Erste Schritte

PP-YOLOE+ vs. DAMO-YOLO

Die Computer-Vision-Forschung hat zahlreiche spezialisierte Architekturen für die Echtzeit-Objekterkennung hervorgebracht. Bei der Bewertung von Modellen für industrielle und wissenschaftliche Anwendungen fallen häufig zwei bekannte Frameworks aus dem Jahr 2022 auf: PP-YOLOE+ von Baidu und DAMO-YOLO von Alibaba Group. Beide Modelle haben die Anchor-free-Erkennung mit neuen Backbones, verbesserten Strategien zur Labelzuweisung und speziellen Verfahren zur Merkmalsfusion vorangebracht.

Dieser Leitfaden analysiert PP-YOLOE+ und DAMO-YOLO technisch und behandelt ihre Architekturen, Trainingsmethoden und Stärken bei der Bereitstellung. Außerdem wird untersucht, wie sich diese Frameworks im Vergleich zu modernen Lösungen wie Ultralytics YOLO26 schlagen, damit du das passende Werkzeug für deine spezifischen Bereitstellungsanforderungen auswählen kannst.

PP-YOLOE+: Optimierte industrielle Objekterkennung#

PP-YOLOE+ wurde im Baidu-Ökosystem entwickelt und verbessert das ursprüngliche PP-YOLOE schrittweise. Das Modell ist stark auf das Deep-Learning-Framework PaddlePaddle optimiert. Es wurde darauf ausgelegt, Genauigkeit und Inferenzgeschwindigkeit auf Serverhardware zu maximieren, und eignet sich damit besonders für die industrielle Prüfung und den intelligenten Einzelhandel.

Architektonische Innovationen#

PP-YOLOE+ führt mehrere Architekturverbesserungen ein, um frühere anchor-freie Detektoren weiterzuentwickeln:

  • CSPRepResNet-Backbone: Dieses Backbone nutzt eine RepVGG-ähnliche Architektur in Verbindung mit Cross-Stage-Partial-Verbindungen (CSP) und bietet ein ausgewogenes Verhältnis zwischen Merkmalsextraktion und Inferenzlatenz.
  • Task Alignment Learning (TAL): PP-YOLOE+ verwendet eine dynamische Strategie zur Labelzuweisung, die während des Trainings Klassifizierungs- und Regressionsaufgaben aufeinander abstimmt. Dadurch verringert sich die Lücke zwischen Trainings- und Inferenzleistung.
  • Efficient Task-aligned Head (ET-head): Ein schlanker Erkennungskopf, der Merkmale schnell verarbeitet, ohne die räumliche Auflösung zu beeinträchtigen. So bleiben hohe mAP-Kennzahlen erhalten.

PP-YOLOE+ – Details:

Erfahre mehr über PP-YOLOE+

DAMO-YOLO: Suche nach neuronalen Architekturen am Edge#

Das von der Alibaba DAMO Academy entwickelte DAMO-YOLO verfolgt einen deutlich anderen Ansatz. Anstatt das Backbone manuell zu entwerfen, nutzte das Forschungsteam Neural Architecture Search (NAS), um effiziente Netzwerkstrukturen zu finden, die auf strenge Latenzanforderungen zugeschnitten sind.

Wichtige Funktionen und Trainingspipeline#

DAMO-YOLO setzt auf niedrige Latenz und hohe Genauigkeit durch ein automatisiertes Verfahren, das stark auf Wissensdestillation beruht:

  • MAE-NAS-Backbones: DAMO-YOLO nutzt Maximum Entropy Neural Architecture Search, um Backbones zu erstellen, die gezielt auf den Kompromiss zwischen Parametern und Genauigkeit optimiert sind.
  • Efficient RepGFPN: Ein neu parametrisiertes Generalized Feature Pyramid Network ermöglicht eine robuste Merkmalsfusion über mehrere Maßstäbe hinweg. Dadurch kann das Modell in einem Bild Objekte sehr unterschiedlicher Größe erkennen.
  • ZeroHead-Design: Ein vereinfachter Erkennungskopf, der den Rechenaufwand während der Inferenz deutlich reduziert.
  • Verbesserung durch Destillation: Um die Leistung kleinerer Varianten zu steigern, setzt DAMO-YOLO stark auf ein komplexes Wissensdestillationsverfahren, bei dem ein größeres Lehrermodell das Schülermodell anleitet.

Details zu DAMO-YOLO:

Mehr über DAMO-YOLO erfahren

Abhängigkeit vom Framework

PP-YOLOE+ und DAMO-YOLO bieten zwar beide solide theoretische Neuerungen, sind jedoch eng an ihre jeweiligen Frameworks gebunden (PaddlePaddle und bestimmte Alibaba-Umgebungen). Das kann die Übertragung dieser Modelle auf standardisierte Cloud- oder Edge-Bereitstellungen erschweren.

Leistungsanalyse#

Bei der Bewertung dieser Modelle bestimmen der Kompromiss zwischen Latenz, Rechenaufwand (FLOPs) und mittlerer Average Precision (mAP) den am besten geeigneten Einsatzbereich.

