Erste Schritte

YOLOv10 vs. YOLOX

Das Gebiet der Computer Vision wird von rasanten Fortschritten bei Architekturen für die Echtzeit-Objekterkennung geprägt. Dieser ausführliche technische Vergleich untersucht zwei einflussreiche Modelle, die Effizienz und Design von Detektoren vorangebracht haben: YOLOv10 und YOLOX. Durch den Vergleich ihrer architektonischen Unterschiede, Leistungskennzahlen und Trainingsmethoden können Entwickler und Forschende fundierte Entscheidungen zur Bereitstellung zuverlässiger Bildverarbeitungssysteme treffen.

Hintergründe und Ursprünge der Modelle#

Die Ursprünge dieser Deep-Learning-Modelle zu verstehen, liefert wertvollen Kontext zu ihren Architekturzielen und den vorgesehenen Anwendungsfällen.

YOLOv10: NMS für echte End-to-End-Erkennung abschaffen#

YOLOv10 wurde entwickelt, um lang bestehende Latenzengpässe zu beseitigen, und führte einen nativen End-to-End-Ansatz für die YOLO-Familie ein.

Mehr über YOLOv10 erfahren

YOLOX: Die Lücke zwischen Forschung und Industrie schließen#

YOLOX entstand als ankerfreie Version des traditionellen YOLO-Designs und bietet eine einfachere Methodik mit wettbewerbsfähiger Leistung, die speziell darauf ausgelegt ist, den Einsatz in Industriebereichen zu erleichtern.

Mehr über YOLOX erfahren

Architekturmerkmale und Innovationen#

Beide Frameworks weichen von traditionellen anchor-basierten Detektoren ab, lösen jedoch unterschiedliche Probleme in der Objekterkennungspipeline.

YOLOX-Architektur#

YOLOX brachte 2021 mehrere wichtige Neuerungen in das YOLO-Design ein. Der wichtigste Beitrag war der Wechsel zu einem ankerfreien Detektor. Durch den Verzicht auf vordefinierte Ankerboxen verringerte YOLOX die Anzahl der Designparameter und den heuristischen Abstimmungsaufwand, der für verschiedene Datensätze erforderlich ist.

Außerdem verwendet YOLOX einen entkoppelten Kopf, der Klassifizierungs- und Regressionsaufgaben voneinander trennt. Dadurch wurde der Konflikt zwischen den beiden Zielen behoben und die Konvergenz während des Trainings beschleunigt. YOLOX nutzt auch SimOTA zur dynamischen Labelzuweisung und verbessert so den Umgang mit überfüllten Szenen und Verdeckungen, die im COCO-Datensatz häufig vorkommen.

Vorteile anchor-freier Modelle

Ankerfreie Designs wie das von YOLOX verringern die Komplexität der Modellabstimmung. Entwickler müssen auf benutzerdefinierten Datensätzen kein k-Means-Clustering mehr durchführen, um optimale Ankerboxgrößen festzulegen, und sparen dadurch Vorbereitungszeit.

YOLOv10-Architektur#

YOLOX verbesserte zwar den Detektionskopf, setzte bei der Inferenz jedoch weiterhin auf Nicht-Maximum-Unterdrückung (NMS), was zu Schwankungen bei der Latenz führt. YOLOv10 zielte mit der Einführung einer Strategie zur konsistenten doppelten Zuweisung für das NMS-freie Training gezielt auf diese Einschränkung ab. Während des Trainings werden sowohl One-to-Many- als auch One-to-One-Labelzuweisungen verwendet. Bei der Inferenz kann der One-to-Many-Kopf jedoch vollständig weggelassen werden, sodass Vorhersagen ohne NMS-Nachbearbeitung ausgegeben werden (wähle in der Ultralytics-Paketbibliothek diesen Kopf mit nms=False aus).

YOLOv10 zeichnet sich außerdem durch ein ganzheitliches Modelldesign aus, das Effizienz und Genauigkeit in Einklang bringt. Leichte Klassifizierungsköpfe und räumlich-kanalweise entkoppeltes Downsampling verringern die Anzahl der Parameter und die FLOPs, ohne die Genauigkeit zu beeinträchtigen.

Leistungsvergleich#

Tests dieser Modelle auf Hardware wie der NVIDIA T4 GPU zeigen je nach Modellgröße unterschiedliche Vorteile. Die folgende Tabelle vergleicht beide Modellfamilien.

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
YOLOXnano41625.8--0.911.08
YOLOXtiny41632.8--5.066.45
YOLOXs64040.5-2.569.026.8
YOLOXm64046.9-5.4325.373.8
YOLOXl64049.7-9.0454.2155.6
YOLOXx64051.1-16.199.1281.9

Wie oben zu sehen ist, lässt sich YOLOv10 gut skalieren. Die Variante YOLOv10x erzielt die höchste Genauigkeit (54.4 mAP), während die Variante YOLOv10n die schnellste gemeldete TensorRT-Inferenz bietet. Das YOLOX-Nano-Modell hat dagegen mit 0.91M Parametern bei 416 Pixeln den geringsten Speicherbedarf und eignet sich für stark eingeschränkte Umgebungen.

Trainingsmethoden und Ressourcenbedarf#

Bei der Implementierung von Modellen für den Produktiveinsatz sind das Trainingsökosystem und der Ressourcenbedarf ebenso entscheidend wie die reine Inferenzgeschwindigkeit.

YOLOX basiert auf einer älteren Codebasis, deren Abhängigkeiten und Umgebungskonfiguration auf aktuellen Softwareplattformen umständlich zu verwalten sein können.

