Erste Schritte

DAMO-YOLO vs. YOLOX

Die Computer Vision in Echtzeit entwickelt sich ständig weiter. Zwei wichtige Meilensteine sind DAMO-YOLO und YOLOX, die jeweils eigene Neuerungen für eine schnelle und präzise Objekterkennung mitbringen. Beide Modelle haben wesentlich zur Open-Source-Community beigetragen. Für Fachkräfte im maschinellen Lernen ist es hilfreich, ihre Architekturunterschiede, Trainingsmethoden und optimalen Einsatzszenarien zu verstehen.

Dieser Leitfaden beleuchtet die technischen Details beider Modelle und erläutert, warum moderne Alternativen wie Ultralytics YOLO26 für heutige Produktionsumgebungen eine bessere Leistung und Benutzerfreundlichkeit bieten.

Modellübersicht#

DAMO-YOLO im Detail#

DAMO-YOLO wurde von einem Forschungsteam der Alibaba Group entwickelt und als effiziente Objekterkennungsmethode vorgestellt, die eine automatisierte Architektursuche nutzt.

Mehr über DAMO-YOLO erfahren

Details zu YOLOX#

YOLOX wurde von Forschern bei Megvii entwickelt, um die Lücke zwischen Forschung und Industrie zu schließen. Dazu wechselten sie bei der YOLO-Serie zu einem anchorfreien Design, vereinfachten die Architektur und erzielten für die damalige Zeit eine bessere Leistung.

Mehr über YOLOX erfahren

Architekturanalyse#

DAMO-YOLO-Architektur#

DAMO-YOLO setzt stark auf Neuronale Architektursuche (NAS). Zu den wichtigsten Komponenten gehören:

  • MAE-NAS-Backbones: Nutzen eine durch maximale Entropie gesteuerte Suche, um Backbones zu finden, die ein ausgewogenes Verhältnis zwischen Inferenzgeschwindigkeit und Genauigkeit bieten.
  • Effizientes RepGFPN: Ein aufwendiges Neck-Design für die Merkmalsfusion, das dem Modell hilft, über verschiedene Objektgrößen hinweg eine hohe Genauigkeit zu bewahren.
  • ZeroHead: Ein vereinfachter, leichtgewichtiger Erkennungskopf, der den Rechenaufwand in den abschließenden Vorhersageschichten verringert.

YOLOX-Architektur#

YOLOX verfolgt einen anderen Ansatz und setzt auf strukturelle Einfachheit und ein ankerfreies Design:

  • Ankerfreier Mechanismus: YOLOX sagt die Koordinaten der Begrenzungsrahmen direkt und ohne vordefinierte Anker voraus. Dadurch verringert sich die Anzahl der erforderlichen Designparameter und heuristischen Anpassungen.
  • Entkoppelter Kopf: Klassifizierung und Regression werden auf getrennte Merkmalszweige aufgeteilt. Das verbessert die Konvergenzgeschwindigkeit und die Gesamtgenauigkeit.
  • SimOTA-Labelzuweisung: Eine Strategie zur Labelzuweisung, die positive Beispiele dynamisch den Ground-Truth-Objekten zuordnet und so die Trainingseffizienz verbessert.
Designphilosophien

DAMO-YOLO nutzt maschinengesteuerte NAS, um unter engen Einschränkungen effiziente Architekturen zu finden, während YOLOX auf von Menschen entwickelte Vereinfachungen wie anchorfreie Köpfe setzt, um die Objekterkennungspipeline zu optimieren.

Leistungsvergleich#

Für die Bewertung dieser Modelle müssen die mittlere durchschnittliche Präzision (mAP), die Inferenzgeschwindigkeit und die Anzahl der Parameter betrachtet werden. Die folgende Tabelle vergleicht Standard- und Leichtbauvarianten beider Architekturen.

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
YOLOXnano41625.8--0.911.08
YOLOXtiny41632.8--5.066.45
YOLOXs64040.5-2.569.026.8
YOLOXm64046.9-5.4325.373.8
YOLOXl64049.7-9.0454.2155.6
YOLOXx64051.1-16.199.1281.9

YOLOXx erzielt mit 51,1 den höchsten absoluten mAP-Wert. DAMO-YOLOl erreicht mit 50,8 mAP einen konkurrenzfähigen Wert, benötigt aber weniger als halb so viele Parameter (42,1M gegenüber 99,1M) und läuft mit TensorRT deutlich schneller.

Trainingsmethoden#

DAMO-YOLO trainieren#

DAMO-YOLO nutzt während des Trainings eine komplexe Verbesserung durch Wissensdestillation. Häufig wird zunächst ein großes „Lehrer“-Modell trainiert, dessen Wissen anschließend in die kleineren „Schüler“-Modelle übertragen wird. Außerdem kommt AlignedOTA für die dynamische Labelzuweisung zum Einsatz. Dieses Verfahren ist zwar effektiv, erhöht aber den erforderlichen GPU-Rechenaufwand und Speicherbedarf des mehrstufigen Trainings erheblich.

