YOLOv10 vs. YOLOX#

Der Bereich Computer Vision wird durch rasante Fortschritte bei Architekturen zur Objekterkennung in Echtzeit vorangetrieben. Dieser ausführliche technische Vergleich untersucht zwei einflussreiche Modelle, die neue Maßstäbe bei Effizienz und Designparadigmen gesetzt haben: YOLOv10 und YOLOX. Durch die Untersuchung ihrer architektonischen Unterschiede, Leistungskennzahlen und Trainingsmethoden können Entwickler und Forscher fundierte Entscheidungen für die Bereitstellung robuster Bildverarbeitungssysteme treffen.

Hintergrund und Ursprünge der Modelle#

Das Verständnis der Ursprünge dieser Deep-Learning-Modelle liefert wertvollen Kontext zu ihren architektonischen Zielen und vorgesehenen Einsatzbereichen.

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

YOLOv10 wurde entwickelt, um lang bestehende Engpässe bei der Latenz zu beseitigen, und führte einen nativen End-to-End-Ansatz in die YOLO-Familie ein.

• Autoren: Ao Wang, Hui Chen, Lihao Liu et al.
• Organisation: Tsinghua University
• Datum: 23. Mai 2024
• ArXiv: 2405.14458
• GitHub: THU-MIG/yolov10
• Dokumentation: Ultralytics YOLOv10 Documentation

Mehr über YOLOv10 erfahren

YOLOX: Die Lücke zwischen Forschung und Industrie schließen#

YOLOX entstand als anchor-freie Variante des traditionellen YOLO-Designs und bietet eine einfachere Methode mit konkurrenzfähiger Leistung, die speziell darauf ausgerichtet ist, die Bereitstellung in industriellen Umgebungen zu erleichtern.

• Autoren: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li und Jian Sun
• Organisation: Megvii
• Datum: 18. Juli 2021
• ArXiv: 2107.08430
• GitHub: Megvii-BaseDetection/YOLOX
• Dokumentation: Offizielle YOLOX-Dokumentation

Mehr über YOLOX erfahren

Architektonische Highlights und Innovationen#

Beide Frameworks weichen von herkömmlichen anchor-basierten Detektoren ab, lösen jedoch unterschiedliche Probleme in der Pipeline zur Objekterkennung.

YOLOX-Architektur#

YOLOX brachte 2021 mehrere wichtige Neuerungen in das Ökosystem. Der wichtigste Beitrag war der Wechsel zu einem anchor-freien Detektor. Durch den Verzicht auf vordefinierte Anchor-Boxen reduzierte YOLOX die Anzahl der Designparameter und den für verschiedene Datensätze erforderlichen heuristischen Abstimmungsaufwand erheblich.

Darüber hinaus verwendet YOLOX einen entkoppelten Kopf, der die Klassifizierungs- und Regressionsaufgaben voneinander trennt. Dadurch wurde der Konflikt zwischen den beiden Zielen gelöst und die Konvergenz während des Trainings deutlich beschleunigt. Außerdem nutzt das Modell SimOTA für eine fortgeschrittene Zuordnung von Labels, wodurch der Umgang mit dicht besetzten Szenen und Verdeckungen verbessert wird, wie sie im COCO-Datensatz häufig vorkommen.

YOLOv10-Architektur#

Obwohl YOLOX den Detektionskopf verbessert hat, war das Modell bei der Inferenz weiterhin auf die Unterdrückung nicht maximaler Werte (NMS) angewiesen, was zu variabler Latenz führt. YOLOv10 setzte gezielt an diesem Problem an und führte für das NMS-freie Training eine konsistente duale Zuordnung ein. Während des Trainings verwendet das Modell sowohl eine One-to-Many- als auch eine One-to-One-Zuordnung von Labels. Bei der Inferenz wird der One-to-Many-Kopf jedoch vollständig entfernt, sodass saubere Vorhersagen ohne NMS-Nachbearbeitung ausgegeben werden.

YOLOv10 zeichnet sich außerdem durch ein ganzheitliches, auf Effizienz und Genauigkeit ausgerichtetes Modelldesign aus. Es umfasst schlanke Klassifizierungsköpfe sowie eine räumlich und kanalweise entkoppelte Reduzierung der Auflösung und verringert dadurch die Anzahl der Parameter und FLOPs deutlich, ohne die Genauigkeit zu beeinträchtigen.

Leistungsvergleich#

Die Bewertung dieser Modelle auf Hardware wie der NVIDIA-T4-GPU zeigt je nach Modellgröße unterschiedliche Vorteile. Nachfolgend findest du die umfassende Vergleichstabelle.

