YOLOv10 vs. DAMO-YOLO#

Beim Aufbau moderner Computer-Vision-Pipelines ist die Wahl der richtigen Architektur für die Objekterkennung in Echtzeit entscheidend. In dieser umfassenden technischen Analyse untersuchen wir die Architekturen, Leistungskennzahlen und idealen Anwendungsfälle von YOLOv10 und DAMO-YOLO. Beide Modelle stellen bedeutende Fortschritte bei der Objekterkennung dar, verfolgen jedoch unterschiedliche Architekturansätze.

Ob dein Projekt die Bereitstellung auf eingeschränkter Edge-KI-Hardware oder maximale Genauigkeit auf Cloud-GPUs erfordert: Wenn du die Besonderheiten dieser Architekturen verstehst, kannst du fundierte Entscheidungen treffen.

YOLOv10 im Überblick#

Die von Forschenden der Tsinghua-Universität eingeführte YOLOv10 revolutionierte die YOLO-Familie mit einem von Haus aus durchgängigen Ansatz, der die Unterdrückung nicht maximaler Werte (NMS) bei der Nachverarbeitung praktisch überflüssig machte.

Details zu YOLOv10:

• Autoren: Ao Wang, Hui Chen, Lihao Liu u. a.
• Organisation: Tsinghua-Universität
• Datum: 2024-05-23
• Arxiv: https://arxiv.org/abs/2405.14458
• GitHub: https://github.com/THU-MIG/yolov10
• Dokumentation: https://docs.ultralytics.com/models/yolov10

Wichtige Architekturmerkmale#

Die wichtigste Innovation von YOLOv10 ist die Strategie der konsistenten dualen Zuweisungen für das Training ohne NMS. Herkömmliche Objektdetektoren sind stark auf NMS angewiesen, um überlappende Begrenzungsrahmen herauszufiltern. Das führt zu unvorhersehbarer Latenz – einem erheblichen Engpass bei Echtzeitanwendungen wie autonomen Fahrzeugen und Hochgeschwindigkeitsrobotik. Indem YOLOv10 direkt für jedes Objekt einen einzelnen optimalen Begrenzungsrahmen vorhersagt, erzielt es eine vorhersehbare Inferenz mit extrem niedriger Latenz.

Darüber hinaus setzt das Modell auf ein ganzheitliches, von Effizienz und Genauigkeit geleitetes Design. Die Architektur optimiert verschiedene Komponenten, darunter einen kompakten Klassifizierungskopf und ein räumlich-kanalweise entkoppeltes Downsampling, wodurch redundante Berechnungen erheblich reduziert werden. So entsteht eine Architektur mit weniger Parametern und FLOPs, die gleichzeitig eine wettbewerbsfähige mittlere durchschnittliche Präzision (mAP) erreicht.

Mehr über YOLOv10 erfahren

Anwendungsbeispiel#

YOLOv10 ist eng in das Ultralytics-Ökosystem integriert und lässt sich ganz einfach über das Ultralytics-Python-Paket verwenden.

from ultralytics import YOLO

# Lade ein vortrainiertes YOLOv10-Nano-Modell
model = YOLO("yolov10n.pt")

# Das Modell mit dem COCO8-Datensatz trainieren
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Inferenz für ein Testbild ausführen
results = model("https://ultralytics.com/images/bus.jpg")

# Exportiere das Modell im TensorRT-Format
model.export(format="engine", quantize=16)

DAMO-YOLO im Überblick#

DAMO-YOLO wurde von der Alibaba Group entwickelt und konzentriert sich darauf, mithilfe der automatisierten neuronalen Architektursuche (NAS) hocheffiziente Netzwerkstrukturen zu finden. Ziel ist es, die Pareto-Grenze zwischen Geschwindigkeit und Genauigkeit zu verschieben.

Details zu DAMO-YOLO:

• Autoren: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang und Xiuyu Sun
• Organisation: Alibaba Group
• Datum: 2022-11-23
• Arxiv: https://arxiv.org/abs/2211.15444v2
• GitHub: https://github.com/tinyvision/DAMO-YOLO

Wichtige Architekturmerkmale#

DAMO-YOLO führt mehrere neue Technologien für industrielle Anwendungen ein. Grundlage des Modells ist sein MAE-NAS-Backbone, das durch eine Suche unter Steuerung maximaler Entropie erzeugt wird. Dieses automatisierte Verfahren findet Backbone-Strukturen, die vorgegebene Rechenbudgets strikt einhalten und Genauigkeit und Inferenzlatenz sorgfältig ausbalancieren.

Zusätzlich verwendet die Architektur ein Efficient RepGFPN-Neck. Dieses Feature-Pyramiden-Netzwerk verbessert die Merkmalsfusion über verschiedene Maßstäbe hinweg. Das ist für komplexe Aufgaben wie die Analyse von Luftbildern entscheidend, bei denen sich die Objektgrößen stark unterscheiden. Ergänzend dazu nutzt DAMO-YOLO einen ZeroHead – einen minimalistischen Erkennungskopf, der die Komplexität der abschließenden Vorhersageschichten erheblich verringert und so bei der Inferenz wertvolle Rechenzeit einspart.

Mehr über DAMO-YOLO erfahren

Leistungsvergleich#

Bei der Bewertung von Objekterkennungsarchitekturen ist es entscheidend, die richtige Balance zwischen Inferenzgeschwindigkeit, Parametereffizienz und Erkennungsgenauigkeit zu finden. Die folgende Tabelle vergleicht die Leistung von YOLOv10 und DAMO-YOLO in den jeweiligen Modellgrößen.

