Erste Schritte

PP-YOLOE+ vs. YOLOv7

Beim Aufbau von Computer-Vision-Pipelines ist die Wahl des passenden Objekterkennungsmodells entscheidend. Zwei bedeutende Architekturen aus dem Jahr 2022, PP-YOLOE+ und YOLOv7, brachten wichtige Fortschritte bei der Echtzeit-Objekterkennung. Dieser technische Vergleich untersucht ihre Architekturen, Trainingsmethoden und Leistung in der Praxis, damit du fundierte Entscheidungen für deine Anwendungen treffen kannst.

Überblick über die Modelle#

PP-YOLOE+ und YOLOv7 wurden beide entwickelt, um Genauigkeit und Geschwindigkeit zu verbessern. Sie gehen jedoch auf unterschiedliche Entwicklungsökosysteme und Designphilosophien zurück.

PP-YOLOE+#

PP-YOLOE+ wurde von den PaddlePaddle-Autoren bei Baidu entwickelt und baut auf PP-YOLOE sowie dem früheren PP-YOLOv2 auf. Das Modell wurde eingeführt, um einen effizienten und genauen Objektdetektor bereitzustellen, der für das PaddlePaddle-Ökosystem optimiert ist.

Erfahre mehr über PP-YOLOE+

YOLOv7#

YOLOv7 wurde von Chien-Yao Wang, Alexey Bochkovskiy und Hong-Yuan Mark Liao entwickelt und führte „trainierbare Bag-of-Freebies“ ein, um zum Zeitpunkt seiner Veröffentlichung neue Spitzenwerte für Echtzeit-Objektdetektoren zu setzen.

Mehr über YOLOv7 erfahren

Architektonische Innovationen#

PP-YOLOE+-Architektur#

PP-YOLOE+ verwendet ein ankerfreies Design, das die Bereitstellung vereinfacht, da Ankerrahmen nicht für benutzerdefinierte Datensätze angepasst werden müssen. Das Modell nutzt ein CSPRepResNet-Backbone und ein PAN (Path Aggregation Network) im Stil von CSPNet für eine effektive Fusion von Merkmalen auf mehreren Skalen. Außerdem verwendet es Task Alignment Learning (TAL), um Klassifikations- und Lokalisierungsaufgaben während des Trainings dynamisch aufeinander abzustimmen und so eine hohe Genauigkeit bei verschiedenen Computer-Vision-Aufgaben sicherzustellen.

YOLOv7-Architektur#

YOLOv7 verfolgte mit der Einführung des Extended Efficient Layer Aggregation Network (E-ELAN) einen anderen Ansatz. Diese Architektur ermöglicht es dem Netzwerk, vielfältigere Merkmale zu lernen, ohne den ursprünglichen Gradientenpfad zu zerstören, was zu einer besseren Konvergenz führt. YOLOv7 nutzt außerdem intensiv die Neuparametrisierung von Modellen, insbesondere gezielt geplante neuparametrisierte Faltungen. Diese führen Faltungsschichten während der Inferenz zusammen und beschleunigen so die Ausführung, ohne die Genauigkeit zu beeinträchtigen. Dadurch eignet sich YOLOv7 gut für GPU-Arbeitslasten wie Multi-Objekt-Tracking und komplexe Sicherheitsalarmsysteme.

Unterschiede der Ökosysteme

PP-YOLOE+ ist eng in Baidus PaddlePaddle-Framework integriert. YOLOv7 hingegen wurde mit PyTorch entwickelt, das traditionell eine größere Community und eine breitere Kompatibilität ab Werk mit Bereitstellungspipelines wie ONNX und TensorRT bietet.

Leistungsanalyse#

Bei der Abwägung zwischen Geschwindigkeit, Parameterzahl und Genauigkeit (mAP) schneidet jedes Modell je nach Variante und Zielhardware in unterschiedlichen Bereichen am besten ab. Die folgende Tabelle vergleicht die Kennzahlen.

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
YOLOv7l64051.4-6.8436.9104.7
YOLOv7x64053.1-11.5771.3189.9

Das PP-YOLOE+x-Modell erzielt zwar eine etwas höhere mAP, doch YOLOv7-Varianten bieten ein sehr gutes Verhältnis von Parameterzahl zu Genauigkeit. Die YOLOv7-Architektur ist weiterhin beliebt für die reine GPU-Verarbeitung, bei der die TensorRT-Optimierung für sehr niedrige Latenz sorgt.

Der Vorteil von Ultralytics#

Beim Training und bei der Bereitstellung dieser Modelle ist das gewählte Framework genauso wichtig wie das Modell selbst. Dank einer einheitlichen Python-API bietet Ultralytics eine optimierte Benutzererfahrung, die den gesamten Lebenszyklus des maschinellen Lernens vereinfacht.

  • Gut gepflegtes Ökosystem: Ultralytics-YOLO-Modelle profitieren von einem fortlaufend aktualisierten Ökosystem, einer umfassenden Dokumentation und einer aktiven Community.
  • Speicherbedarf: Ultralytics optimiert das Laden von Daten und die Trainingsabläufe. Für das Training von Ultralytics-YOLO-Modellen wird üblicherweise deutlich weniger CUDA-Speicher benötigt als für umfangreiche Transformer-basierte Architekturen. So können Entwickler auf Hardware für Endverbraucher größere Batch-Größen verwenden.
  • Trainingseffizienz: Durch den Einsatz robuster Datenerweiterungsverfahren und integrierter Hyperparameteroptimierung sorgt Ultralytics dafür, dass Modelle mit sofort verfügbaren vortrainierten Gewichten schnell konvergieren.

