YOLOv10 vs. YOLOv7#

Die rasante Entwicklung der Computer Vision in den vergangenen Jahren hat zunehmend effizientere Architekturen für Echtzeitanwendungen hervorgebracht. Der Vergleich von YOLOv10 und YOLOv7 verdeutlicht eine entscheidende Übergangsphase in dieser Entwicklung. Während YOLOv7 hocheffektive Trainingsstrategien und eine Skalierung der Architektur einführte, revolutionierte YOLOv10 die Bereitstellung, indem es die langjährige Abhängigkeit von der Nicht-Maximum-Unterdrückung (NMS) beseitigte.

Beide Modelle haben bei ihrer jeweiligen Veröffentlichung die Grenzen der Objekterkennung erweitert. Dennoch bieten das moderne Ultralytics-Ökosystem und die Einführung von Modellen der nächsten Generation wie YOLO26 deutlich bessere Arbeitsabläufe für heutige KI-Fachleute.

Modellprofile und Ursprünge#

Das Verständnis der Ursprünge dieser Modelle liefert wertvollen Kontext zu ihren Entscheidungen beim Architekturentwurf und zur akademischen Forschung, die sie vorangetrieben hat.

Details zu YOLOv10#

• Autoren: Ao Wang, Hui Chen, Lihao Liu et al.
• Organisation: Tsinghua University
• Datum: 2024-05-23
• Arxiv: YOLOv10: Real-Time End-to-End Object Detection
• GitHub: THU-MIG/yolov10
• Dokumentation: Ultralytics YOLOv10 Documentation

Erfahre mehr über YOLOv10

Details zu YOLOv7#

• Autoren: Chien-Yao Wang, Alexey Bochkovskiy und Hong-Yuan Mark Liao
• Organisation: Institute of Information Science, Academia Sinica, Taiwan
• Datum: 2022-07-06
• Arxiv: YOLOv7: Trainable bag-of-freebies sets new state-of-the-art
• GitHub: WongKinYiu/yolov7
• Dokumentation: Ultralytics YOLOv7 Documentation

Erfahre mehr über YOLOv7

Architektonische Innovationen#

Der YOLOv7-Ansatz#

YOLOv7 wurde 2022 veröffentlicht und konzentrierte sich stark auf die Optimierung von Gradientenpfaden. Das Modell führte das erweiterte Netzwerk zur effizienten Schichtaggregation (E-ELAN) ein, durch das es vielfältigere Merkmale lernen konnte, ohne den ursprünglichen Gradientenpfad zu zerstören. Außerdem implementierten die Autoren eine Methode mit einer „trainierbaren Sammlung kostenloser Verbesserungen“, bei der während des Trainings Reparametrisierungsverfahren verwendet wurden, die während der Inferenz entfernt werden konnten, um hohe Ausführungsgeschwindigkeiten beizubehalten. Trotz dieser beeindruckenden Optimierungen war YOLOv7 bei der Nachverarbeitung weiterhin stark auf NMS angewiesen, was bei der Analyse dichter Szenen zu variabler Latenz führte.

Der Durchbruch von YOLOv10#

YOLOv10 beseitigte den NMS-Engpass direkt. Durch die Einführung konsistenter dualer Zuordnungen während des Trainings ermöglichte das Team der Tsinghua-Universität eine End-to-End-Objekterkennung ohne NMS. Dieser Ansatz mit zwei Erkennungsköpfen verwendet einen Zweig mit Eins-zu-vielen-Zuordnungen für umfangreiche Überwachungssignale während des Trainings und einen weiteren Zweig mit Eins-zu-eins-Zuordnungen für die NMS-freie Inferenz. Diese architektonische Änderung gewährleistet eine konsistente, extrem niedrige Inferenzlatenz, die sich für schnelle Videoanalysen eignet. Darüber hinaus verwendet YOLOv10 ein ganzheitliches, auf Effizienz und Genauigkeit ausgerichtetes Modelldesign, das in früheren Generationen vorhandene Rechenredundanz beseitigt.

Leistungsvergleich#

Beim Vergleich der Rohmetriken auf dem MS-COCO-Datensatz wird der Generationsunterschied deutlich. YOLOv10 erzielt einen deutlich günstigeren Kompromiss zwischen Parameteranzahl, Rechenaufwand und Genauigkeit.

Wie oben zu sehen ist, erzielt YOLOv10x mit 54,4 % einen besseren mAP als die 53,1 % von YOLOv7x und verwendet dabei rund 20 % weniger Parameter. Darüber hinaus bieten die schlanken YOLOv10-Modelle (Nano und Small) hervorragende TensorRT-Bereitstellungsgeschwindigkeiten, wodurch sie für die mobile Bereitstellung besonders attraktiv sind.

