Erste Schritte

YOLOv10 und YOLO26

Die Echtzeit-Objekterkennung hat sich von komplexen Architekturen mit umfangreicher Nachbearbeitung hin zu schlanken End-to-End-Modellen entwickelt. Dieser technische Vergleich beleuchtet zwei Meilensteine dieses Wandels: YOLOv10, das akademische Modell, das das Training ohne NMS in die YOLO-Familie brachte, und Ultralytics YOLO26, eine auf den Produktiveinsatz ausgerichtete Modellfamilie für mehrere Aufgaben. Durch den Vergleich ihrer Architekturen, Trainingsmethoden und Möglichkeiten für den praktischen Einsatz können Entwickler fundierte Entscheidungen für ihre nächste KI-Anwendung zur Bildverarbeitung treffen.

YOLOv10: NMS-freie Echtzeit-Detektion#

YOLOv10 wurde im Mai 2024 veröffentlicht und ging einen der hartnäckigsten Engpässe bei der Echtzeit-Objekterkennung an: Non-Maximum Suppression (NMS). Herkömmliche Objekterkennungsmodelle waren stark auf NMS angewiesen, um redundante Begrenzungsrahmen herauszufiltern. Dadurch schwankte die Inferenzlatenz und die Bereitstellung auf Edge-Geräten wurde komplizierter.

Das Team der Tsinghua-Universität führte eine konsistente Strategie mit zweifacher Zuweisung für das Training ohne NMS ein. Dadurch konnte das Modell Begrenzungsrahmen präzise vorhersagen, ohne einen Filterschritt zur Nachbearbeitung zu benötigen. Das verbesserte unmittelbar die Inferenzlatenz und senkte die Hürden für die Bereitstellung auf Hardwarebeschleunigern. Das Modell ist zwar für die herkömmliche Objekterkennung effizient, konzentriert sich jedoch auf die Vorhersage von Begrenzungsrahmen und unterstützt Aufgaben wie Instanzsegmentierung oder Posenschätzung nicht nativ.

Mehr über YOLOv10 erfahren

YOLO26: Der neue Standard für Edge- und Cloud-Bildverarbeitung mit KI#

YOLO26 baut auf den von YOLOv10 eingeführten Konzepten für die Inferenz ohne NMS auf und ist die aktuelle empfohlene Modellfamilie von Ultralytics. Das Modell eignet sich sowohl für Forschung als auch für den Produktiveinsatz und bietet über einen optionalen One-to-one-Kopf (nms=False) ein End-to-End-Design ohne NMS. Dieser überspringt die NMS-Nachbearbeitung und vereinfacht so die Bereitstellung auf unterstützter Hardware.

YOLO26 führt außerdem mehrere architektonische Änderungen ein. Durch das Entfernen des Distribution Focal Loss (DFL) wird der Modelleport vereinfacht und die Kompatibilität mit stromsparenden Edge-KI-Geräten verbessert. Dank dieser strukturellen Änderungen erreicht YOLO26n eine bis zu 43 % schnellere CPU-Inferenz als YOLO11n. Damit eignet sich YOLO26 besonders gut für IoT- und Robotikanwendungen, bei denen möglicherweise keine GPU-Beschleunigung verfügbar ist.

Auch die Trainingsstabilität und Konvergenzgeschwindigkeit verbessern sich mit dem MuSGD Optimizer, einer Hybridlösung aus SGD und Muon, die von Trainingsmethoden für LLMs inspiriert ist. In Kombination mit ProgLoss + STAL, das einen progressiven Loss mit einer label assignment für kleine Objekte kombiniert, verbessert YOLO26 die Erkennung kleiner Objekte. Außerdem umfasst das Modell aufgabenspezifische Verbesserungen, darunter Multi-Scale-Prototyping für die Segmentierung, Residual Log-Likelihood Estimation (RLE) für die Pose-Schätzung und einen speziellen Winkelloss zur Behebung von Randproblemen bei der Erkennung orientierter Bounding Boxes (OBB).

Bereitstellung in Unternehmen

Für Teams, die ihre Computer-Vision-Workflows skalieren möchten, unterstützt die Ultralytics Platform YOLO26 direkt und bietet Datenannotation, Cloud-Training und Bereitstellung mit einem Klick, ohne dass eine umfangreiche MLOps-Infrastruktur erforderlich ist.

Technischer Leistungsvergleich#

Beim Vergleich dieser Modelle sind Genauigkeit, Modellgröße und Inferenzgeschwindigkeit entscheidend. Die folgende Tabelle zeigt die Leistung beider Modellfamilien in verschiedenen Größenklassen, gemessen am Standard-COCO-Datensatz.