YOLOX trainieren#

YOLOX setzt auf starke Datenaugmentation wie MixUp und Mosaic. Die Autoren stellten jedoch fest, dass das Abschalten dieser starken Augmentationen während der letzten 15 Epochen dem Modell ermöglicht, sich an die natürliche Bildverteilung anzupassen und so die endgültige Genauigkeit deutlich zu verbessern.

Ideale Anwendungsfälle#

  • DAMO-YOLO: Am besten geeignet für anspruchsvolle industrielle Bereitstellungen, bei denen serverseitige Destillationspipelines unterstützt werden können und die Zielhardware – etwa bestimmte NVIDIA-GPUs – direkt von der aufwendigen NAS-Architektur mit großem Neck profitiert.
  • YOLOX: Eine gute Wahl für Entwickler, die einen vollständig anchorfreien Ansatz suchen. Das leichte YOLOXnano eignet sich für ältere Android-Geräte, Edge-Computing und stark eingeschränkte IoT-Sensoren, bei denen die Parameterzahl der entscheidende Engpass ist.

Der Ultralytics-Vorteil: YOLO26 ist da#

DAMO-YOLO und YOLOX sind wichtige Meilensteine, doch Entwickler benötigen heute umfassendere, vielseitigere und benutzerfreundlichere Lösungen. Hier heben sich die Ultralytics Platform und das neu veröffentlichte Ultralytics YOLO26 hervor.

YOLO26 wurde im Januar 2026 veröffentlicht und ist das empfohlene Ultralytics-Modell für alle unterstützten Computer-Vision-Aufgaben. Es bietet mehrere Verbesserungen gegenüber älteren Architekturen:

  • Durchgängiges NMS-freies Design: Der optionale One-to-One-Kopf von YOLO26 (nms=False) überspringt die Nachverarbeitung mit Non-Maximum Suppression (NMS). So wird die Bereitstellung deutlich einfacher und schneller, ohne die Latenzengpässe herkömmlicher Erkennungsköpfe.
  • Bis zu 43 % schnellere CPU-Inferenz: Durch das Entfernen des Distribution Focal Loss (DFL) und die Optimierung der Schichten ermöglicht YOLO26 eine schnelle Inferenz auf CPUs und Edge-Hardware. YOLO26n läuft auf der CPU bis zu 43 % schneller als YOLO11n.
  • MuSGD-Optimierer: YOLO26 orientiert sich an Trainingstechniken für große Sprachmodelle (LLM) und führt den MuSGD-Optimierer ein, eine Kombination aus SGD und Muon. Das sorgt für stabile Trainingsläufe und eine schnellere Konvergenz als das ältere Trainingsverfahren in YOLOX.
  • ProgLoss + STAL: Progressive Loss und eine auf kleine Objekte abgestimmte Labelzuweisung verbessern die Erkennung kleiner Objekte deutlich. Dadurch eignet sich YOLO26 besser für Drohnenaufnahmen und Robotik.
  • Vielseitigkeit: Anders als DAMO-YOLO, das ausschließlich für die Objekterkennung gedacht ist, unterstützt YOLO26 nativ Instanzsegmentierung, Klassifizierung, Posenschätzung und orientierte Begrenzungsrahmen (OBB) innerhalb desselben gut gepflegten Ökosystems.

Einfache Nutzung mit Ultralytics#

Die Ultralytics Python API vereinfacht die Entwicklung. Für das Training eines YOLO26-Modells ist deutlich weniger Boilerplate-Code nötig; außerdem entfallen die komplexen Destillationspipelines von DAMO-YOLO. Im Vergleich zu großen Transformer-Modellen benötigen Ultralytics-Modelle während des Trainings zudem weniger CUDA-Speicher.

from ultralytics import YOLO

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

# Das Modell mit einer einzigen Codezeile auf deinem benutzerdefinierten Datensatz trainieren
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Schnelle Inferenz ohne NMS für ein Bild ausführen
results = model("https://ultralytics.com/images/bus.jpg", nms=False)

# Exportiere nach ONNX oder TensorRT
model.export(format="onnx")
Cloud-Training und -Bereitstellung

Mit der Ultralytics Platform kannst du Modelle automatisch annotieren, trainieren und am Netzwerkrand bereitstellen. Die Plattform übernimmt für dich die Datenversionierung und die Bereitstellung von Cloud-GPUs.

Fazit#

Die Wahl zwischen DAMO-YOLO und YOLOX hängt von den konkreten Rahmenbedingungen ab: DAMO-YOLO erzielt dank NAS auf bestimmten GPUs ein gutes Verhältnis von Geschwindigkeit zu Genauigkeit, während YOLOX ein übersichtliches, anchorfreies Design für schlanke Edge-Szenarien bietet.

Für Teams, die jedoch eine moderne, aktiv gepflegte Lösung mit einer aktiven Community suchen, ist die Ultralytics-YOLO26-Architektur die empfohlene Wahl. Die optionale NMS-freie Inferenz, die schnelle CPU-Inferenz und die einheitliche API für Erkennung, Segmentierung und Posenschätzung machen den Umstieg von der Forschung in den praktischen Produktivbetrieb einfach.

Wenn du weitere moderne Architekturen kennenlernen möchtest, sieh dir Ultralytics YOLO11 oder Transformer-Modelle wie RT-DETR in der umfassenden Ultralytics-Dokumentation an.

Kommentare

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