YOLO26 vs. DAMO-YOLO
Bei der Wahl eines Computer-Vision-Modells müssen Inferenzgeschwindigkeit, Genauigkeit und einfache Bereitstellung gegeneinander abgewogen werden. Diese Seite vergleicht Ultralytics YOLO26 und DAMO-YOLO. Beide zielen auf Objekterkennung in Echtzeit ab, unterscheiden sich jedoch in ihrer Designphilosophie und ihren vorgesehenen Einsatzbereichen.
Architektonische Neuerungen und Design#
Ultralytics YOLO26: Visuelle KI mit Edge-first-Ansatz#
YOLO26 wurde von Glenn Jocher und Jing Qiu bei Ultralytics entwickelt und am 14. Januar 2026 veröffentlicht. Es ist das neueste Modell der Ultralytics-YOLO-Familie und die empfohlene Wahl für neue Projekte. Das Modell ist für Edge-Computing ausgelegt und übernimmt Optimierungsideen aus dem Training großer Sprachmodelle.
Zu den wichtigsten Architekturmerkmalen von YOLO26 gehören:
- Durchgängiges, NMS-freies Design: Aufbauend auf dem NMS-freien Training, das YOLOv10 in YOLO-Modelle einführte, unterstützt YOLO26 native durchgängige Inferenz. Sein optionaler One-to-One-Head (
nms=False) überspringt die Nachverarbeitung mit Nichtmaximaler Unterdrückung (NMS). Das macht die Latenz besser vorhersehbar und vereinfacht Bereitstellungspipelines. - Entfernung von DFL: Durch den Wegfall von Distribution Focal Loss wird der Modellgraph schlanker. Dadurch gelingt der Export in Bereitstellungs-Frameworks wie ONNX und TensorRT deutlich reibungsloser, und die Kompatibilität mit stromsparenden Edge-Geräten verbessert sich.
- MuSGD-Optimierer: Diese Kombination aus Stochastic Gradient Descent (SGD) und Muon ist von Kimi K2 von Moonshot AI inspiriert. Sie überträgt Innovationen aus dem Training großer Sprachmodelle auf Computer Vision und ermöglicht so stabileres Training und schnellere Konvergenz.
- ProgLoss + STAL: Progressive Loss und Small-Target-Aware Label Assignment (STAL) verbessern die Erkennung kleiner Objekte. Das ist für Luftbildanalyse mit Drohnen und Robotik-Pipelines wichtig.
DAMO-YOLO: Neuronale Architektursuche im großen Maßstab#
DAMO-YOLO wurde von Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang und Xiuyu Sun von der Alibaba Group entwickelt und am 23. November 2022 veröffentlicht. Das Modell konzentriert sich auf die automatisierte Architektursuche. Die Forschung, die in ihrem arXiv-Artikel ausführlich beschrieben wird, nutzt Neural Architecture Search (NAS), um Backbones innerhalb strenger Latenzbudgets zu finden.
Zu den wichtigsten Architekturmerkmalen von DAMO-YOLO gehören:
- MAE-NAS-Backbone: Nutzt eine von maximaler Entropie gesteuerte Suche, um automatisch Backbones zu entwickeln, die Genauigkeit und angestrebte Bereitstellungsgeschwindigkeit in Einklang bringen.
- Effizientes RepGFPN: Ein umfangreiches Neck-Design, das die Merkmalsfusion über verschiedene Skalen hinweg verbessert und so komplexe visuelle Szenen bewältigt.
- ZeroHead: Ein leichter Erkennungskopf, der den Rechenaufwand in den abschließenden Vorhersageschichten minimiert.
Die NAS-gesteuerte Architektur von DAMO-YOLO eignet sich für bestimmte, vorab definierte Hardwarebeschränkungen. Das optionale Design ohne NMS und die Entfernung von DFL machen YOLO26 dagegen zu einer portableren und besser vorhersehbaren Wahl für Edge- und Cloud-Umgebungen.
