PP-YOLOE+ vs. YOLOX
Die Computer Vision wurde maßgeblich durch die rasante Entwicklung von Objekterkennungsmodellen geprägt. Zu den wichtigen Meilensteinen zählen PP-YOLOE+ und YOLOX, zwei Architekturen, die Echtzeitleistung und Genauigkeit vorangebracht haben. Wenn Forschende und Entwickler ihre architektonischen Details, Leistungskompromisse und am besten geeigneten Einsatzbereiche verstehen, können sie bessere visuelle Erkennungssysteme entwickeln.
Modellherkunft und Details#
Bevor wir uns mit den technischen Architekturen befassen, lohnt es sich, die Entstehung beider Modelle zu verstehen. Beide wurden entwickelt, um bestimmte Engpässe bei der Objekterkennung zu bewältigen, und stark von den jeweiligen Trägerorganisationen geprägt.
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-PP-YOLOE+-README
Details zu YOLOX:
- Autoren: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li und Jian Sun
- Organisation: Megvii
- Datum: 2021-07-18
- arXiv: https://arxiv.org/abs/2107.08430
- GitHub: https://github.com/Megvii-BaseDetection/YOLOX
- Dokumentation: Offizielle YOLOX-Dokumentation
Architektonische Innovationen#
Die wesentlichen Unterschiede zwischen diesen beiden Detektoren liegen in ihren Ansätzen zur Merkmalsextraktion und Vorhersage von Bounding-Boxen.
YOLOX erregte 2021 große Aufmerksamkeit, weil es die YOLO-Familie auf ein Anchor-free-Design umstellte. Der Wegfall von Ankerboxen verringerte bei YOLOX die Anzahl der Entwurfsparameter und den Umfang der heuristischen Abstimmung, die für benutzerdefinierte Datensätze erforderlich sind, deutlich. Außerdem wurde ein entkoppelter Erkennungskopf eingeführt, der Klassifizierung und Lokalisierung auf getrennte neuronale Pfade verteilt. Dadurch wurde der grundlegende Konflikt zwischen der Klassifizierung eines Objekts und der Regression seiner räumlichen Koordinaten gelöst, was zu einer schnelleren Konvergenz während des Trainings führte.
PP-YOLOE+ wurde von Baidu entwickelt und ist stark auf das PaddlePaddle-Ökosystem optimiert. Es baut auf seinen Vorgängern PP-YOLOE und PP-YOLOv2 auf und führt eine dynamische Strategie zur Labelzuweisung (TAL) sowie ein neuartiges Backbone namens CSPRepResNet ein. Dieses Backbone nutzt die strukturelle Neuparametrisierung: Während des Trainings profitiert das Modell von komplexen Architekturen mit mehreren Zweigen, die für die Inferenz zu einem schnellen Netzwerk mit nur einem Pfad zusammengeführt werden.
Durch strukturelle Umparametrisierung kann ein Modell mit mehreren parallelen Zweigen trainiert werden, wodurch der Gradientenfluss verbessert wird. Für die Bereitstellung lassen sich diese Zweige anschließend mathematisch zu einer einzelnen Faltungsschicht zusammenführen. So steigt die Inferenzgeschwindigkeit, ohne dass Genauigkeit verloren geht.
Leistungs- und Metrikvergleich#
Beim direkten Vergleich dieser Modelle zeigt sich, dass sie leicht unterschiedliche Leistungsbereiche abdecken. PP-YOLOE+ erzielt im Allgemeinen eine höhere absolute mAP, während YOLOX äußerst kompakte Varianten bietet, die sich für stark eingeschränkte Hardware eignen.
| 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 |
| YOLOXnano | 416 | 25.8 | - | - | 0.91 | 1.08 |
| YOLOXtiny | 416 | 32.8 | - | - | 5.06 | 6.45 |
| YOLOXs | 640 | 40.5 | - | 2.56 | 9.0 | 26.8 |
| YOLOXm | 640 | 46.9 | - | 5.43 | 25.3 | 73.8 |
| YOLOXl | 640 | 49.7 | - | 9.04 | 54.2 | 155.6 |
| YOLOXx | 640 | 51.1 | - | 16.1 | 99.1 | 281.9 |
Hinweis: Die besten Werte in den jeweiligen Spaltenabschnitten sind fett hervorgehoben.