Der Ökosystemvorteil von Ultralytics#

Das Studium von Veröffentlichungen zur Architektur ist zwar aufschlussreich, doch die moderne Entwicklung im Bereich Computer Vision stützt sich auf robuste und gut gepflegte Frameworks. Die Auswahl eines von Ultralytics unterstützten Modells bietet Entwicklern, die schnell vom Prototyp zur Produktion gelangen möchten, einen erheblichen Vorteil.

Optimierte Entwicklung#

Sowohl YOLOv10 als auch YOLOv7 können über das standardmäßige Ultralytics-Python-Paket verwendet werden. Dies bietet eine beispiellose Benutzerfreundlichkeit und ersetzt Tausende Zeilen Boilerplate-Code durch eine einfache, intuitive API. Darüber hinaus benötigen Ultralytics-YOLO-Modelle beim Training deutlich weniger CUDA-Speicher als umfangreiche Transformer-Architekturen, wodurch die Verwendung größerer Batch-Größen auf handelsüblicher Hardware ermöglicht wird.

Unübertroffene Vielseitigkeit#

Während ältere Repositorys sich häufig strikt auf die Erkennung von Begrenzungsrahmen konzentrieren, unterstützt das integrierte Ultralytics-Framework nahtlos eine große Vielfalt an Aufgaben. Unabhängig davon, ob du Instanzsegmentierung, Posenschätzung oder die Erkennung orientierter Begrenzungsrahmen (OBB) durchführst, bleibt der Arbeitsablauf identisch.

Codebeispiel: Konsistente Trainingsabläufe#

Das folgende Codebeispiel veranschaulicht den nahtlosen Trainingsprozess, der automatisch Datenaugmentierung und die Planung der Lernrate übernimmt:

from ultralytics import YOLO

# Load the desired model (YOLOv10, YOLOv7, or the recommended YOLO26)
model = YOLO("yolo26n.pt")

# Train the model effortlessly on your dataset
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, batch=16, device=0)

# Export to ONNX format for rapid deployment
model.export(format="onnx")

Anwendungsfälle und Empfehlungen#

Die Entscheidung zwischen YOLOv10 und YOLOv7 hängt von deinen spezifischen Projektanforderungen, Bereitstellungseinschränkungen und Präferenzen bezüglich des Ökosystems ab.

Wann du YOLOv10 wählen solltest#

YOLOv10 ist eine gute Wahl für:

• NMS-freie Echtzeiterkennung: Anwendungen, die von einer End-to-End-Erkennung ohne Nichtmaximale Unterdrückung profitieren und dadurch die Komplexität der Bereitstellung reduzieren.
• Ausgewogene Kompromisse zwischen Geschwindigkeit und Genauigkeit: Projekte, die über verschiedene Modellgrößen hinweg ein ausgewogenes Verhältnis zwischen Inferenzgeschwindigkeit und Erkennungsgenauigkeit erfordern.
• Anwendungen mit konsistenter Latenz: Bereitstellungsszenarien, in denen vorhersehbare Inferenzzeiten entscheidend sind, etwa in der Robotik oder bei autonomen Systemen.

Wann du YOLOv7 wählen solltest#

YOLOv7 wird empfohlen für:

• Akademisches Benchmarking: Reproduktion von Ergebnissen auf dem Stand der Technik aus dem Jahr 2022 oder Untersuchung der Auswirkungen von E-ELAN und Techniken mit trainierbaren Sammlungen kostenloser Verbesserungen.
• Forschung zur Reparametrisierung: Untersuchung geplanter reparametrisierter Faltungen und Strategien zur kombinierten Modells kalierung.
• Bestehende benutzerdefinierte Pipelines: Projekte mit stark angepassten Pipelines, die auf der spezifischen Architektur von YOLOv7 aufbauen und sich nicht ohne Weiteres umstrukturieren lassen.

Wann du Ultralytics (YOLO26) wählen solltest#

Für die meisten neuen Projekte bietet Ultralytics YOLO26 die beste Kombination aus Leistung und Entwicklerfreundlichkeit:

• Edge-Bereitstellungen ohne NMS: Anwendungen, die eine konsistente Inferenz mit geringer Latenz ohne die Komplexität der Nachverarbeitung zur Nichtmaximalunterdrückung erfordern.
• Umgebungen ausschließlich mit CPU: Geräte ohne dedizierte GPU-Beschleunigung, bei denen die bis zu 43 % schnellere CPU-Inferenz von YOLO26 einen entscheidenden Vorteil bietet.
• Erkennung kleiner Objekte: Anspruchsvolle Szenarien wie Luftaufnahmen mit Drohnen oder die Analyse von IoT-Sensoren, bei denen ProgLoss und STAL die Genauigkeit bei winzigen Objekten deutlich steigern.

