YOLOv10 vs. DAMO-YOLO
Beim Aufbau moderner Computer-Vision-Pipelines ist die Wahl der passenden Architektur für die Echtzeit-Objekterkennung entscheidend. Diese technische Analyse behandelt die Architekturen, Leistungskennzahlen und geeigneten Anwendungsfälle von YOLOv10 und DAMO-YOLO. Beide Modelle haben die Echtzeitdetektion vorangebracht, verfolgen dabei jedoch unterschiedliche architektonische Ansätze.
Ob dein Projekt eine Bereitstellung auf Edge-KI-Hardware mit begrenzten Ressourcen oder höchste Genauigkeit auf Cloud-GPUs erfordert: Wenn du die Unterschiede zwischen diesen Architekturen kennst, kannst du eine fundierte Entscheidung treffen.
YOLOv10 im Überblick#
Von Forschenden der Tsinghua-Universität vorgestellt, führte YOLOv10 einen nativ durchgängigen Ansatz in die YOLO-Familie ein und machte die Unterdrückung nicht maximaler Werte (NMS) bei der Nachverarbeitung überflüssig.
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 doppelten Zuweisungen für das NMS-freie Training. Herkömmliche Objektdetektoren verwenden NMS, um überlappende Begrenzungsboxen herauszufiltern. Dadurch entsteht eine schwankende Latenz, die Echtzeitanwendungen wie autonome Fahrzeuge und Hochgeschwindigkeitsrobotik ausbremst. Indem YOLOv10 direkt eine Begrenzungsbox pro Objekt vorhersagt, erreicht das Modell eine niedrige, vorhersehbare Inferenzlatenz.
Darüber hinaus verwendet das Modell ein ganzheitliches, auf Effizienz und Genauigkeit ausgerichtetes Design. Die Architektur optimiert verschiedene Komponenten, darunter einen kompakten Klassifizierungskopf und ein räumlich-kanalweises, entkoppeltes Downsampling, wodurch redundante Berechnungen reduziert werden. So entsteht eine Architektur mit weniger Parametern und FLOPs, die eine konkurrenzfähige mittlere durchschnittliche Präzision (mAP) beibehält.
Anwendungsbeispiel#
YOLOv10 ist in das Ultralytics-Ökosystem integriert und lässt sich 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 sucht mithilfe der automatisierten neuronalen Architektursuche (NAS) nach effizienten Netzwerkstrukturen, um 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 umfasst mehrere Techniken für industrielle Anwendungen. Das Modell basiert auf dem MAE-NAS-Backbone, der durch eine von maximaler Entropie geleitete Suche erzeugt wird. Dieses automatisierte Verfahren findet Backbone-Strukturen, die vorgegebene Rechenbudgets einhalten und Genauigkeit und Inferenzlatenz gegeneinander abwägen.
Die Architektur verwendet außerdem einen Efficient-RepGFPN-Neck. Dieses Feature-Pyramid-Netzwerk verbessert die Merkmalsfusion über verschiedene Skalen hinweg. Das ist wichtig für komplexe Aufgaben wie die Analyse von Luftbildern, bei der Objekte sehr unterschiedlich groß sein können. DAMO-YOLO verwendet zudem einen ZeroHead, einen minimalen Detektionskopf, der die Komplexität der finalen Vorhersageschichten reduziert und Berechnungen während der Inferenz einspart.
Leistungsvergleich#
Bei der Bewertung von Architekturen zur Objekterkennung ist es entscheidend, das richtige Gleichgewicht zwischen Inferenzgeschwindigkeit, Parametereffizienz und Detektionsgenauigkeit zu finden. Die folgende Tabelle vergleicht die Leistung von YOLOv10 und DAMO-YOLO in den jeweiligen Modellgrößen.
