YOLOv10 im Vergleich zu YOLOv7
Die rasante Entwicklung der Computer Vision in den vergangenen Jahren hat immer effizientere Architekturen für Echtzeitanwendungen hervorgebracht. Ein Vergleich von YOLOv10 und YOLOv7 zeigt einen entscheidenden Übergang in dieser Entwicklung. YOLOv7 führte zwar äußerst effektive Trainingsstrategien und eine skalierbare Architektur ein, doch YOLOv10 vereinfachte die Bereitstellung, indem es die lange Abhängigkeit von Non-Maximum Suppression (NMS) beseitigte.
Beide Modelle haben bei ihrer jeweiligen Veröffentlichung die Grenzen der Objekterkennung erweitert. Das Ultralytics-Ökosystem und neuere Modelle wie YOLO26 bieten inzwischen einfachere Workflows für Training und Bereitstellung.
Modellprofile und Ursprünge#
Wenn du die Ursprünge dieser Modelle kennst, kannst du ihre Architekturentscheidungen und die dahinterstehende akademische Forschung besser einordnen.
YOLOv10-Details#
- Autoren: Ao Wang, Hui Chen, Lihao Liu u. a.
- Organisation: Tsinghua-Universität
- Datum: 2024-05-23
- arXiv: YOLOv10: Durchgängige Objekterkennung in Echtzeit
- GitHub: THU-MIG/yolov10
- Dokumentation: Ultralytics-YOLOv10-Dokumentation
YOLOv7-Details#
- Autoren: Chien-Yao Wang, Alexey Bochkovskiy und Hong-Yuan Mark Liao
- Organisation: Institut für Informationswissenschaft, Academia Sinica, Taiwan
- Datum: 2022-07-06
- arXiv: YOLOv7: Trainierbare Sammlung kostenloser Verbesserungen setzt neuen Stand der Technik
- GitHub: WongKinYiu/yolov7
- Dokumentation: Ultralytics-YOLOv7-Dokumentation
Architektonische Innovationen#
Der YOLOv7-Ansatz#
YOLOv7 wurde 2022 veröffentlicht und konzentrierte sich stark auf die Optimierung der Gradientenpfade. Das Modell führte das Extended Efficient Layer Aggregation Network (E-ELAN) ein, mit dem es vielfältigere Merkmale lernen konnte, ohne den ursprünglichen Gradientenpfad zu zerstören. Außerdem setzten die Autoren eine Methode mit „trainable bag-of-freebies“ um: Während des Trainings kamen Reparametrisierungstechniken zum Einsatz, die bei der Inferenz zusammengeführt werden konnten, um die Ausführungsgeschwindigkeit beizubehalten. Trotz dieser Optimierungen war YOLOv7 bei der Nachverarbeitung weiterhin auf NMS angewiesen, was bei der Analyse dichter Szenen zu variabler Latenz führte.
Der Ansatz von YOLOv10#
YOLOv10 ging den NMS-Engpass direkt an. Mit der Einführung konsistenter dualer Zuordnungen während des Trainings ermöglichte das Team der Tsinghua-Universität eine NMS-freie End-to-End-Erkennung. Bei diesem Ansatz mit zwei Köpfen verwendet ein Zweig Eins-zu-viele-Zuordnungen für aussagekräftige Trainingssignale; ein weiterer Zweig nutzt Eins-zu-eins-Zuordnungen für die NMS-freie Inferenz. Dieser Architekturwechsel sorgt für eine gleichbleibend niedrige Inferenzlatenz, die sich für schnelle Videoanalysen eignet. Außerdem folgt YOLOv10 einem ganzheitlichen Modelldesign, das Effizienz und Genauigkeit berücksichtigt und rechnerische Redundanzen früherer Generationen beseitigt.
Der Wegfall der NMS-Nachverarbeitung beschleunigt die Inferenz und vereinfacht die Bereitstellung auf Edge-KI-Hardware, etwa auf KI-Beschleunigern und NPUs, auf denen sich benutzerdefinierte NMS-Operationen nur schwer kompilieren lassen.