YOLOX bietet Nano- und Tiny-Varianten, die nur wenig Speicherplatz und CUDA-Speicher benötigen. PP-YOLOE+ lässt sich dagegen gut auf Serverhardware skalieren und ist damit eine leistungsfähige Wahl für umfangreiche industrielle Anwendungen im Baidu-Ökosystem.
Anwendungen in der Praxis#
Die Wahl zwischen diesen Frameworks hängt oft von den Integrationsanforderungen und den angestrebten Hardwareplattformen ab.
Wo YOLOX seine Stärken ausspielt#
Dank seiner Anchor-free-Architektur und der verfügbaren besonders leichten Varianten ist YOLOX in der Robotik und bei eingebetteten Systemen beliebt. Die einfache Nachbearbeitung erleichtert die Portierung auf Inferenzlaufzeiten wie TensorRT und NCNN.
Wo PP-YOLOE+ seine Stärken ausspielt#
Für Hersteller, die bereits den Technologie-Stack von Baidu verwenden, bietet PP-YOLOE+ einen voroptimierten Weg zur Bereitstellung. Das Modell eignet sich gut für Szenarien mit hohen Genauigkeitsanforderungen bei der Qualitätsprüfung auf leistungsstarken Serverracks, in denen weniger strenge Echtzeitanforderungen den Einsatz etwas größerer Modelle erlauben.
Anwendungsfälle und Empfehlungen#
Die Wahl zwischen PP-YOLOE+ und YOLOX hängt von deinen spezifischen Projektanforderungen, Einsatzbeschränkungen und Ökosystempräferenzen ab.
Wann du PP-YOLOE+ wählen solltest#
PP-YOLOE+ eignet sich besonders für:
- Integration in das PaddlePaddle-Ökosystem: Unternehmen mit einer bestehenden Infrastruktur auf Basis des PaddlePaddle-Frameworks und der Werkzeuge von Baidu.
- Edge-Bereitstellung mit Paddle Lite: Bereitstellung auf Hardware mit hochoptimierten Inferenzkernen speziell für Paddle Lite oder die Paddle-Inferenz-Engine.
- Erkennung mit hoher Genauigkeit auf Servern: Szenarien, in denen höchste Erkennungsgenauigkeit auf leistungsstarken GPU-Servern gefragt ist und die Abhängigkeit von einem bestimmten Framework keine Rolle spielt.
Wann du YOLOX wählen solltest#
YOLOX empfiehlt sich für:
- Forschung zur anchorfreien Erkennung: Akademische Forschung, bei der YOLOX aufgrund seiner übersichtlichen, anchorfreien Architektur als Grundlage für Experimente mit neuen Erkennungs-Heads oder Verlustfunktionen dient.
- Besonders kompakte Edge-Geräte: Bereitstellung auf eingebetteter Hardware mit geringem Stromverbrauch oder älteren Mobilgeräten, bei der das äußerst geringe Format der YOLOX-Nano-Variante (0.91M Parameter) entscheidend ist.
- Studien zur SimOTA-Labelzuweisung: Forschungsprojekte, die Strategien zur Labelzuweisung auf Grundlage optimalen Transports und deren Auswirkungen auf die Trainingskonvergenz untersuchen.
Wann du Ultralytics (YOLO26) wählen solltest#
Für die meisten neuen Projekte bietet Ultralytics YOLO26 die beste Kombination aus Leistung und Entwicklererfahrung:
- 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 YOLO26 (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: YOLO26 ist da#
PP-YOLOE+ und YOLOX waren wichtige Forschungsmeilensteine, doch die moderne Bereitstellung erfordert eine einheitlichere und entwicklerfreundlichere Umgebung mit höherer Effizienz. Hier hebt sich Ultralytics YOLO26 hervor.