| Modell | Größe (Pixel) | mAPval50-95 | Geschwindigkeit CPU ONNX (ms) | Geschwindigkeit T4 TensorRT10 (ms) | Parameter (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv10n | 640 | 38.5 | - | 1.84 | 2.3 | 6.7 |
| YOLOv10s | 640 | 46.3 | - | 2.49 | 7.2 | 21.6 |
| YOLOv10m | 640 | 51.1 | - | 4.74 | 15.4 | 59.1 |
| YOLOv10b | 640 | 52.5 | - | 5.74 | 19.1 | 92.0 |
| YOLOv10l | 640 | 53.2 | - | 7.28 | 24.4 | 120.3 |
| YOLOv10x | 640 | 54.4 | - | 10.70 | 29.5 | 160.4 |
| 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 |
YOLOv10 ist bei vergleichbaren Modellgrößen genauer als DAMO-YOLO und benötigt weniger Parameter: YOLOv10s erreicht mit 7,2 Mio. Parametern bei 2,49 ms einen mAP von 46,3; DAMO-YOLOs erzielt mit 16,3 Mio. Parametern bei 3,45 ms einen mAP von 46,0. DAMO-YOLOt bietet für seine Größe eine starke Genauigkeit (42,0 mAP), und DAMO-YOLOl ist auf T4 mit TensorRT geringfügig schneller als YOLOv10l (7,18 ms gegenüber 7,28 ms). Die Parametereffizienz der YOLOv10-Familie verschafft ihr jedoch Vorteile bei Bereitstellungen 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, 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.
Der Vorteil von Ultralytics#
Bei der Wahl einer Architektur für die Produktion reicht es nicht, nur die reinen Kennzahlen zu betrachten. Wenn du Modelle aus dem Ultralytics-Ökosystem verwendest, profitierst du von mehreren praktischen Vorteilen.
Benutzerfreundlichkeit und gut gepflegtes Ökosystem#
Im Gegensatz zu eigenständigen akademischen Repositories, die möglicherweise nur selten aktualisiert werden, bietet Ultralytics ein aktiv gepflegtes Ökosystem. Die Einrichtung komplexer Umgebungen für Modelle, die auf NAS-Pipelines beruhen, kann schwierig sein. Ultralytics bietet stattdessen eine standardisierte Python-API und CLI, unterstützt durch umfangreiche Dokumentation. So verkürzt sich die Markteinführungszeit individueller Lösungen für visuelle KI.
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.
Ultralytics lässt sich in beliebte MLOps-Tools integrieren. Du kannst den Trainingsfortschritt deines Modells über Integrationen mit Weights & Biases, Comet oder ClearML verfolgen, ohne zusätzlichen Boilerplate-Code schreiben zu müssen.
Vielseitigkeit bei verschiedenen Aufgaben#
Viele spezialisierte Detektionsmodelle, darunter YOLOv10 und DAMO-YOLO, haben den Nachteil, dass sie sich auf die Detektion beschränken. Im Ultralytics-Ökosystem unterstützen Modelle wie YOLO11 und YOLO26 mit denselben Tools mehrere Computer-Vision-Aufgaben, darunter Instanzsegmentierung, Bildklassifizierung, Posenschätzung und die Detektion orientierter Begrenzungsboxen (OBB).
Ein Blick in die Zukunft: Die Weiterentwicklung zu YOLO26#
YOLOv10 führte NMS-freie Inferenz in YOLO-Modelle ein, und DAMO-YOLO zeigte, was NAS leisten kann. Für Entwickler, die heute neue Projekte beginnen, empfehlen wir Ultralytics YOLO26.
YOLO26 wurde im Januar 2026 als Nachfolger von YOLO11 veröffentlicht und baut mit einem optionalen One-to-One-Kopf (nms=False) auf der von YOLOv10 geschaffenen Grundlage des NMS-freien Designs auf.
Zu den wichtigsten Fortschritten in YOLO26 gehören:
- Bis zu 43 % schnellere CPU-Inferenz: YOLO26n läuft auf der CPU bis zu 43 % schneller als YOLO11n und eignet sich damit für Edge Computing und Geräte mit geringem Stromverbrauch.
- Entfernung von DFL: Distribution Focal Loss wurde entfernt. Das ermöglicht einfachere Exporte und verbessert die Kompatibilität mit unterschiedlichen Zielplattformen.
- MuSGD-Optimierer: Eine Kombination aus SGD und Muon, die die Stabilität beim Training großer Sprachmodelle (LLM) und eine schnellere Konvergenz auf Computer Vision überträgt.
- ProgLoss + STAL: Progressive Loss und die zielgrößenbewusste Labelzuweisung (STAL) verbessern die Erkennung kleiner Objekte. Das ist für Anwendungsfälle wie die Landwirtschaft und die Fernerkundung entscheidend.
Mit der Ultralytics Platform können Entwickler Daten annotieren sowie Modelle wie YOLO26 trainieren und bereitstellen – alles an einem Ort.
Kommentare
Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.