YOLOv10 vs. YOLOv9
Die Entwicklung der Computer Vision in Echtzeit hat kontinuierliche Verbesserungen bei Geschwindigkeit, Genauigkeit und Architektureffizienz gebracht. Beim Vergleich von YOLOv10 und YOLOv9 für deine nächste Bereitstellung werden zwei unterschiedliche Ansätze zur Überwindung von Engpässen beim Deep Learning deutlich. YOLOv9 konzentriert sich auf die Maximierung des Gradienteninformationsflusses während des Trainings, während YOLOv10 ein End-to-End-Design einführte, das die NMS-Nachverarbeitung überflüssig macht.
Dieser Leitfaden analysiert die architektonischen Neuerungen, Leistungskennzahlen und idealen Anwendungsfälle, damit Entwickler und Forschende das passende Modell für ihre Computer-Vision-Aufgaben auswählen können.
YOLOv10: NMS-freie Echtzeit-Detektion#
YOLOv10 wurde entwickelt, um die Latenzengpässe herkömmlicher Objektdetektoren zu beheben. Die End-to-End-Architektur macht Non-Maximum Suppression (NMS) überflüssig.
Technische Details und Entwicklung:
- Autoren: Ao Wang, Hui Chen, Lihao Liu u. a.
- Organisation: Tsinghua-Universität
- Datum: 23. Mai 2024
- Links: arXiv-Veröffentlichung, GitHub-Repository, Ultralytics-Dokumentation
Architektur und Stärken#
Der wichtigste Beitrag von YOLOv10 zum Fachgebiet ist die Strategie konsistenter dualer Zuordnungen für das NMS-freie Training. Durch den Wegfall von NMS verringert das Modell die Inferenzlatenz, besonders auf Edge-Geräten, bei denen die Nachverarbeitung die gesamte Pipeline ausbremsen kann. Es optimiert verschiedene Komponenten im Hinblick auf Effizienz und Genauigkeit und erzielt dadurch einen starken Kompromiss zwischen Geschwindigkeit und Parameterzahl. So läuft die Variante YOLOv10-S auf einer T4-GPU mit TensorRT in 2,49 ms und eignet sich damit besonders für schnelle Videoanalysen und die Roboternavigation in Echtzeit.
Schwächen#
Das NMS-freie Design war zwar ein wichtiger Fortschritt bei der Erkennung von Bounding Boxes, doch YOLOv10 ist ein reiner Objektdetektor. Anders als neuere Modelle unterstützt es nicht von Haus aus Instanzsegmentierung oder Pose-Schätzung und ist daher weniger vielseitig einsetzbar.
Wenn du YOLOv10 für den Produktionseinsatz vorbereitest, exportiere das Modell in optimierte Formate wie TensorRT oder ONNX und verwende nms=False, um den NMS-freien Eins-zu-eins-Kopf auszuwählen. Die Bereitstellung mit unveränderten PyTorch-Gewichten kann aufgrund nicht optimierter Graphoperationen zu einer niedrigeren Inferenzgeschwindigkeit als erwartet führen.
YOLOv9: Programmierbare Gradienteninformationen#
Vor YOLOv10 führte YOLOv9 neuartige architektonische Konzepte ein, um das in tiefen neuronalen Netzen auftretende Informationsengpassproblem zu lösen und so eine besonders effiziente Nutzung der Parameter zu ermöglichen.
Technische Details und Entwicklung:
- Autoren: Chien-Yao Wang und Hong-Yuan Mark Liao
- Organisation: Institute of Information Science, Academia Sinica, Taiwan
- Datum: 21. Februar 2024
- Links: arXiv-Veröffentlichung, GitHub-Repository, Ultralytics-Dokumentation
Architektur und Stärken#
YOLOv9 führt Programmierbare Gradienteninformationen (PGI) zusammen mit dem verallgemeinerten effizienten Layer-Aggregationsnetzwerk (GELAN) ein. PGI stellt sicher, dass wichtige Zielinformationen beim Durchlaufen der tiefen Netzwerkschichten nicht verloren gehen, und erzeugt zuverlässige Gradienten für die Aktualisierung der Gewichte. GELAN maximiert die Effizienz der Netzwerkparameter. Mit diesen Neuerungen erzielt YOLOv9 einen hohen mittleren Average Precision (mAP) auf dem MS-COCO-Datensatz und übertrifft häufig umfangreichere Modelle, obwohl es weniger FLOPs benötigt. Für Forschende, die Kennzahlen zur Genauigkeit maximieren möchten, ist es ein leistungsfähiges Modell.
Schwächen#
Trotz seiner hohen Genauigkeit ist YOLOv9 weiterhin auf die standardmäßige NMS-Nachverarbeitung angewiesen. Das bedeutet: Die Operationen des neuronalen Netzes sind zwar schnell, doch die abschließende Filterung der Bounding Boxes kann je nach Objektdichte in der Szene zu variabler Latenz führen. Außerdem kann das Training im Vergleich zu neueren Modellen viel Speicher beanspruchen, sodass für die Feinabstimmung mit benutzerdefinierten Datensätzen leistungsfähigere GPU-Ressourcen erforderlich sind.