Leistungs- und Metrikvergleich#
Ein direkter Vergleich von Modellvarianten, die auf dem standardisierten COCO-Datensatz trainiert wurden, zeigt unterschiedliche Leistungsprofile. Die folgende Tabelle veranschaulicht die Kompromisse zwischen Genauigkeit (mAP), Geschwindigkeit und Rechenaufwand (Parameter und FLOPs).
| Modell | Größe (Pixel) | mAPval50-95 | Geschwindigkeit CPU ONNX (ms) | Geschwindigkeit T4 TensorRT10 (ms) | Parameter (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLO26n | 640 | 40.9 | 38.9 | 1.7 | 2.4 | 5.5 |
| YOLO26s | 640 | 48.6 | 87.2 | 2.5 | 9.5 | 20.9 |
| YOLO26m | 640 | 53.1 | 220.0 | 4.7 | 20.4 | 68.4 |
| YOLO26l | 640 | 55.0 | 286.2 | 6.2 | 24.8 | 86.8 |
| YOLO26x | 640 | 57.5 | 525.8 | 11.8 | 55.7 | 194.4 |
| DAMO-YOLOt | 640 | 42.0 | - | 2.32 | 8.5 | 18.1 |
| DAMO-YOLOs | 640 | 46.0 | - | 3.45 | 16.3 | 37.8 |
| DAMO-YOLOm | 640 | 49.2 | - | 5.09 | 28.2 | 61.8 |
| DAMO-YOLOl | 640 | 50.8 | - | 7.18 | 42.1 | 97.3 |
Leistungsanalyse#
YOLO26n hat 2,4M Parameter und läuft mit TensorRT auf einer NVIDIA-T4-GPU in 1,7 ms. Außerdem ist YOLO26n auf der CPU bis zu 43 % schneller als YOLO11n. Damit eignet sich YOLO26 hervorragend für Edge-Geräte ohne dedizierte GPU-Beschleuniger.
DAMO-YOLOt erzielt einen etwas höheren mAP als YOLO26n (42,0 gegenüber 40,9), benötigt jedoch rund 3,5-mal so viele Parameter (8,5M). Bei den Größen s, m und l ist YOLO26 genauer als DAMO-YOLO (bei den l-Modellen beispielsweise 55,0 gegenüber 50,8 mAP), hat weniger Parameter und erreicht höhere TensorRT-Geschwindigkeiten. Beim Training benötigt das Modell üblicherweise weniger CUDA-Speicher.
Ökosystem, Benutzerfreundlichkeit und Trainingseffizienz#
Der Wert eines Modells hängt auch davon ab, wie einfach Entwickler und Forscher es trainieren, bereitstellen und warten können.
Der Vorteil von Ultralytics#
Ultralytics-Modelle werden mit einem gut gepflegten, auf Entwickler ausgerichteten Ökosystem bereitgestellt. Arbeitsabläufe wie Datenaugmentierung, Hyperparameteroptimierung und Experimentverfolgung lassen sich mit einfachen Befehlen durchführen.
YOLO26 ist außerdem vielseitiger. DAMO-YOLO dient ausschließlich der Objekterkennung, während YOLO26 Erkennung, Instanzsegmentierung, semantische Segmentierung, Tiefenschätzung, Klassifizierung, Posenschätzung und OBB-Erkennung unterstützt. Zu den aufgabenspezifischen Verbesserungen gehören:
- Instanzsegmentierung: Verwendet einen Verlust für semantische Segmentierung und ein Multi-Scale-Proto-Modul.
- Posenschätzung: Verwendet Residual Log-Likelihood Estimation (RLE).
- Orientierte Begrenzungsboxen (OBB): Verwendet einen spezialisierten Winkelfehler, um Randprobleme zu beheben.
- Bildklassifizierung: Ermöglicht eine schnelle und ressourcenschonende Beschriftung ganzer Bilder.
Trainingsmethoden#
Beim Training von DAMO-YOLO kommt häufig Knowledge Distillation zum Einsatz. Dabei trainiert ein großes „Lehrer“-Modell ein kleineres „Schüler“-Modell. Das erhöht die Genauigkeit, erfordert jedoch mehr GPU-Speicher und längere Trainingszyklen.
