Erste Schritte

YOLO11 und YOLOv7

Maschinelles Sehen entwickelt sich ständig weiter, und die Objekterkennung in Echtzeit gehört nach wie vor zu den am weitesten verbreiteten Anwendungen. Bei der Wahl der passenden Architektur gilt es, Geschwindigkeit, Genauigkeit und einfache Bereitstellung gegeneinander abzuwägen. Dieser Leitfaden vergleicht technisch zwei wichtige Architekturen: Ultralytics YOLO11 und YOLOv7.

Hintergrund und technische Details der Modelle#

Beide Modelle haben die Deep-Learning-Community geprägt, gehen aber auf unterschiedliche Entwicklungsphilosophien und Epochen zurück.

YOLO11-Details:

Details zu YOLOv7:

Mehr über YOLOv7 erfahren

Architektonische Unterschiede#

Beide Detektoren nutzen moderne Designkonzepte, unterscheiden sich aber in ihren strukturellen Grundlagen.

YOLOv7 führte das Konzept der erweiterten effizienten Schichtaggregationsnetzwerke (E-ELAN) ein. Diese Architektur sollte die Lernfähigkeit des Netzwerks kontinuierlich verbessern, ohne den ursprünglichen Gradientenpfad zu zerstören, wie im Forschungspapier beschrieben. YOLOv7 setzt beim Training auf strukturelle Reparametrisierung und eine trainierbare „Bag-of-Freebies“-Methode, die die Gesamtgenauigkeit auf dem COCO-Datensatz verbessert, ohne die Inferenzkosten zu erhöhen.

YOLO11 hingegen basiert auf der Ultralytics-Architektur. Im Mittelpunkt steht eine ausgefeiltere Pipeline zur Merkmalsextraktion mit weniger Parametern, wodurch der Speicherbedarf beim Training sinkt. YOLO11 erzielt ein ausgewogenes Verhältnis zwischen Leistung und Modellgröße: Es verwendet weniger Parameter und erreicht dabei die Erkennungsgenauigkeit größerer Modelle oder übertrifft sie sogar. YOLO11 unterstützt außerdem mehr Aufgaben und ist dadurch eine vielseitige Wahl für moderne Anwendungen des maschinellen Sehens.

Speichereffizienz

Ultralytics YOLO-Modelle benötigen beim Training typischerweise weniger Speicher als viele andere Detektoren. So können Entwickler leistungsfähige Netzwerke mit PyTorch auf handelsüblichen GPUs trainieren.

Leistungs- und Metrikvergleich#

Um die Praxistauglichkeit einzuschätzen, solltest du Kennzahlen wie mittlere Average Precision (mAP), Inferenzgeschwindigkeit, Modellparameter und Rechenkomplexität (FLOPs) vergleichen. Die folgende Tabelle zeigt, wie die Skalierungsvarianten von YOLO11 im Vergleich zu den größeren YOLOv7-Modellen abschneiden.

ModellGröße
(Pixel)
mAPval50-95Geschwindigkeit
CPU ONNX
(ms)
Geschwindigkeit
T4 TensorRT10
(ms)
Parameter
(M)
FLOPs
(B)
YOLO11n64039.556.11.52.66.5
YOLO11s64047.090.02.59.421.6
YOLO11m64051.5183.24.720.168.1
YOLO11l64053.4238.66.225.387.2
YOLO11x64054.7462.811.356.9195.3
YOLOv7l64051.4-6.8436.9104.7
YOLOv7x64053.1-11.5771.3189.9

YOLO11x erreicht 54.7 mAP gegenüber 53.1 mAP bei YOLOv7x und benötigt dabei weniger Parameter (56.9M gegenüber 71.3M) bei ähnlicher T4-TensorRT-Latenz. In der Größenklasse l ist YOLO11l genauer (53.4 gegenüber 51.4 mAP), schneller (6.2 ms gegenüber 6.84 ms) und kleiner (25.3M gegenüber 36.9M Parameter) als YOLOv7l.

Trainingseffizienz und Benutzerfreundlichkeit des Ökosystems#

Ein wesentliches Unterscheidungsmerkmal dieser beiden Architekturen ist die Entwicklererfahrung und das jeweilige Ökosystem.

YOLOv7 ist im Kern ein akademisches Forschungsrepository. Für das Training von Modellen sind häufig komplexe Umgebungskonfigurationen, die manuelle Verwaltung von Abhängigkeiten und lange Befehlszeilenargumente erforderlich. YOLOv7 eignet sich zwar für Forschungsexperimente, doch die Anpassung des Codes aus dem YOLOv7-GitHub-Repository an benutzerdefinierte Produktionsumgebungen kann zeitaufwendig sein.

