Erste Schritte

RTDETRv2 vs. YOLO26

Modelle zur Objekterkennung in Echtzeit werden anhand von Geschwindigkeit, Genauigkeit und Bereitstellungseffizienz bewertet. Diese Seite vergleicht zwei aktuelle Ansätze: das Transformer-basierte RTDETRv2 und Ultralytics YOLO26, ein für Edge-Bereitstellungen entwickeltes Faltungsnetzwerk (CNN). Der Vergleich umfasst ihre Architekturen, Leistungskennzahlen und idealen Anwendungsbereiche, damit du das passende Modell für dein nächstes Bildverarbeitungsprojekt auswählen kannst.

RTDETRv2: Transformer für Echtzeit-Erkennung#

RTDETRv2 baut auf der ursprünglichen RT-DETR-Architektur auf und verbindet das globale Kontextverständnis von Vision-Transformern mit der für Echtzeitanwendungen erforderlichen Geschwindigkeit.

Wichtige Merkmale:

  • Autoren: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang und Yi Liu
  • Organisation: Baidu
  • Datum: 2024-07-24
  • Links: arXiv, GitHub, Dokumentation

Architektur und Stärken#

Anders als herkömmliche ankerbasierte Detektoren verwendet RTDETRv2 einen Transformer-basierten Ansatz, der die Non-Maximum Suppression (NMS) bei der Nachverarbeitung überflüssig macht. Der Aufmerksamkeitsmechanismus hilft dem Modell, komplexe Szenen und sich überlappende Objekte zu verarbeiten. Die Trainingsverbesserungen unter dem Namen „Bag-of-Freebies“ erhöhen die Genauigkeit auf dem COCO-Datensatz und halten zugleich die Inferenzgeschwindigkeit auf leistungsstarken GPUs praxistauglich.

Einschränkungen#

RTDETRv2 erzielt starke Benchmark-Ergebnisse, kann sich aber im Produktivbetrieb schwieriger einsetzen lassen. Transformer-Architekturen benötigen beim Training und bei der Inferenz in der Regel mehr Arbeitsspeicher als CNNs. Das kann die Bereitstellung auf ressourcenbeschränkten Edge-KI-Geräten erschweren. Für das Training von Transformern sind außerdem meist größere Stapelgrößen und mehr CUDA-Speicher erforderlich, was bei begrenzter Hardware zum Engpass werden kann.

Erfahre mehr über RTDETRv2

YOLO26: Vision AI mit Fokus auf Edge-Geräte#

Ultralytics YOLO26 wurde im Januar 2026 veröffentlicht und ist das neueste Ultralytics-YOLO-Modell sowie die empfohlene Wahl für neue Projekte. Das Modell ist auf eine unkomplizierte Bereitstellung im Produktivbetrieb und effiziente Inferenz auf Edge-Hardware ausgelegt.

Wichtige Merkmale:

Architektonische Innovationen#

YOLO26 führt mehrere Änderungen ein, die häufige Probleme bei der Bereitstellung von Modellen angehen:

  • End-to-End-Design ohne NMS: Aufbauend auf dem NMS-freien Training, das YOLOv10 in YOLO-Modelle eingeführt hat, unterstützt YOLO26 die native End-to-End-Inferenz. Der optionale One-to-One-Kopf (nms=False) überspringt die NMS-Nachverarbeitung. Dadurch sinken die Latenzschwankungen und Inferenzzeiten sind in der Produktion besser vorhersehbar.
  • Bis zu 43 % schnellere CPU-Inferenz: Architektonische Verbesserungen und der Wegfall von Distribution Focal Loss (DFL) machen YOLO26n auf der CPU bis zu 43 % schneller als YOLO11n. Das eignet sich für Geräte für Edge Computing ohne dedizierte GPUs.
  • MuSGD-Optimierer: Inspiriert von Trainingstechniken für große Sprachmodelle (LLMs), wie etwa Moonshot AIs Kimi K2, verwendet YOLO26 den MuSGD-Optimierer, eine Kombination aus SGD und Muon, für stabileres Training und schnellere Konvergenz.
  • ProgLoss + STAL: Progressive Loss und Small-Target-Aware Label Assignment (STAL) verbessern die Erkennung kleiner Objekte. Das ist wichtig für Anwendungen mit Luftaufnahmen und drohnengestützter Überwachung.
Aufgabenspezifische Verbesserungen in YOLO26

Über die standardmäßige Erkennung hinaus bietet YOLO26 aufgabenspezifische Verbesserungen: einen semantischen Segmentierungsverlust und ein Protomodul mit mehreren Maßstäben für Segmentierungsaufgaben, Residual Log-Likelihood Estimation (RLE) für die Posenschätzung sowie einen speziellen Winkelfehler, der Grenzprobleme bei der Erkennung orientierter Begrenzungsrahmen (OBB) behebt.

Leistungsvergleich#

Die folgende Tabelle vergleicht die Genauigkeit (mAP) und die Recheneffizienz auf dem COCO-Validierungsdatensatz. Bei jeder vergleichbaren Modellgröße erzielt YOLO26 eine höhere mAP als RTDETRv2 und weist zugleich eine geringere TensorRT-Latenz auf.