Einfache API-Implementierung#

Das Ultralytics-Paket unterstützt kein natives YOLOv7-Training (Informationen zur Ausführung von Upstream-YOLOv7-Exporten findest du in der YOLOv7-Dokumentation). Ein modernes Ultralytics-YOLO-Modell lässt sich jedoch mit nur wenigen Codezeilen trainieren und ersetzt so komplexe Trainingsskripte:

from ultralytics import YOLO

# Ein vortrainiertes YOLO26-Modell laden
model = YOLO("yolo26n.pt")

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

# Für die Bereitstellung nach TensorRT exportieren
model.export(format="engine", device=0)

Der neue Standard: YOLO26#

PP-YOLOE+ und YOLOv7 sind zwar Meilensteine der Objekterkennung, doch die KI entwickelt sich rasant weiter. Für jedes neue Computer-Vision-Projekt wird Ultralytics YOLO26 empfohlen. YOLO26 wurde im Januar 2026 veröffentlicht und ist ein bedeutender Fortschritt bei der für Edge-Geräte ausgelegten visuellen KI.

Warum YOLO26 ältere Architekturen übertrifft:

  • End-to-End-Design ohne NMS: YOLO26 arbeitet nativ durchgängig. Durch den Verzicht auf die Nachverarbeitung mit Nicht-Maximum-Unterdrückung (NMS) mithilfe des optionalen One-to-One-Kopfs (nms=False) bietet das Modell eine vorhersehbare Inferenzlatenz. Dieser Ansatz wurde erstmals mit YOLOv10 eingeführt.
  • Entfernung von DFL: Durch den Wegfall von Distribution Focal Loss wird der Exportprozess einfacher und die Kompatibilität mit Edge-Geräten mit geringem Energieverbrauch deutlich verbessert.
  • Bis zu 43 % schnellere CPU-Inferenz: In Szenarien ohne dedizierte GPUs, etwa bei IoT-Sensoren in Smart Cities, ist YOLO26 für einen effizienten CPU-Betrieb optimiert. YOLO26n ist bis zu 43 % schneller als YOLO11n.
  • MuSGD-Optimierer: YOLO26 wurde von fortschrittlichen Trainingstechniken für große Sprachmodelle (wie denen hinter Kimi K2 von Moonshot AI) inspiriert und kombiniert SGD und Muon für stabiles Training und schnelle Konvergenz.
  • ProgLoss + STAL: Die progressive Loss-Funktion und die zuweisung kleiner Objekte berücksichtigende Label-Zuweisung verbessern die Erkennung kleiner Objekte deutlich. Das ist wichtig für Anwendungsfälle wie Luftaufnahmen mit Drohnen und die Erkennung von Fertigungsfehlern.

Ideale Anwendungsfälle und Einsatzszenarien#

Wann PP-YOLOE+ die richtige Wahl ist#

PP-YOLOE+ ist die naheliegende Wahl, wenn du stark in das Baidu- und PaddlePaddle-Ökosystem eingebunden bist. Wenn dein Bereitstellungsziel spezielle Hardware für Paddle-Modelle verwendet, bietet PP-YOLOE+ hohe Genauigkeit und eine enge Integration. Das Modell eignet sich besonders gut für die Automatisierung der industriellen Fertigung.

Wann du YOLOv7 verwenden solltest#

YOLOv7 bleibt eine gute Wahl für leistungsstarke Inferenz im Allgemeinen, besonders bei der Bereitstellung auf NVIDIA-Hardware mit TensorRT. Die Integration in das PyTorch-Ökosystem macht das Modell sehr vielseitig für akademische Forschung und maßgeschneiderte kommerzielle Pipelines, etwa für Aufgaben wie Echtzeit-Überwachung von Menschenmengen oder Posenschätzung.

Weitere Modelle, die du in Betracht ziehen kannst#

Je nach deinen konkreten Anforderungen könnte es sich auch lohnen, diese Architekturen mit YOLO11 hinsichtlich einer breiten, produktionsreifen Flexibilität oder mit RT-DETR zu vergleichen, falls dein Projekt die besonderen Vorteile Transformer-basierter Erkennung gegenüber herkömmlichen Faltungsnetzwerken benötigt.

Fazit#

PP-YOLOE+ und YOLOv7 brachten beide bedeutende Verbesserungen für die Echtzeit-Objekterkennung. PP-YOLOE+ überzeugt in Umgebungen, die auf PaddlePaddle standardisiert sind, während YOLOv7 über das PyTorch-Ökosystem Flexibilität und Leistung bietet.

Da sich Computer-Vision-Lösungen jedoch stetig weiterentwickeln, ist der Einsatz moderner Werkzeuge entscheidend. Mit der Ultralytics Platform und Architekturen der nächsten Generation wie YOLO26 können Entwickler ihre Anwendungen hinsichtlich Geschwindigkeit, Genauigkeit und Benutzerfreundlichkeit auf dem neuesten Stand halten.

Mitwirkende

Kommentare

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