Der neue Standard: YOLO26 vorgestellt#

YOLOv10 war 2024 ein großer Schritt nach vorn, doch die Landschaft der Computer Vision entwickelt sich unglaublich schnell. Für alle neuen Entwicklungen empfehlen wir ausdrücklich das Modell der neuesten Generation: Ultralytics YOLO26. Es wurde im Januar 2026 veröffentlicht und stellt den derzeitigen Höhepunkt der Echtzeit-KI für Computer Vision dar, wobei es sowohl YOLOv7 als auch YOLOv10 deutlich übertrifft.

YOLO26 bietet beispiellose Innovationen, die speziell für moderne Bereitstellungsumgebungen entwickelt wurden:

• End-to-End-Design ohne NMS: Aufbauend auf dem von YOLOv10 gelegten Fundament eliminiert YOLO26 die NMS-Nachverarbeitung nativ und ermöglicht dadurch einfachere Bereitstellungspipelines sowie eine konsistente Hochgeschwindigkeitsinferenz.
• Bis zu 43 % schnellere CPU-Inferenz: Stark für Edge Computing und Geräte ohne dedizierte GPUs optimiert, wodurch sich die Hardwarekosten erheblich reduzieren lassen.
• Entfernung von DFL: Der Verteilungsfokusverlust wurde vollständig entfernt, wodurch die Exportlogik radikal vereinfacht und die Kompatibilität mit stromsparenden Edge-Geräten und Mikrocontrollern deutlich verbessert wird.
• MuSGD-Optimierer: Inspiriert von Kimi K2 von Moonshot AI bringt diese Kombination aus SGD und Muon Innovationen aus dem Training großer Sprachmodelle (LLM) direkt in die Computer Vision und ermöglicht dadurch äußerst stabile Trainingsdynamiken sowie eine schnellere Konvergenz.
• ProgLoss + STAL: Diese fortschrittlichen Verlustfunktionen verbessern die Erkennung kleiner Objekte deutlich – ein traditionell anspruchsvoller Bereich, der für Drohnen, Robotik und die Überwachung intelligenter Städte von entscheidender Bedeutung ist.
• Aufgabenspezifische Verbesserungen: YOLO26 ist nicht nur ein Detektor. Es umfasst einen spezialisierten Verlust für die semantische Segmentierung, die Residual-Log-Likelihood-Schätzung (RLE) für eine äußerst genaue Posennachverfolgung sowie spezielle Winkelverlustalgorithmen, die Probleme an den Grenzen von OBB beseitigen.

Praxisnahe Anwendungsfälle#

Die Auswahl der richtigen Architektur hängt stark von deinen Hardware- und Anwendungsbeschränkungen ab.

Wann du YOLOv7 verwenden solltest#

YOLOv7 bleibt eine zuverlässige Wahl für die Pflege bestehender Pipelines, die bereits tief in seine spezifischen Tensorstrukturen integriert sind, oder für die Reproduktion akademischer Benchmarks aus den Jahren 2022 und 2023. Auf leistungsstarken Server-GPUs erzielt es beachtliche Ergebnisse.

Wann du YOLOv10 verwenden solltest#

YOLOv10 spielt seine Stärken in Szenarien aus, die eine strikte, unveränderliche Latenz erfordern. Da es ohne NMS arbeitet, eignet es sich hervorragend für die Zählung großer Menschenmengen oder die Erkennung von Fertigungsfehlern, bei denen die Objektanzahl stark schwankt, die Verarbeitungszeit pro Bild jedoch konstant bleiben muss.

Wann du YOLO26 verwenden solltest#

YOLO26 ist die maßgebliche Wahl für jedes neue Projekt. Von der Bereitstellung ausgefeilter Sicherheitsalarmsysteme auf einem einfachen Raspberry Pi bis hin zur Ausführung umfangreicher cloudbasierter Videoanalysen ist es dank seiner überlegenen CPU-Geschwindigkeit und fortschrittlichen Erkennung kleiner Objekte älteren Generationen deutlich überlegen.

Für Entwickler, die alternative moderne Architekturen erkunden möchten, bieten wir außerdem umfassende Unterstützung für Transformer-basierte Detektoren wie RT-DETR und frühere etablierte Modelle wie Ultralytics YOLO11.