Leistungsvergleich#
Die folgende Tabelle zeigt die wichtigsten Kennzahlen beider Modelle. Beachte, dass YOLOv10 mit TensorRT in der Regel eine niedrigere Latenz erreicht, während YOLOv9 in seiner größten Konfiguration die Genauigkeit auf ein Höchstmaß steigert.
| 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 |
| YOLOv9t | 640 | 38.3 | - | 2.3 | 2.0 | 7.7 |
| YOLOv9s | 640 | 46.8 | - | 3.54 | 7.2 | 26.7 |
| YOLOv9m | 640 | 51.4 | - | 6.43 | 20.1 | 76.8 |
| YOLOv9c | 640 | 53.0 | - | 7.16 | 25.5 | 102.8 |
| YOLOv9e | 640 | 55.6 | - | 16.77 | 58.1 | 192.5 |
Die nächste Generation: Warum YOLO26 empfohlen wird#
YOLOv9 und YOLOv10 sind wichtige Meilensteine, doch die Entwicklung im Bereich des maschinellen Lernens schreitet schnell voran. Für den Produktionseinsatz setzen viele Entwickler auf das integrierte und gut gepflegte Ökosystem der Ultralytics Platform. Im Jahr 2026 empfiehlt Ultralytics YOLO26 sowohl für die Forschung als auch für den Unternehmenseinsatz.
YOLO26 baut auf den Konzepten seiner Vorgänger auf und bietet eine optimierte Benutzererfahrung, eine einfache API sowie einen geringeren Speicherbedarf beim Training als Transformer-basierte Architekturen.
Wichtige Neuerungen in YOLO26#
- End-to-End-Design ohne NMS: Aufbauend auf YOLOv10 unterstützt YOLO26 optional die End-to-End-Inferenz. Dabei wird die NMS-Nachverarbeitung mit
nms=Falseübersprungen, was die Bereitstellung vereinfacht und die Latenz besser vorhersehbar macht. - Bis zu 43 % schnellere CPU-Inferenz: YOLO26n läuft auf der CPU bis zu 43 % schneller als YOLO11n. Damit eignet sich YOLO26 besonders für Edge-KI und eingebettete Systeme ohne dedizierte GPUs.
- MuSGD Optimizer: Eine Hybridlösung aus SGD und Muon, inspiriert von Optimierungen für große Sprachmodelle, die für stabiles Training und schnelle Konvergenz sorgt.
- Verzicht auf DFL: Durch den Wegfall von Distribution Focal Loss vereinfacht YOLO26 den Export des Modells und verbessert die Kompatibilität mit Geräten mit geringem Stromverbrauch und verschiedenen Frameworks für die Bereitstellung auf Edge-Geräten.
- Aufgabenspezifische Verbesserungen: Anders als Detektoren für einzelne Aufgaben unterstützt YOLO26 die Erkennung, Instanzsegmentierung, semantische Segmentierung, Tiefenschätzung, Klassifizierung, Pose-Schätzung und OBB. Zur Verbesserung der Instanzsegmentierung verwendet es einen Loss für die semantische Segmentierung, für eine genauere Pose-Schätzung Residual Log-Likelihood Estimation (RLE) und zur Behebung von Randproblemen bei OBB (orientierten Bounding Boxes) einen speziellen Winkelloss.
Praktische Umsetzung#
Das Training und die Bereitstellung dieser Modelle sind mit dem Ultralytics-Python-Paket unkompliziert. Das folgende Beispiel zeigt den Trainingsworkflow von Ultralytics, der die Steuerung der Lernrate und die Datenaugmentation automatisch übernimmt.
from ultralytics import YOLO
# Das empfohlene YOLO26-Modell laden
model = YOLO("yolo26n.pt") # # Auch mit 'yolov10n.pt' oder 'yolov9c.pt' kompatibel
# Trainiere das Modell mit dem Beispieldatensatz COCO8
train_results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device=0, batch=16)
# Inferenz ausführen
predictions = model.predict("https://ultralytics.com/images/bus.jpg")
# # Exportiere das Modell im ONNX-Format, um die Bereitstellung am Netzwerkrand zu vereinfachen
model.export(format="onnx")Anwendungsfälle und Empfehlungen#
Die Wahl zwischen YOLOv10 und YOLOv9 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 bei autonomen Systemen.
Wann du YOLOv9 wählen solltest#
YOLOv9 empfiehlt sich für:
- Forschung zu Informationsengpässen: Akademische Projekte, die programmierbare Gradienteninformationen (PGI) und Architekturen mit effizienten, verallgemeinerten Schichtaggregationsnetzwerken (GELAN) untersuchen.
- Studien zur Optimierung des Gradientenflusses: Forschung, die darauf abzielt, Informationsverluste in tiefen Netzwerkschichten während des Trainings zu verstehen und zu verringern.
- Benchmarking hochgenauer Erkennung: Szenarien, in denen die starke COCO-Benchmarkleistung von YOLOv9 als Vergleichsmaßstab für Architekturvergleiche benötigt wird.
Wann du Ultralytics (YOLO26) wählen solltest#
Für die meisten neuen Projekte bietet Ultralytics YOLO26 die beste Kombination aus Leistung und Entwicklerfreundlichkeit:
- 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#
YOLOv9 und YOLOv10 bieten beide einzigartige Vorteile. YOLOv9 maximiert die Parametereffizienz und den Gradientenfluss, und YOLOv9e erzielt in diesem Vergleich die höchste Genauigkeit. YOLOv10 führte durchgängige Begrenzungsrahmendetektion in die YOLO-Familie ein, ohne die durch NMS verursachten Latenzkosten.
Für Entwickler, die das beste Gleichgewicht aus Leistung, Vielseitigkeit und Benutzerfreundlichkeit suchen, lohnt sich ein Upgrade auf neuere Modelle. Dank des MuSGD-Optimierers, ProgLoss + STAL zur besseren Erkennung kleiner Objekte und der Unterstützung mehrerer Aufgaben ist YOLO26 die empfohlene Wahl für praktische Computer-Vision-Projekte.
Kommentare
Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.