Wie die Benchmarks zeigen, erreicht YOLOv10 auf TensorRT durchgehend hervorragende Latenzwerte, insbesondere in der Nano-Variante. Diese benötigt deutlich weniger Parameter und FLOPs als vergleichbare DAMO-YOLO-Modelle. DAMO-YOLO erzielt in seiner Tiny-Variante zwar eine starke mAP, doch die Parametereffizienz und Inferenzlatenz der YOLOv10-Familie bieten klare Vorteile für Bereitstellungsumgebungen mit begrenzten Ressourcen.

Anwendungsfälle und Empfehlungen#

Die Wahl zwischen YOLOv10 und DAMO-YOLO hängt von deinen konkreten Projektanforderungen, Bereitstellungsbeschränkungen und Präferenzen für das jeweilige Ökosystem ab.

Wann du YOLOv10 wählen solltest#

YOLOv10 eignet sich besonders für:

• Echtzeiterkennung ohne NMS: Anwendungen, die von einer durchgängigen Erkennung ohne Non-Maximum Suppression profitieren und dadurch die Komplexität der Bereitstellung verringern.
• Ausgewogenes Verhältnis von Geschwindigkeit und Genauigkeit: Projekte, die über verschiedene Modellgrößen hinweg ein ausgewogenes Verhältnis zwischen Inferenzgeschwindigkeit und Erkennungsgenauigkeit erfordern.
• Anwendungen mit gleichbleibender Latenz: Bereitstellungsszenarien, in denen vorhersehbare Inferenzzeiten entscheidend sind, etwa in der Robotik oder bei autonomen Systemen.

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.

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, auf denen die bis zu 43 % schnellere CPU-Inferenz von YOLO26 einen entscheidenden 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 Vorteil von Ultralytics#

Beide Modelle sind technisch beeindruckend, doch bei der Wahl einer Architektur für den Produktionseinsatz sollte man über reine Kennzahlen hinausblicken. Die Arbeit mit Modellen, die nativ vom Ultralytics-Ökosystem unterstützt werden, bietet Entwicklern und Forschenden gleichermaßen unübertroffene Vorteile.

Benutzerfreundlichkeit und gut gepflegtes Ökosystem#

Anders als eigenständige akademische Repositorien, die oft nicht mehr gepflegt werden, bietet Ultralytics ein robustes, aktiv betreutes Ökosystem. Die Einrichtung komplexer Umgebungen für Modelle, die stark auf NAS-Pipelines angewiesen sind, kann eine Herausforderung sein. Ultralytics bietet dagegen eine standardisierte, intuitive Python-API und eine leistungsstarke CLI, unterstützt durch eine umfassende Dokumentation. Das verkürzt die Zeit bis zur Markteinführung kundenspezifischer Bildverarbeitungslösungen erheblich.

Trainingseffizienz und Speicherbedarf#

Das Training großer Modelle kann schnell rechenintensiv werden. Die Ultralytics-YOLO-Architekturen sind seit Langem für ihren geringen CUDA-Speicherbedarf beim Training und bei der Inferenz bekannt. Dank dieser Effizienz können Entwickler Modelle auf handelsüblicher Hardware oder kostengünstigen Cloud-Instanzen trainieren, ohne auf die bei Transformer-Modellen wie RT-DETR häufigen Fehler wegen unzureichenden Arbeitsspeichers zu stoßen.

Vielseitigkeit bei verschiedenen Aufgaben#

Eine wesentliche Einschränkung vieler spezialisierter Erkennungsmodelle ist ihr enger Anwendungsbereich. Im Ultralytics-Ökosystem bist du nicht auf die Objekterkennung beschränkt. Die Tools unterstützen nahtlos verschiedene Computer-Vision-Aufgaben, darunter Instanzsegmentierung, Bildklassifizierung, Posenschätzung und die Erkennung mit orientierten Begrenzungsrahmen (OBB).

Ein Blick in die Zukunft: Die Weiterentwicklung zu YOLO26#

YOLOv10 war ein Vorreiter bei der Inferenz ohne NMS und DAMO-YOLO zeigte die Leistungsfähigkeit von NAS. Doch die Computer Vision entwickelt sich rasant weiter. Entwicklern, die nach der modernsten Lösung suchen, empfehlen wir Ultralytics YOLO26.

YOLO26 wurde als endgültiger Nachfolger von YOLO11 veröffentlicht. Das Modell baut auf der von YOLOv10 geschaffenen Grundlage der NMS-freien Erkennung auf und geht noch deutlich darüber hinaus.

Zu den wichtigsten Fortschritten in YOLO26 gehören:

• Bis zu 43 % schnellere CPU-Inferenz: Speziell für Edge Computing und Geräte mit geringem Stromverbrauch optimiert.
• Wegfall von DFL: Der Distribution Focal Loss wurde entfernt. Das vereinfacht den Export und verbessert die Kompatibilität mit unterschiedlichen Bereitstellungszielen.
• MuSGD-Optimierer: Eine Kombination aus SGD und Muon, die fortschrittliche Stabilität beim LLM-Training und schnellere Konvergenz direkt in die Computer Vision einbringt.
• ProgLoss + STAL: Deutlich verbesserte Verlustfunktionen, die kleine Objekte wesentlich zuverlässiger erkennen. Das ist für Anwendungsfälle wie die Landwirtschaft und die Fernerkundung entscheidend.

Mit der überarbeiteten Ultralytics Platform können Entwickler Modelle der nächsten Generation wie YOLO26 mit wenigen Klicks nahtlos annotieren, trainieren und bereitstellen. So bleibt deine Computer-Vision-Pipeline auf dem neuesten Stand und für die Zukunft gerüstet.