ModellGröße
(Pixel)
mAPval50-95Geschwindigkeit
CPU ONNX
(ms)
Geschwindigkeit
T4 TensorRT10
(ms)
Parameter
(M)
FLOPs
(B)
YOLOv10n64038.5-1.842.36.7
YOLOv10s64046.3-2.497.221.6
YOLOv10m64051.1-4.7415.459.1
YOLOv10b64052.5-5.7419.192.0
YOLOv10l64053.2-7.2824.4120.3
YOLOv10x64054.4-10.7029.5160.4
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

YOLO26 erzielt in jeder Größenklasse einen höheren mAP (mittlere Average Precision) und erreicht dabei vergleichbare T4-TensorRT-Geschwindigkeiten. Auch der Verzicht auf DFL trägt zur ONNX-Leistung von YOLO26 auf der CPU bei; CPU-ONNX-Geschwindigkeiten für YOLOv10 sind in der Tabelle nicht angegeben.

Trainingsmethoden und Ökosystem#

Ein Modell ist nur so nützlich wie das Ökosystem, das es unterstützt. YOLOv10 bot zwar eine solide akademische Implementierung auf Basis von PyTorch und dem Ultralytics-Paket, unterstützt aber nur die Objekterkennung.

Im Gegensatz dazu ist YOLO26 vollständig in das aktiv gepflegte Ultralytics-Ökosystem integriert. Als CNN-basiertes Modell benötigt es beim Training weniger Speicher als Transformer-basierte Modelle wie RT-DETR und kann daher auf Hardware für Endverbraucher trainiert werden. Die einheitliche API übernimmt Datenaugmentation und Protokollierung automatisch; die Hyperparameteroptimierung ist über model.tune() verfügbar.

Codebeispiel: YOLO26 trainieren#

Zum Trainieren und Exportieren von YOLO26 genügen wenige Zeilen Python-Code:

from ultralytics import YOLO

# Das hochoptimierte kleine YOLO26-Modell laden
model = YOLO("yolo26s.pt")

# Trainiere das Modell mit dem Beispieldatensatz COCO8
results = model.train(
    data="coco8.yaml",
    epochs=100,
    imgsz=640,
)

# Den One-to-one-Head ohne NMS nach TensorRT exportieren
model.export(format="engine", nms=False)

Anwendungen und Anwendungsfälle in der Praxis#

Die Wahl der passenden Architektur hängt größtenteils von den Einschränkungen bei der Bereitstellung ab.

Hochgeschwindigkeits-Edge-Computing#

Für Anwendungen auf CPUs, Robotikplattformen oder älteren Mobilgeräten ist YOLO26 dank der schnelleren CPU-Inferenz die bessere Wahl. Seine DFL-freie Architektur und der optionale NMS-freie Kopf lassen sich problemlos in Formate wie OpenVINO und TensorRT exportieren und eignen sich ideal für Videoanalysen in Echtzeit in der Infrastruktur intelligenter Städte.

Fortgeschrittene Vision mit mehreren Aufgaben#

YOLOv10 ist auf die Erkennung von Bounding Boxes beschränkt. Für Projekte, die andere Aufgaben erfordern, solltest du daher YOLO26 verwenden. Neben der Erkennung unterstützt YOLO26 Instanzsegmentierung, semantische Segmentierung, Tiefenschätzung, Klassifizierung, Pose-Schätzung und orientierte Bounding Boxes. Für Anwendungen von der medizinischen Bildgebung bis zur Sportanalyse bietet es aufgabenspezifische Köpfe und Losses.

Alternativen

Wenn dein Projekt eine Erkennung mit offenem Vokabular erfordert, solltest du YOLOE oder YOLO-World in Betracht ziehen. Für bestehende Pipelines bleibt YOLO11 eine vollständig unterstützte Alternative im Ultralytics-Framework.

Anwendungsfälle und Empfehlungen#

Die Wahl zwischen YOLOv10 und YOLO26 hängt von den konkreten Anforderungen deines Projekts, den Einsatzbedingungen und den 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 in autonomen Systemen.

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, auf denen YOLO26n auf der CPU bis zu 43 % schneller läuft als YOLO11n.
  • Erkennung kleiner Objekte: Anspruchsvolle Szenarien wie Luftaufnahmen von Drohnen oder die Analyse von IoT-Sensordaten, bei denen ProgLoss und STAL die Genauigkeit bei winzigen Objekten verbessern.

Fazit#

Der Wechsel von YOLOv10 zu YOLO26 steht für den Übergang vom akademischen Machbarkeitsnachweis zu produktionsreifen Modellen. YOLO26 übernimmt das von YOLOv10 eingeführte NMS-freie Design und ergänzt es um den MuSGD-Optimierer, ProgLoss und einen einfacheren Export für Edge-Geräte. So erzielt YOLO26 bei jeder Modellgröße eine höhere Genauigkeit und unterstützt deutlich mehr Aufgaben. Für Entwickler, die ein optimales Gleichgewicht aus Geschwindigkeit, Genauigkeit und Benutzerfreundlichkeit suchen, ist YOLO26 die empfohlene Wahl.

Mitwirkende

Kommentare

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