ModellGröße
(Pixel)
mAPval50-95Geschwindigkeit
CPU ONNX
(ms)
Geschwindigkeit
T4 TensorRT10
(ms)
Parameter
(M)
FLOPs
(B)
RTDETRv2-s64048.1-5.032060
RTDETRv2-m64051.9-7.5136100
RTDETRv2-l64053.4-9.7642136
RTDETRv2-x64054.3-15.0376259
YOLO26n64040.938.91.72.45.5
YOLO26s64048.687.22.59.520.9
YOLO26m64053.1220.04.720.468.4
YOLO26l64055.0286.26.224.886.8
YOLO26x64057.5525.811.855.7194.4

YOLO26x erreicht 57,5 mAP und liegt damit 3,2 Punkte über RTDETRv2-x. Das Modell hat weniger Parameter (55,7M gegenüber 76M) und eine schnellere TensorRT-Inferenz (11,8 ms gegenüber 15,03 ms). YOLO26 benötigt außerdem in der Regel weniger Arbeitsspeicher und eignet sich dadurch besser für Echtzeitbereitstellungen am Rand des Netzwerks.

Ökosystem und Benutzerfreundlichkeit#

Über die reine Leistung hinaus bestimmt das dazugehörige Ökosystem, wie schnell ein Modell von der Forschung in die Produktion gelangt. Die Ultralytics Platform vereint die Datenannotation, das Training und die Bereitstellung von Ultralytics-Modellen an einem Ort.

Ein gut gepflegtes, einheitliches Ökosystem#

RTDETRv2 ist in erster Linie ein Forschungsrepository. Für benutzerdefinierte Aufgaben kann deshalb eine komplexe Einrichtung der Umgebung und manuelle Skripterstellung nötig sein. Ultralytics YOLO26 wird als ausgereiftes, umfassend getestetes Python-Paket mit einer einfachen API für Training, Validierung, Vorhersage und Export bereitgestellt.

Dank integrierter Anbindungen an Weights & Biases und Comet ist die Nachverfolgung von Experimenten bereits enthalten. RTDETRv2 konzentriert sich auf die Objekterkennung, während YOLO26 im selben Framework außerdem Instanzsegmentierung, semantische Segmentierung, Tiefenschätzung, Bildklassifizierung, Posenschätzung und OBB-Erkennung unterstützt.

Codebeispiel: Einfach in der Anwendung#

Die Ultralytics-Python-API lädt Modelle, führt Inferenz aus und exportiert die Modelle mit wenigen Codezeilen. Dasselbe Paket unterstützt sowohl RT-DETR als auch YOLO26.

from ultralytics import RTDETR, YOLO

# Ein RT-DETR-Modell laden
model_rtdetr = RTDETR("rtdetr-l.pt")

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

# Eine Inferenz auf einem Bild ausführen
results_rtdetr = model_rtdetr("https://ultralytics.com/images/bus.jpg")
results_yolo = model_yolo("https://ultralytics.com/images/bus.jpg")

# Die YOLO26-Ergebnisse anzeigen
results_yolo[0].show()

# YOLO26 in das ONNX-Format exportieren
model_yolo.export(format="onnx")

Anwendungsfälle und Empfehlungen#

Ob RT-DETR oder YOLO26 besser geeignet ist, hängt von den konkreten Projektanforderungen, den Einschränkungen bei der Bereitstellung und den Präferenzen für das Ökosystem ab.

Wann du RT-DETR wählen solltest#

RT-DETR eignet sich besonders für:

  • Forschung zu Transformer-basierter Erkennung: Projekte, die Aufmerksamkeitsmechanismen und Transformer-Architekturen für die End-to-End-Objekterkennung ohne NMS untersuchen.
  • Anwendungsfälle mit hohen Genauigkeitsanforderungen und flexibler Latenz: Anwendungen, bei denen die Erkennungsgenauigkeit oberste Priorität hat und eine etwas höhere Inferenzlatenz akzeptabel ist.
  • Erkennung großer Objekte: Szenen mit überwiegend mittelgroßen bis großen Objekten, bei denen der globale Aufmerksamkeitsmechanismus von Transformern einen natürlichen Vorteil bietet.

Wann du YOLO26 wählen solltest#

YOLO26 wird empfohlen für:

  • 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 entscheidenden Vorteil bietet.
  • Erkennung kleiner Objekte: Anspruchsvolle Szenarien wie Luftaufnahmen von Drohnen oder die Analyse von IoT-Sensordaten, bei denen ProgLoss und STAL die Genauigkeit bei kleinen Objekten verbessern.

Weitere Architekturen entdecken#

YOLO26 ist der empfohlene Einstieg, aber auch ältere Modelle sind weiterhin nützlich. YOLO11 wird weiterhin vollständig unterstützt und eignet sich gut für bestehende darauf aufbauende Systeme. Weitere Informationen findest du im Vergleich von RT-DETR und YOLO11. Für ältere Architekturen zeigt der Vergleich von EfficientDet und YOLO26, wie weit sich Architekturen zur Objekterkennung entwickelt haben.

Abschließende Gedanken#

RTDETRv2 und YOLO26 bringen beide die Echtzeit-Objekterkennung voran. Für Teams, denen ein reibungsloser Übergang in die Produktion, ein geringer Speicherbedarf und eine breite Aufgabenunterstützung wichtig sind, ist Ultralytics YOLO26 die empfohlene Wahl. Die optionale Inferenz ohne NMS, die hohe CPU-Geschwindigkeit und das Ultralytics-Ökosystem helfen dabei, Computer-Vision-Projekte zu skalieren – unabhängig davon, ob sie auf einem Cloud-Server oder einem Raspberry Pi mit begrenzten Ressourcen laufen.

Kommentare

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