Für Teams, die von isolierten Forschungs-Repositories zu produktionsreifen Systemen wechseln möchten, bietet Ultralytics ein robustes, gut gepflegtes Ökosystem. Für das Modelltraining müssen keine komplexen Umgebungen mehr eingerichtet werden; der Zugriff auf eine einheitliche Python API genügt.
Wichtige Vorteile von Ultralytics YOLO26:
- Durchgängiges NMS-freies Design: Anders als PP-YOLOE+ und YOLOX, die Non-Maximum Suppression (NMS) zum Filtern redundanter Begrenzungsrahmen benötigen, bietet YOLO26 einen nativen End-to-End-Head (
nms=False). Dadurch entfallen Latenzengpässe, und die Bereitstellungslogik wird erheblich vereinfacht. - Bis zu 43 % schnellere CPU-Inferenz: Durch den Wegfall des Distribution Focal Loss (DFL) erzielt YOLO26n auf CPU-Hardware bis zu 43 % schnellere Inferenz als YOLO11n und eignet sich damit deutlich besser für Edge Computing und Geräte mit geringem Stromverbrauch.
- MuSGD-Optimierer: Inspiriert vom Training von Kimi K2 durch Moonshot AI, bringt dieser hybride Optimierer die Stabilität des LLM-Trainings in die Computer Vision und ermöglicht eine schnellere Konvergenz.
- ProgLoss + STAL: Ein progressiver Verlust und eine kleinstzielbewusste Strategie zur Labelzuweisung verbessern die Erkennung kleiner Objekte deutlich – eine entscheidende Funktion für den Drohnenbetrieb und detailreiche Luftbildaufnahmen.
- Vielseitigkeit: Während sich PP-YOLOE+ und YOLOX ausschließlich auf die Erkennung konzentrieren, verarbeitet YOLO26 mit derselben intuitiven Syntax Instanzsegmentierung, Posenschätzung und orientierte Begrenzungsrahmen (OBB).
Optimiertes Training mit Ultralytics#
Ultralytics-Modelle sind speichereffizient und schnell zu trainieren, insbesondere im Vergleich zu transformerbasierten Alternativen, die viel CUDA-Speicher benötigen. YOLO26 lässt sich mit wenigen Codezeilen trainieren und exportieren:
from ultralytics import YOLO
# Das hocheffiziente YOLO26-Nano-Modell mit End-to-End-Verarbeitung laden
model = YOLO("yolo26n.pt")
# Mit dem COCO8-Beispieldatensatz trainieren
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Die Leistung des Modells validieren
metrics = model.val()
# Exportiere nach ONNX oder TensorRT
model.export(format="engine")Für Teams, die eine Lösung ohne Programmierung suchen, bietet die Ultralytics Platform cloudbasiertes Training, integrierte Datensatzannotation und die Bereitstellung all deiner YOLO-Modelle mit einem Klick.
Fazit#
PP-YOLOE+ und YOLOX haben sich beide einen festen Platz in der Geschichte der Computer Vision verdient: Das eine bietet hohe Genauigkeit, das andere ein leichtes Anchor-free-Design. Für Unternehmen, die die Zukunft der KI in der Landwirtschaft, intelligenter Städte und des Einzelhandels gestalten, ist Ultralytics YOLO26 jedoch die empfohlene Wahl – dank kontinuierlicher Wartung, einfacher Bedienung und nativer NMS-freier Architektur.
Wenn du für bestimmte Benchmarks alternative Architekturen prüfst, lohnt sich in der Ultralytics-Dokumentation vielleicht auch ein Vergleich mit dem Vorgänger YOLO11 oder transformerbasierten Optionen wie RT-DETR. Mit dem Wechsel zum einheitlichen Ultralytics-Ökosystem sparen Entwickler Zeit und Ressourcen und erzielen zugleich starke Ergebnisse bei Edge- und Cloud-Bereitstellungen.
Kommentare
Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.