PP-YOLOE+ vs. YOLOv5
Bei der Wahl eines Deep-Learning-Frameworks für Computer Vision vergleichen Entwickler oft verschiedene Architekturen, um das richtige Verhältnis von Geschwindigkeit, Genauigkeit und einfacher Bereitstellung zu finden. Dieser Vergleich untersucht die technischen Unterschiede zwischen PP-YOLOE+ und YOLOv5 für die Objekterkennung. Durch die Analyse ihrer Architekturen, Leistungskennzahlen und geeigneten Bereitstellungsszenarien kannst du eine fundierte Entscheidung für dein nächstes Projekt treffen – ganz gleich, ob es um Echtzeitrobotik, die Bereitstellung auf Edge-Geräten oder cloudbasierte Videoanalyse geht.
Ursprung und Metadaten der Modelle#
Beide Modelle stammen von erfahrenen Entwicklungsteams, richten sich aber an etwas unterschiedliche Ökosysteme. Ihre Ursprünge liefern wertvollen Kontext für die Entscheidungen beim Architekturdesign.
PP-YOLOE+ – Details:
- Autoren: PaddlePaddle-Autoren
- Organisation: Baidu
- Datum: 2022-04-02
- arXiv: https://arxiv.org/abs/2203.16250
- GitHub: https://github.com/PaddlePaddle/PaddleDetection/
- Dokumentation: PaddleDetection-README
YOLOv5-Details:
- Autoren: Glenn Jocher
- Organisation: Ultralytics
- Datum: 2020-06-26
- GitHub: https://github.com/ultralytics/yolov5
- Dokumentation: https://docs.ultralytics.com/models/yolov5
Architekturvergleich#
PP-YOLOE+-Architektur#
PP-YOLOE+ ist eine Weiterentwicklung innerhalb des Baidu-Ökosystems und baut auf früheren Modellen wie PP-YOLOv2 auf. Das Modell führt ein optimiertes CSPRepResNet-Backbone ein, das die Merkmalsextraktion durch die Kombination der Prinzipien von Cross-Stage-Partial-Netzwerken (CSP) mit Neuparametrisierungstechniken verbessert. So kann das Modell beim Training eine hohe Genauigkeit beibehalten und zugleich für eine schnellere Inferenz zu einer schlankeren Architektur zusammengeführt werden.
Zusätzlich verwendet PP-YOLOE+ Task Alignment Learning (TAL) und einen Efficient Task-aligned Head (ET-Head). Diese Kombination soll die häufig bei dichten Objektdetektoren auftretende Diskrepanz zwischen Klassifikations- und Lokalisierungsaufgaben beheben. Die Architektur ist zwar gut konzipiert, aber eng an das PaddlePaddle-Framework gebunden. Das kann für Teams, die andere verbreitete ML-Bibliotheken standardisieren, Integrationsprobleme verursachen.
YOLOv5-Architektur#
YOLOv5 hingegen wurde nativ in PyTorch entwickelt, dem Industriestandard für akademische Forschung und den Produktiveinsatz in Unternehmen. Das Modell verwendet ein modifiziertes CSPDarknet53-Backbone, das für seinen starken Gradientenfluss und seine Parametereffizienz bekannt ist.
Ein typisches Merkmal von YOLOv5 ist der AutoAnchor-Algorithmus, der vor dem Training die Größen der Ankerboxen dynamisch anhand deines benutzerdefinierten Datensatzes überprüft und anpasst. Dadurch entfällt die manuelle Abstimmung der Hyperparameter für Begrenzungsrahmen. Der Path-Aggregation-Network-Neck (PANet) des Modells sorgt für eine robuste Fusion von Merkmalen auf mehreren Skalen und eignet sich dadurch besonders gut zur Erkennung unterschiedlich großer Objekte.
Da YOLOv5 direkt auf PyTorch basiert, erfordert der Export in optimierte Formate wie ONNX und TensorRT deutlich weniger Konfiguration von Middleware als bei Modellen, die an frameworkspezifische Werkzeugketten gebunden sind.
Leistungsanalyse#
Für die Bewertung dieser Modelle muss man das Verhältnis zwischen mittlerer durchschnittlicher Präzision (mAP) und Latenz betrachten. Die folgende Tabelle zeigt die Kennzahlen für verschiedene Modellgrößen.
| Modell | Größe (Pixel) | mAPval50-95 | Geschwindigkeit CPU ONNX (ms) | Geschwindigkeit T4 TensorRT10 (ms) | Parameter (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| PP-YOLOE+t | 640 | 39.9 | - | 2.84 | 4.85 | 19.15 |
| PP-YOLOE+s | 640 | 43.7 | - | 2.62 | 7.93 | 17.36 |
| PP-YOLOE+m | 640 | 49.8 | - | 5.56 | 23.43 | 49.91 |
| PP-YOLOE+l | 640 | 52.9 | - | 8.36 | 52.2 | 110.07 |
| PP-YOLOE+x | 640 | 54.7 | - | 14.3 | 98.42 | 206.59 |
| YOLOv5n | 640 | 28.0 | - | 1.12 | 1.9 | 4.5 |
| YOLOv5s | 640 | 37.4 | - | 1.92 | 7.2 | 16.5 |
| YOLOv5m | 640 | 45.4 | - | 4.03 | 21.2 | 49.0 |
| YOLOv5l | 640 | 49.0 | - | 6.61 | 46.5 | 109.1 |
| YOLOv5x | 640 | 50.7 | - | 11.89 | 86.7 | 205.7 |
PP-YOLOE+ erzielt bei größeren Modellvarianten wie der X-Variante zwar sehr konkurrenzfähige mAP-Werte, aber YOLOv5 bietet bei kleineren Modellgrößen eine höhere Geschwindigkeit und weniger Parameter. YOLOv5 Nano (YOLOv5n) benötigt nur 1,9 Millionen Parameter und eignet sich dadurch besonders für eingeschränkte Edge-Geräte mit strengen Speicherlimits. Außerdem verbraucht das Training von YOLO-Modellen üblicherweise weniger CUDA-Speicher als bei umfangreichen Transformer-basierten Alternativen wie RT-DETR.