ModellGröße
(Pixel)
mAPval50-95Geschwindigkeit
CPU ONNX
(ms)
Geschwindigkeit
T4 TensorRT10
(ms)
Parameter
(M)
FLOPs
(B)
PP-YOLOE+t64039.9-2.844.8519.15
PP-YOLOE+s64043.7-2.627.9317.36
PP-YOLOE+m64049.8-5.5623.4349.91
PP-YOLOE+l64052.9-8.3652.2110.07
PP-YOLOE+x64054.7-14.398.42206.59
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

DAMO-YOLOt erzielt eine geringere TensorRT-Latenz als PP-YOLOE+t, und DAMO-YOLO ist bei winzigen und kleinen Objekten genauer. Dadurch eignet es sich besonders für Videostreams mit hohem Durchsatz. PP-YOLOE+ lässt sich jedoch gut bis zur extra großen Variante (x) skalieren und erzielt Spitzenwerte bei der Genauigkeit komplexer Bilder, bei denen die Inferenzzeit weniger wichtig ist.

Der Ultralytics-Vorteil: Mehr als die Architekturen von 2022#

PP-YOLOE+ und DAMO-YOLO waren wichtige Meilensteine, doch moderne Entwicklungsarbeit erfordert mehr Vielseitigkeit, einfachere Trainingspipelines und weniger Speicherbedarf. Die Ultralytics Platform erfüllt diese Anforderungen mit einer schlanken Arbeitsumgebung, die aufwendige Destillationsverfahren und frameworkspezifische Konfigurationen älterer Modelle überflüssig macht.

Für Entwickler, die heute ein ausgewogenes Verhältnis von Leistung suchen, ist Ultralytics YOLO26 ein großer Fortschritt bei der Effizienz in realen Bereitstellungen.

Warum YOLO26 branchenführend ist#

YOLO26 wurde im Januar 2026 veröffentlicht und baut auf YOLO11 auf. Es bietet mehrere Funktionen für den Produktionseinsatz:

  • Durchgängiges NMS-freies Design: YOLO26 kann die Nachbearbeitung durch Non-Maximum Suppression (NMS) mit seinem optionalen One-to-One-Head (nms=False) vollständig überspringen. Das vereinfacht die Bereitstellungslogik und sorgt für eine gleichmäßige, vorhersehbare Inferenzlatenz.
  • MuSGD-Optimierer: Inspiriert von Trainingstechniken für Large Language Models verwendet YOLO26 einen hybriden MuSGD-Optimierer für stabiles Training und schnelle Konvergenz, wodurch GPU-Stunden eingespart werden.
  • Schnellere CPU-Inferenz: Durch den Wegfall des Distribution Focal Loss (DFL) und die Optimierung des Netzwerkgraphen erzielt YOLO26n bis zu 43 % schnellere CPU-Inferenz als YOLO11n und eignet sich damit besonders für Edge-KI-Geräte.
  • ProgLoss + STAL: Ein progressiver Verlust und eine kleinstzielbewusste Strategie zur Labelzuweisung verbessern die Erkennung kleiner Objekte deutlich. Das ist entscheidend für den Drohnenbetrieb und die Fernerkundung.
  • Vielseitigkeit für mehrere Aufgaben: Anders als PP-YOLOE+, das sich ausschließlich auf die Erkennung konzentriert, unterstützt YOLO26 nativ Instanzsegmentierung, Bildklassifizierung, Posenschätzung und orientierte Begrenzungsrahmen (OBB).

Benutzerfreundlichkeit und Trainingseffizienz#

Für das Training eines DAMO-YOLO-Modells muss eine umfangreiche Lehrer-Schüler-Destillationspipeline verwaltet werden. Ein Ultralytics-Modell lässt sich dagegen mit nur wenigen Zeilen Python trainieren und benötigt im Vergleich zu konkurrierenden Architekturen nur wenig CUDA-Speicher.

from ultralytics import YOLO

# YOLO26-Modell initialisieren
model = YOLO("yolo26n.pt")

# Trainiere das Modell mit dem MuSGD-Optimierer
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, optimizer="MuSGD")

# Führe eine End-to-End-Inferenz ohne NMS aus
results = model("https://ultralytics.com/images/bus.jpg", nms=False)

# Exportiere nach ONNX oder TensorRT
model.export(format="onnx")

Ideale Einsatzgebiete und Empfehlungen#

Die Wahl der passenden Computer-Vision-Architektur hängt stark von der Integration in das Ökosystem deines Teams und den Zielumgebungen für die Bereitstellung ab.

  • Wähle PP-YOLOE+, wenn deine gesamte Pipeline fest im PaddlePaddle-Ökosystem von Baidu verankert ist. Für die Analyse statischer Bilder auf leistungsstarken Servern, bei der vor allem maximale Genauigkeit zählt, bleibt es eine gute Wahl.
  • Wähle DAMO-YOLO, wenn du gezielt Algorithmen zur Suche nach neuronalen Architekturen erforschst oder über die technischen Ressourcen verfügst, um komplexe Destillationspipelines für anspruchsvolle TensorRT-Latenzwerte zu warten.
  • Wähle Ultralytics YOLO26 für fast alle modernen Produktionsszenarien. Das Ultralytics-Ökosystem bietet ausführliche Dokumentation, einen geringeren Speicherbedarf und eine schlanke API. Ob du Systeme zur automatisierten Qualitätskontrolle entwickelst oder Echtzeit-Tracking auf einem Raspberry Pi ausführst – die NMS-freie Architektur von YOLO26 liefert sofort schnelle, stabile und genaue Ergebnisse.

Wenn du weitere Lösungen prüfst, bietet die Ultralytics-Dokumentation auch umfangreiche Informationen zum weit verbreiteten YOLOv8 und zum leistungsfähigen YOLO11. So findest du für jede Computer-Vision-Herausforderung das passende Modell.

Kommentare

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