YOLO11 legt den Schwerpunkt auf Benutzerfreundlichkeit. Es ist vollständig in die Ultralytics Platform integriert, ein gut gepflegtes Ökosystem, das den gesamten Arbeitsablauf abdeckt. Von der Datenannotation und dem lokalen Training bis zur Bereitstellung vereinfachen die einheitliche Python-API und die unkomplizierte Befehlszeilenschnittstelle den gesamten Prozess.

Codevergleich#

Für das Training eines Objekterkennungsmodells mit YOLO11 genügen wenige Codezeilen:

from ultralytics import YOLO

# Ein vortrainiertes kleines YOLO11-Modell laden
model = YOLO("yolo11s.pt")

# Das Modell mit der einheitlichen API trainieren
results = model.train(data="coco8.yaml", epochs=50, imgsz=640)

# Schnell ins ONNX-Format exportieren
model.export(format="onnx")

Im Gegensatz dazu sieht ein typischer YOLOv7-Trainingsbefehl so aus. Dafür müssen Pfade, Konfigurationsdateien und Bash-Skripte sorgfältig eingerichtet werden:

python train.py --workers 8 --device 0 --batch-size 32 --data data/coco.yaml --img 640 640 --cfg cfg/training/yolov7.yaml --weights 'yolov7_training.pt'

YOLO11 ist außerdem vielseitiger. Während YOLOv7 für Aufgaben über die Erkennung hinaus (etwa Posenschätzung oder Segmentierung) auf separate Zweige oder Änderungen angewiesen ist, verarbeitet YOLO11 Objekterkennung, Instanzsegmentierung, Bildklassifizierung, Posenschätzung und die Erkennung orientierter Begrenzungsrahmen (OBB) in einem einzigen, kohärenten Framework.

Einfacher Export

Der Export von YOLO11 in Formate wie TensorRT oder OpenVINO erfordert nur einen einzigen Befehl und verringert so die typischen Probleme mit der Operatorunterstützung älterer Modelle.

Anwendungen in der Praxis und ideale Einsatzbereiche#

Die Wahl zwischen YOLOv7 und YOLO11 hängt vom Umfang des Projekts und den Einschränkungen bei der Bereitstellung ab.

Wann du YOLOv7 in Betracht ziehen solltest:

  • Benchmarking älterer Modelle: Akademische Forscher:innen, die Gradientenpfaddesigns untersuchen, können YOLOv7 als Basiswert verwenden, um neuere konvolutionale neuronale Netze zu bewerten.
  • Vorhandene benutzerdefinierte Pipelines: Teams mit stark angepassten C++- oder CUDA-Pipelines, die speziell auf die einzigartige Begrenzungsrahmen-Dekodierungslogik von YOLOv7 ausgelegt sind.

Wann du YOLO11 wählen solltest:

  • Kommerzielle Produktion: Anwendungen im intelligenten Einzelhandel oder in der medizinischen Diagnostik profitieren von der gepflegten Codebasis und Stabilität von YOLO11.
  • Umgebungen mit begrenzten Ressourcen: Dank seiner geringen Größe eignet sich YOLO11n besonders gut für die Bereitstellung auf Mobil- und Edge-Geräten über ONNX.
  • Projekte mit mehreren Aufgaben: Wenn eine Anwendung eine Person erkennen, deren Skelett abbilden (Pose) und einen gehaltenen Gegenstand segmentieren soll, bietet YOLO11 eine einheitliche Lösung.

Mit YOLO26 weiterarbeiten#

YOLO11 ist weiterhin eine zuverlässige Wahl. Für Entwickler, die heute neue Projekte beginnen, ist Ultralytics YOLO26 jedoch das empfohlene Modell.

YOLO26 wurde im Januar 2026 veröffentlicht und bietet ein optionales End-to-End-Design ohne NMS (nms=False), das die Latenz der Nachverarbeitung mit Nichtmaximalunterdrückung beseitigt. Außerdem ergänzt YOLO26 den MuSGD-Optimierer, der von Trainingsmethoden für große Sprachmodelle (LLM) inspiriert ist und eine schnellere Konvergenz ermöglicht. Dank ProgLoss + STAL für kleine Objekte und des Wegfalls von DFL, der bei YOLO26n gegenüber YOLO11n zu bis zu 43 % schnellerer CPU-Inferenz beiträgt, ist YOLO26 für Edge Computing optimiert.

Wenn du dich für spezialisierte alternative Strukturen interessierst, könnten für bestimmte Anwendungen des maschinellen Sehens auch der Transformer-basierte Ansatz RT-DETR oder die dynamischen Modelle mit offenem Vokabular YOLO-World geeignet sein.

Kommentare

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