Der Vorteil von Ultralytics#
Bei der Wahl einer Architektur machen Rohdaten nur einen Teil der Entscheidung aus. Entwicklerfreundlichkeit, Unterstützung durch das Ökosystem und Bereitstellungspipelines bestimmen oft den Erfolg eines Projekts in der Praxis. Hier zeichnen sich Ultralytics-Modelle besonders aus.
Benutzerfreundlichkeit#
Die Python-API von Ultralytics nimmt dir komplexen Boilerplate-Code ab. Entwickler können mit minimalem Code mit dem Training beginnen, die Leistung validieren und Modelle bereitstellen. Die Dokumentation ist umfangreich, wird aktiv gepflegt und von einer großen globalen Open-Source-Community unterstützt.
Vielseitigkeit bei verschiedenen Aufgaben#
PP-YOLOE+ ist zwar ein spezieller Objektdetektor, doch das Ultralytics-Ökosystem ermöglicht es Nutzern, mehrere Computer-Vision-Aufgaben über eine einheitliche API zu bearbeiten. Mit YOLOv5 und seinen Nachfolgern kannst du problemlos von gewöhnlichen Begrenzungsrahmen zu Arbeitsabläufen für die Instanzsegmentierung und Klassifizierung wechseln.
Codebeispiel: YOLOv5 trainieren#
Für den Einstieg genügen wenige Codezeilen. Diese Einfachheit beschleunigt Forschungs- und Entwicklungszyklen erheblich.
from ultralytics import YOLO
# Ein vortrainiertes kleines YOLOv5-Modell laden
model = YOLO("yolov5su.pt") # YOLOv5u: ankerfreie YOLOv5-Gewichte für das ultralytics-Paket
# Das Modell mit dem COCO8-Datensatz trainieren
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Schnelle Inferenz auf einem Bild ausführen
predictions = model("https://ultralytics.com/images/bus.jpg")
predictions[0].show()Anwendungsfälle in der Praxis#
Wann du PP-YOLOE+ wählen solltest: Wenn dein Unternehmen stark im Software-Stack von Baidu verankert ist oder auf spezielle Hardware angewiesen ist, die das PaddlePaddle-Framework voraussetzt, ist PP-YOLOE+ eine leistungsfähige Wahl. Das Modell wird häufig in spezialisierten Fertigungspipelines mit vorhandener Paddle-Integration eingesetzt.
Wann du YOLOv5 wählen solltest: Für die meisten Entwickler, Forschenden und Unternehmen bleibt YOLOv5 eine leistungsstarke Option. Dank seiner PyTorch-Basis ist es sofort mit Werkzeugen wie Weights & Biases zur Nachverfolgung kompatibel und lässt sich problemlos nach TensorRT für die GPU-Beschleunigung auf NVIDIA-Hardware oder nach CoreML für Apple-Geräte exportieren. Das Modell eignet sich für vielfältige Bereiche – von der Überwachung landwirtschaftlicher Kulturen bis zur Hochgeschwindigkeitsnavigation von Drohnen.
Die Zukunft der Objekterkennung: Ultralytics YOLO26#
YOLOv5 ist zwar ein wegweisendes Modell, doch die Computer Vision hat sich weiterentwickelt. Für alle neuen Entwicklungen wird YOLO26 empfohlen, das im Januar 2026 veröffentlicht wurde. YOLO26 ist über die Ultralytics Platform verfügbar und setzt einen neuen Maßstab für Effizienz.
Wichtige Neuerungen in YOLO26:
- Durchgängiges NMS-freies Design: Der optionale One-to-One-Head (
nms=False) von YOLO26 überspringt die Nachbearbeitung durch Non-Maximum Suppression (NMS) vollständig. Dadurch verringern sich Latenzschwankungen, und die Bereitstellung wird erheblich vereinfacht. - Bis zu 43 % schnellere CPU-Inferenz: Durch den Wegfall des Distribution Focal Loss (DFL) wird YOLO26 auf Edge-Geräten ohne GPU deutlich schneller: YOLO26n läuft bis zu 43 % schneller als YOLO11n.
- MuSGD-Optimierer: Dieser hybride Optimierer ist von Trainingstechniken für Large Language Models (LLMs) inspiriert, stabilisiert die Trainingsdynamik und ermöglicht eine schnellere Konvergenz auf benutzerdefinierten Datensätzen.
- Aufgabenspezifische Verbesserungen: ProgLoss und STAL – ein progressiver Verlust und eine kleinstzielbewusste Labelzuweisung – verbessern die Genauigkeit bei winzigen Objekten. Für Luftbildaufnahmen unterstützt das Modell nativ die Erkennung orientierter Begrenzungsrahmen (OBB).
Wenn du moderne Bildverarbeitungsmodelle erkundest, könnte dich auch ein Vergleich mit der vorherigen Generation YOLO11 oder transformerbasierten Ansätzen wie RT-DETR interessieren. Das leistungsfähige Ökosystem und die kontinuierlichen architektonischen Weiterentwicklungen machen Ultralytics zu einer starken Wahl für moderne Computer-Vision-Aufgaben.
Kommentare
Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.