YOLOv10 ist dagegen in das Ultralytics-Ökosystem integriert, was die Entwicklererfahrung vereinfacht. Ultralytics-YOLO-Modelle benötigen beim Training außerdem weniger CUDA-Speicher als Transformer-basierte Architekturen wie RT-DETR.

Codebeispiel: Vereinfachtes Training#

Mit der einheitlichen Ultralytics-API kannst du Modelle mit nur wenigen Zeilen Python trainieren, ohne C++-Operatoren manuell zu kompilieren oder komplexe Konfigurationsdateien zu bearbeiten.

from ultralytics import YOLO

# Ein vortrainiertes YOLOv10-Modell initialisieren
model = YOLO("yolov10s.pt")

# Das Modell mit dem COCO8-Datensatz trainieren
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Die Leistung des Modells validieren
metrics = model.val()

# Das optimierte Modell ins ONNX-Format exportieren
model.export(format="onnx")

Diese einfache Syntax bietet sofortigen Zugriff auf automatische gemischte Genauigkeit, automatisierte Datenerweiterung und die Integration mit Tools wie Weights & Biases.

Anwendungsfälle und Empfehlungen#

Die Wahl zwischen YOLOv10 und YOLOX hängt von deinen konkreten Projektanforderungen, Einsatzbeschränkungen und 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 YOLOX wählen solltest#

YOLOX empfiehlt sich für:

  • Forschung zur anchorfreien Erkennung: Akademische Forschung, bei der YOLOX aufgrund seiner übersichtlichen, anchorfreien Architektur als Grundlage für Experimente mit neuen Erkennungs-Heads oder Verlustfunktionen dient.
  • Besonders kleine Edge-Geräte: Bereitstellungen auf Mikrocontrollern oder älterer Mobilhardware, bei denen die extrem geringe Größe der YOLOX-Nano-Variante (0,91 Mio. Parameter) entscheidend ist.
  • Studien zur SimOTA-Labelzuweisung: Forschungsprojekte, die Strategien zur Labelzuweisung auf Grundlage optimalen Transports und deren Auswirkungen auf die Trainingskonvergenz untersuchen.

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.

Die Zukunft der Vision-KI: YOLO26 kommt#

YOLOv10 und YOLOX stellen wichtige Meilensteine dar, doch das Feld entwickelt sich weiter. Für Entwickler, die neue Projekte beginnen, ist Ultralytics YOLO26 die empfohlene Wahl.

Ultralytics YOLO26 wurde im Januar 2026 veröffentlicht und baut auf dem durchgängigen, NMS-freien Design auf, das YOLOv10 in YOLO-Modelle einführte. Das Modell bietet dieses Design als optionalen One-to-One-Head (nms=False).

YOLO26 bietet außerdem mehrere weitere Verbesserungen:

  • Bis zu 43 % schnellere CPU-Inferenz: Da Distribution Focal Loss (DFL) entfernt wurde, läuft YOLO26n auf einer CPU bis zu 43 % schneller als YOLO11n. Das ist hilfreich für Edge-Geräte ohne GPUs.
  • MuSGD-Optimierer: Diese von LLM-Training inspirierte Kombination aus SGD und Muon sorgt für schnellere Konvergenz und stabile Trainingsläufe.
  • ProgLoss + STAL: Progressive Loss und eine Labelzuweisung, die kleine Ziele berücksichtigt, verbessern die Erkennung kleiner Objekte. Das ist besonders wichtig für Luftbilder und IoT-Sensoren.
  • Vielseitigkeit: Anders als YOLOX, das ausschließlich ein Objektdetektor ist, unterstützt YOLO26 nativ Instanzsegmentierung, semantische Segmentierung, Tiefenschätzung, Bildklassifizierung, Posenschätzung und OBB-Erkennung in einer einzigen, einheitlichen Bibliothek.
Die Ultralytics Platform nutzen

Für den einfachsten Weg in die Produktion können Entwickler die Ultralytics Platform nutzen, um Datensätze zu annotieren, YOLO26-Modelle in der Cloud zu trainieren und sie mit minimalem Einrichtungsaufwand zu exportieren oder bereitzustellen.

Anwendungen in der Praxis#

Welches Modell das richtige ist, hängt vom Einsatzszenario und der Branche ab.

Hochgeschwindigkeits-Videoanalyse#

Für die Verarbeitung umfangreicher Videodatenströme, etwa zur Verkehrssteuerung in Smart Cities, bietet YOLOv10 dank seines NMS-freien Designs Vorteile. Durch den Wegfall des NMS-Engpasses bleibt die Latenz konstant. Das macht YOLOv10 zu einer guten Ergänzung für Tracking-Algorithmen wie BoT-SORT.

Einsatz auf älteren Edge-Geräten#

Für ältere akademische Umgebungen oder ältere Android-Anwendungen, die auf YOLOX basieren, können kleinere Modelle wie YOLOX-Tiny weiterhin nützlich sein, wenn die Beibehaltung älterer PyTorch-Umgebungen ein akzeptabler Kompromiss ist.

Moderne Edge- und IoT-Geräte#

Für Einsätze auf Hardware der nächsten Generation, etwa in der Robotik, bei Drohnen und der Analyse von Verkaufsregalen, ist YOLO26 die empfohlene Lösung. Die geringere CPU-Latenz und die verbesserte Erkennung kleiner Objekte eignen sich besonders für autonome Navigation und eine detaillierte Bestandsverwaltung.

Weitere Vergleiche zur Erweiterung deines Deep-Learning-Werkzeugkastens zeigen, wie diese Modelle im Vergleich zu Alternativen wie dem flexiblen YOLO11 oder dem Transformer-basierten RT-DETR abschneiden.

Kommentare

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