Leistungsvergleich#
Beim Vergleich der Rohdaten auf dem MS-COCO-Datensatz wird der Generationsunterschied deutlich. YOLOv10 bietet einen deutlich besseren Kompromiss zwischen Parameterzahl, Rechenaufwand und Genauigkeit.
| 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 |
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
Wie oben zu sehen ist, erzielt YOLOv10x einen höheren mAP als YOLOv7x (54,4 % gegenüber 53,1 %) und benötigt dabei weniger als halb so viele Parameter (29,5 Mio. gegenüber 71,3 Mio.). Auch die leichten Modelle YOLOv10 Nano und Small erreichen hohe Geschwindigkeiten bei der TensorRT-Bereitstellung: 1,84 ms und 2,49 ms auf einer T4. Damit sind sie für die Bereitstellung auf Edge-Geräten attraktiv.
Die Vorteile des Ultralytics-Ökosystems#
Die Untersuchung von Fachartikeln zur Architektur ist zwar aufschlussreich, doch die moderne Computer-Vision-Entwicklung stützt sich auf gut gepflegte Frameworks. Für Entwickler, die schnell vom Prototyp zur Produktion gelangen möchten, ist die Wahl eines von Ultralytics unterstützten Modells ein großer Vorteil.
Optimierte Entwicklung#
YOLOv10 wird nativ vom standardmäßigen Ultralytics-Python-Paket unterstützt. YOLOv7-Checkpoints, die mit der ursprünglichen Implementierung trainiert wurden, lassen sich in Ultralytics dagegen erst nach dem Export nach ONNX oder TensorRT ausführen. Die native Unterstützung sorgt für Benutzerfreundlichkeit: Statt umfangreichen Boilerplate-Codes steht eine einfache, intuitive API bereit. Ultralytics-YOLO-Modelle benötigen während des Trainings außerdem weniger CUDA-Speicher als umfangreiche Transformer-Architekturen. So sind auf handelsüblicher Hardware größere Batch-Größen möglich.
Vielseitigkeit#
Ältere Repositories konzentrieren sich oft ausschließlich auf die Erkennung von Bounding Boxes. Das Ultralytics-Framework unterstützt dagegen mit Modellen wie YOLO26 und YOLO11 zahlreiche Aufgaben. Ob du Instanzsegmentierung, Pose-Schätzung oder die Erkennung orientierter Bounding Boxes (OBB) durchführst – der Workflow bleibt derselbe.
Codebeispiel: Einheitliche Trainingsabläufe#
Der folgende Codeausschnitt zeigt den Trainingsprozess, der Datenaugmentation und die Steuerung der Lernrate automatisch übernimmt:
from ultralytics import YOLO
# Das gewünschte Modell laden (z. B. YOLOv10 oder das empfohlene YOLO26)
model = YOLO("yolo26n.pt")
# Das Modell mit deinem Datensatz trainieren
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, batch=16, device=0)
# Für eine schnelle Bereitstellung ins ONNX-Format exportieren
model.export(format="onnx")Anwendungsfälle und Empfehlungen#
Die Wahl zwischen YOLOv10 und YOLOv7 hängt von den konkreten Projektanforderungen, den Einschränkungen der Bereitstellungsumgebung und deinen Präferenzen beim 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 YOLOv7 wählen solltest#
YOLOv7 empfiehlt sich für:
- Akademische Benchmarks: Reproduktion des Stands der Technik von 2022 oder Untersuchung der Auswirkungen von E-ELAN und Techniken mit trainierbaren Bündeln kostenloser Verbesserungen.
- Reparametrisierungsforschung: Untersuchung geplanter reparametrisierter Faltungen und Strategien zur zusammengesetzten Modellskalierung.
- Bestehende benutzerdefinierte Pipelines: Projekte mit stark angepassten Pipelines auf Basis der spezifischen YOLOv7-Architektur, die sich nicht ohne Weiteres umgestalten lassen.
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 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.
Der neue Standard: YOLO26#
YOLOv10 war 2024 ein großer Fortschritt, doch das Fachgebiet entwickelt sich schnell weiter. Für neue Entwicklungen empfiehlt Ultralytics das neueste Modell der Generation: Ultralytics YOLO26. Das im Januar 2026 veröffentlichte Modell löst YOLOv7 und YOLOv10 für visuelle KI in Echtzeit ab.
