aufschluss über ihre jeweiligen Stärken.

DAMO-YOLO#

DAMO-YOLO wurde von Forschenden der Alibaba Group entwickelt und konzentriert sich stark auf die automatisierte Architekturgenerierung und effiziente Merkmalsfusion.

Erfahre mehr über DAMO-YOLO

YOLOv9#

YOLOv9 wurde als Lösung für den Informationsverlust in tiefen Faltungsnetzwerken eingeführt und konzentriert sich darauf, die Gradienteninformationen während des Trainings zu bewahren.

Mehr über YOLOv9 erfahren

Architektonische Innovationen#

DAMO-YOLO hebt sich durch speziell angepasste, maschinell erzeugte Komponenten ab. Sein Backbone wird mithilfe neuronaler Architektursuche (NAS) erstellt, die gezielt auf Inferenz mit geringer Latenz auf unterschiedlicher Hardware ausgerichtet ist.

Die Architektur nutzt ein effizientes RepGFPN (reparametrisiertes verallgemeinertes Feature-Pyramid-Netzwerk) für die Merkmalsfusion. Dadurch wird die Objekterkennung über mehrere Maßstäbe verbessert, ohne den Rechenaufwand übermäßig zu erhöhen. Außerdem kommen ein ZeroHead-Design zur Vereinfachung des Erkennungskopfs und AlignedOTA für die Labelzuweisung zum Einsatz. Während des Trainings wird das Modell zudem durch Wissensdestillation verbessert. Diese Techniken ermöglichen zwar eine schnelle Inferenz, doch das mehrstufige Destillationsverfahren erfordert oft viel VRAM und lange Trainingszeiten.

YOLOv9: Den Informationsengpass beheben#

YOLOv9 geht ein grundlegendes Problem tiefer Netze an: den allmählichen Verlust von Informationen aus den Eingabedaten, während diese aufeinanderfolgende Schichten durchlaufen.

Um dem entgegenzuwirken, führten die Autoren Programmierbare Gradienteninformationen (PGI) ein – ein zusätzliches Überwachungsframework, das wichtige Details für tiefe Schichten bewahren und zuverlässige Gradienten für Gewichtsaktualisierungen erzeugen soll. Dazu kommt die GELAN-Architektur (verallgemeinertes effizientes Schichtaggregationsnetzwerk). GELAN verbessert die Parametereffizienz, indem die Stärken von CSPNet und ELAN kombiniert werden. So wird der Informationsfluss maximiert und zugleich die Anzahl der Gleitkommaoperationen (FLOPs) auf ein Minimum begrenzt.

Leistungsanalyse und Metriken#

Bei der Leistungsbewertung zeigen beide Modelle auf Standard-Benchmarks wie COCO eine hohe mittlere durchschnittliche Präzision (mAP). YOLOv9 erreicht bei vergleichbarer Parameterzahl eine höhere Genauigkeit und insgesamt die höchste absolute Genauigkeit. Dabei nutzt YOLOv9 seine PGI-Architektur, um auch bei schwierigen Datensätzen eine hohe Wiedergabetreue zu gewährleisten.

ModellGröße
(Pixel)
mAPval50-95Geschwindigkeit
CPU ONNX
(ms)
Geschwindigkeit
T4 TensorRT10
(ms)
Parameter
(M)
FLOPs
(B)
DAMO-YOLOt64042.0-2.328.518.1
DAMO-YOLOs64046.0-3.4516.337.8
DAMO-YOLOm64049.2-5.0928.261.8
DAMO-YOLOl64050.8-7.1842.197.3
YOLOv9t64038.3-2.32.07.7
YOLOv9s64046.8-3.547.226.7
YOLOv9m64051.4-6.4320.176.8
YOLOv9c64053.0-7.1625.5102.8
YOLOv9e64055.6-16.7758.1192.5

Wie oben zu sehen ist, erzielt YOLOv9-E die höchste Genauigkeit, während die kleineren Varianten von DAMO-YOLO und YOLOv9 dank TensorRT-Optimierungen eine konkurrenzfähige Inferenzgeschwindigkeit erreichen.

Trainingsmethoden und Ökosystem#

Die reine Architektur ist zwar wichtig, doch bei realen Anwendungen sind die Benutzerfreundlichkeit und die Trainingseffizienz des jeweiligen Ökosystems entscheidend.

Bei DAMO-YOLO ist häufig Knowledge Distillation erforderlich. Dabei muss zunächst ein aufwendiges „Lehrermodell“ trainiert werden, bevor Wissen auf das gewünschte „Schülermodell“ übertragen werden kann. Dieser traditionelle Forschungsansatz erhöht den Speicherbedarf und die Dauer der Trainingszyklen erheblich. Auch das ursprüngliche YOLOv9-Repository erfordert die Arbeit mit komplexen Konfigurationsdateien, was eine agile Entwicklung verlangsamen kann.