YOLO26 wird ohne Lehrermodell trainiert und benötigt normalerweise weniger Speicher. Mit dem MuSGD-Optimierer lässt es sich daher effizient auf handelsüblicher Hardware trainieren. So trainierst du ein YOLO26-Modell mit der auf PyTorch basierenden Ultralytics Python API:
from ultralytics import YOLO
# Initialisiere das nativ End-to-End-fähige YOLO26-Nano-Modell
model = YOLO("yolo26n.pt")
# Mit einem eigenen Datensatz trainieren
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device=0)
# Exportiere das optimierte Modell ohne NMS
model.export(format="onnx", nms=False)Anwendungen in der Praxis#
Die richtige Wahl hängt von deiner Bereitstellungsumgebung ab.
Edge AI und IoT-Geräte#
Bei intelligenten Einzelhandelskameras, automatisierten Landwirtschaftsmonitoren oder Robotik sind die verfügbaren Rechenressourcen stark begrenzt. Hier ist YOLO26 die bessere Wahl. Die schnellere CPU-Inferenz, der optionale Kopf ohne NMS und die geringe Parameterzahl ermöglichen den Einsatz auf Edge-Geräten wie dem Raspberry Pi, ohne dass die Genauigkeit leidet.
Hochgeschwindigkeitsfertigung und Qualitätskontrolle#
In Linien der Fertigungsautomatisierung erfordert die Fehlererkennung auf schnell laufenden Förderbändern eine minimale, deterministische Latenz. DAMO-YOLO funktioniert gut auf bestimmten GPU-Konfigurationen, doch die variable Latenz der NMS-Nachverarbeitung kann die Synchronisierung von Roboterantrieben stören. Mit aktiviertem NMS-freiem Kopf (nms=False) hält YOLO26 die Bildverarbeitungszeiten konstant. Das vereinfacht die Integration in die Hochgeschwindigkeitsrobotik der Industrie.
Drohnen- und Luftbilder#
Kleine Objekte aus großer Höhe zu erkennen, ist schwierig. ProgLoss und STAL in YOLO26 verbessern die Erkennung kleiner Objekte. Das hilft bei der Beobachtung von Wildtieren oder der Analyse von Verkehrsstaus anhand von UAV-Aufnahmen, auf denen Objekte nur wenige Pixel groß sind.
Anwendungsfälle und Empfehlungen#
Die Wahl zwischen YOLO26 und DAMO-YOLO hängt von den spezifischen Anforderungen deines Projekts, den Einschränkungen bei der Bereitstellung und den Präferenzen für das Ökosystem ab.
Wann du YOLO26 wählen solltest#
YOLO26 ist eine gute Wahl 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.
Wann du DAMO-YOLO wählen solltest#
DAMO-YOLO eignet sich für:
- Videoanalyse mit hohem Durchsatz: Verarbeitung von Videostreams mit hoher Bildrate auf fest installierter NVIDIA-GPU-Infrastruktur, bei der der Durchsatz mit Batchgröße 1 im Vordergrund steht.
- Industrielle Fertigungslinien: Szenarien mit strengen GPU-Latenzvorgaben auf dedizierter Hardware, etwa die Qualitätsprüfung in Echtzeit auf Fließbändern.
- Forschung zur neuronalen Architektursuche: Untersuchung der Auswirkungen automatisierter Architektursuche (MAE-NAS) und effizienter Architekturen mit reparametrisierten Rückgraten auf die Erkennungsleistung.
Fazit#
DAMO-YOLO ist ein aufschlussreiches Beispiel für den Einsatz von Neural Architecture Search für bestimmte Hardwareziele. Für die meisten Anwender ist Ultralytics YOLO26 jedoch die vielseitigere Wahl. Die optionale Inferenz ohne NMS, der geringere Speicherbedarf, der MuSGD-Optimierer und das gut gepflegte Ökosystem helfen Entwicklern, Vision-Systeme schnell und zuverlässig zu erstellen und bereitzustellen.
Kommentare
Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.