YOLO26 bietet mehrere Verbesserungen für moderne Bereitstellungsumgebungen:
- End-to-End-Design ohne NMS: Aufbauend auf der von YOLOv10 geschaffenen Grundlage überspringt der optionale Eins-zu-eins-Kopf von YOLO26 (
nms=False) die NMS-Nachverarbeitung. Das vereinfacht Bereitstellungspipelines und sorgt für eine gleichbleibende Inferenzgeschwindigkeit. - Bis zu 43 % schnellere CPU-Inferenz: YOLO26n läuft auf der CPU bis zu 43 % schneller als YOLO11n. Damit eignet es sich für Edge-Computing und Geräte ohne dedizierte GPUs und kann die Hardwarekosten senken.
- Verzicht auf DFL: Durch den Wegfall von Distribution Focal Loss (DFL) wird die Exportlogik einfacher und die Kompatibilität mit Edge-Geräten mit geringem Stromverbrauch besser.
- MuSGD Optimizer: Diese von Kimi K2 von Moonshot AI inspirierte Hybridlösung aus SGD und Muon überträgt Trainingsmethoden für große Sprachmodelle (LLMs) auf die Computer Vision und sorgt für stabileres Training und schnellere Konvergenz.
- ProgLoss + STAL: Ein progressiver Loss und eine auf kleine Objekte ausgelegte Label-Zuordnung verbessern die Erkennung kleiner Objekte – ein traditionell anspruchsvoller Bereich, der für Drohnen, Robotik und die Überwachung intelligenter Städte entscheidend ist.
- Aufgabenspezifische Verbesserungen: YOLO26 ist nicht nur ein Detektor. Das Modell bietet einen Loss für die semantische Segmentierung, der die Konvergenz der Instanzsegmentierung verbessert, Residual Log-Likelihood Estimation (RLE) für eine genauere Pose-Schätzung und einen speziellen Winkelloss zur Behebung von Randproblemen bei OBB.
Um Datensätze zu verwalten, YOLO26 zu trainieren und Modelle in der Cloud bereitzustellen, kannst du die Ultralytics Platform nutzen. Ihre Code-freie Benutzeroberfläche ergänzt das Python-Paket.
Anwendungsfälle in der Praxis#
Die Wahl der passenden Architektur hängt stark von deiner Hardware und den Anforderungen der Anwendung ab.
Wann du YOLOv7 verwenden solltest#
YOLOv7 bleibt eine zuverlässige Wahl, wenn du bestehende Pipelines weiterbetreibst, die bereits eng in seine spezifischen Tensorstrukturen integriert sind, oder akademische Benchmarks aus den Jahren 2022 und 2023 nachbildest. Auf leistungsstarken Server-GPUs erzielt das Modell gute Ergebnisse.
Wann du YOLOv10 verwenden solltest#
YOLOv10 eignet sich für Szenarien, in denen eine gleichbleibende Latenz erforderlich ist. Sein NMS-freier Kopf überspringt die Nachverarbeitung, deren Aufwand mit der Anzahl der Erkennungen steigt. Daher eignet sich YOLOv10 gut für die Zählung großer Menschenmengen oder die Erkennung von Fertigungsfehlern, wenn die Anzahl der Objekte schwankt, die Verarbeitungszeit pro Bild jedoch stabil bleiben muss.
Wann du YOLO26 verwenden solltest#
Für neue Projekte wird YOLO26 empfohlen. Von der Bereitstellung von Sicherheitsalarmsystemen auf einem Raspberry Pi bis zur Ausführung umfangreicher cloudbasierter Videoanalysen bietet YOLO26 dank schnellerer CPU-Inferenz und verbesserter Erkennung kleiner Objekte klare Vorteile gegenüber älteren Generationen.
Für Entwickler, die sich für alternative Architekturen interessieren, unterstützt Ultralytics auch Transformer-basierte Detektoren wie RT-DETR und frühere Modelle wie Ultralytics YOLO11.
Kommentare
Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.