Die Ultralytics Platform vereinfacht dagegen die Entwicklungsarbeit. Das Ultralytics-Python-Paket nimmt Entwicklern Boilerplate-Code ab und ermöglicht Teams, Daten mit minimalem Aufwand zu erweitern, Hyperparameter abzustimmen und Modelle zu exportieren.

Anwendungen und Anwendungsfälle in der Praxis#

Je nach Ressourcenbedarf und Genauigkeit eignen sich unterschiedliche Architekturen für bestimmte Branchen.

  • DAMO-YOLO für Edge-KI: Dank seiner NAS-optimierten Backbones wird DAMO-YOLO häufig für eingebettete Systeme untersucht, die eine hardwarespezifische Reparametrisierung erfordern, etwa spezielle Beschleuniger für die Qualitätskontrolle in der Fertigung.
  • YOLOv9 für präzise Analysen: Dank seiner hohen Parametereffizienz und der durch PGI ermöglichten Erhaltung von Gradienten eignet sich YOLOv9 gut für Szenarien mit dichter Objekterkennung, etwa zur Analyse von Luftaufnahmen oder zur Verfolgung winziger Objekte in stark frequentierten Einzelhandelsumgebungen.

Anwendungsfälle und Empfehlungen#

Die Wahl zwischen DAMO-YOLO und YOLOv9 hängt von den konkreten Anforderungen deines Projekts, den Einschränkungen bei der Bereitstellung 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 YOLOv9 wählen solltest#

YOLOv9 empfiehlt sich für:

  • Forschung zu Informationsengpässen: Akademische Projekte, die programmierbare Gradienteninformationen (PGI) und Architekturen mit effizienten, verallgemeinerten Schichtaggregationsnetzwerken (GELAN) untersuchen.
  • Studien zur Optimierung des Gradientenflusses: Forschung, die darauf abzielt, Informationsverluste in tiefen Netzwerkschichten während des Trainings zu verstehen und zu verringern.
  • Benchmarking hochgenauer Erkennung: Szenarien, in denen die starke COCO-Benchmarkleistung von YOLOv9 als Vergleichsmaßstab für Architekturvergleiche benötigt wird.

Wann du Ultralytics (YOLO26) wählen solltest#

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

  • 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.

Der Ultralytics-Vorteil: Der nächste Schritt zu YOLO26#

Wer ältere Architekturen vergleicht, profitiert beim Umstieg auf das moderne Ultralytics-Ökosystem – insbesondere auf die neuesten YOLO26-Modelle – von klaren Vorteilen.

YOLO26 vereinfacht die Bereitstellung durch sein End-to-End-Design ohne NMS. Der optionale One-to-One-Kopf (nms=False) macht die Nachverarbeitung durch Nichtmaximalunterdrückung (NMS) überflüssig und ermöglicht so schnellere und einfachere Bereitstellungsarchitekturen. Zusammen mit dem Wegfall des Verteilungs-Focal-Loss (DFL) ist YOLO26 besser mit Edge-Geräten und Geräten mit geringem Stromverbrauch kompatibel.

YOLO26 umfasst außerdem den MuSGD-Optimierer, eine von stochastischem Gradientenabstieg und Muon abgeleitete Kombination, die von LLM-Training inspiriert ist. So konvergiert das Training stabil, während der Speicherbedarf im Vergleich zu Transformer-lastigen Alternativen gering bleibt.

Effizientes Training mit YOLO26

Mit der Ultralytics-API kannst du ein YOLO26-Modell in wenigen Zeilen Python trainieren und dabei die integrierte Experimentverfolgung nutzen.

from ultralytics import YOLO

# Das neueste YOLO26-Modell laden
model = YOLO("yolo26n.pt")

# Effizient mit deinem benutzerdefinierten Datensatz trainieren
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Das trainierte Modell ins ONNX-Format exportieren
model.export(format="onnx")

Ob du fortschrittliche Instanzsegmentierung, hochpräzise Posenschätzung oder die gewöhnliche Erkennung von Begrenzungsrahmen benötigst – dank der Vielseitigkeit des Ultralytics-Frameworks verbringt dein Team weniger Zeit mit der Konfiguration von Deep-Learning-Umgebungen und mehr Zeit mit der Bereitstellung robuster KI-Lösungen. Durch Trainingsverbesserungen wie ProgLoss + STAL für eine bessere Erkennung kleiner Objekte ist YOLO26 die empfohlene Wahl für neue Computervisionsanwendungen.

Kommentare

Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.