Wie oben zu sehen ist, lässt sich YOLOv10 außergewöhnlich gut skalieren. Die Variante YOLOv10x erreicht die höchste Genauigkeit (54.4 mAP), während die Variante YOLOv10n dank der Integration von TensorRT die schnellste Inferenz ermöglicht. Das ältere YOLOX-Nano-Modell hat dagegen die kleinste Gesamtgröße und eignet sich daher für stark eingeschränkte Umgebungen.

Trainingsmethoden und Ressourcenanforderungen#

Bei der Umsetzung von Modellen für den produktiven Einsatz sind das Trainingsökosystem und der Ressourcenbedarf ebenso entscheidend wie die reine Inferenzgeschwindigkeit.

YOLOX ist häufig auf ältere Umgebungskonfigurationen angewiesen, deren Verwaltung umständlich sein kann. Außerdem erfordert die ältere Codebasis mehr Standardcode, um verteiltes Training mit mehreren GPUs oder Optimierung mit gemischter Präzision zu ermöglichen.

Im Gegensatz dazu lässt sich YOLOv10 nahtlos in moderne PyTorch-Workflows integrieren. Die Ultralytics-Umgebung verbessert die Entwicklererfahrung jedoch grundlegend. Ultralytics-Modelle zeichnen sich im Training durch einen deutlich geringeren CUDA-Speicherverbrauch aus als Transformer-basierte Architekturen wie RT-DETR.

Codebeispiel: Vereinfachtes Training#

Mit der einheitlichen Ultralytics-API kannst du hochmoderne Modelle mit nur wenigen Zeilen Python nahtlos trainieren. Dadurch entfällt die manuelle Kompilierung von C++-Operatoren oder die Arbeit mit komplizierten Konfigurationsdateien.

from ultralytics import YOLO

# Initialize a pre-trained YOLOv10 model
model = YOLO("yolov10s.pt")

# Train the model on the COCO8 dataset
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Validate the model's performance
metrics = model.val()

# Export the optimized model to ONNX format
model.export(format="onnx")

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

Anwendungsfälle und Empfehlungen#

Die Entscheidung zwischen YOLOv10 und YOLOX hängt von deinen spezifischen Projektanforderungen, Bereitstellungsbeschränkungen und Präferenzen beim Ökosystem 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 YOLOX wählen solltest#

YOLOX wird empfohlen für:

• Forschung zur anchor-freien Erkennung: Akademische Forschung, bei der YOLOX' klare, anchor-freie Architektur als Ausgangsbasis für Experimente mit neuen Erkennungsköpfen oder Verlustfunktionen dient.
• Ultraleichte Edge-Geräte: Bereitstellungen auf Mikrocontrollern oder älterer mobiler Hardware, bei denen die extrem geringe Größe der YOLOX-Nano-Variante (0.91M Parameter) entscheidend ist.
• Studien zur SimOTA-Labelzuweisung: Forschungsprojekte zur Untersuchung von Strategien für die Labelzuweisung auf Basis des optimalen Transports und deren Auswirkungen auf die Konvergenz beim Training.

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.

Die Zukunft der visuellen KI: YOLO26 kommt#

YOLOv10 und YOLOX sind zwar wichtige Meilensteine, doch die Landschaft von Computer Vision entwickelt sich unaufhaltsam weiter. Für Entwickler, die heute neue Projekte starten, ist Ultralytics YOLO26 die klare Empfehlung.

Das im Januar 2026 veröffentlichte Ultralytics YOLO26 baut auf dem grundlegenden Durchbruch des von YOLOv10 entwickelten End-to-End-NMS-freien Designs auf und verfeinert es für noch höhere Stabilität und Geschwindigkeit.

YOLO26 zeichnet sich durch mehrere bedeutende Fortschritte aus:

• Bis zu 43 % schnellere CPU-Inferenz: Durch die gezielte Entfernung von Distribution Focal Loss (DFL) erreicht YOLO26 eine deutlich bessere Leistung auf Edge-Geräten ohne GPUs.
• MuSGD-Optimierer: Diese neuartige Kombination aus SGD und Muon ist von der Stabilität beim Training von LLMs inspiriert und sorgt für eine schnellere Konvergenz sowie äußerst stabile Trainingsläufe.
• ProgLoss + STAL: Diese fortschrittlichen Verlustfunktionen führen zu deutlichen Verbesserungen bei der Erkennung kleiner Objekte – ein entscheidender Faktor für Luftaufnahmen und IoT-Sensoren.
• Unübertroffene Vielseitigkeit: Im Gegensatz zu YOLOX, das ausschließlich ein Objektdetektor ist, unterstützt YOLO26 nativ Instanzsegmentierung, Posenschätzung, Bildklassifizierung und OBB-Erkennung innerhalb einer einzigen, einheitlichen Bibliothek.

Anwendungen in der Praxis#

Die Wahl des richtigen Modells entscheidet über den Erfolg realer Bereitstellungen in verschiedenen Branchen.

Videoanalyse mit hoher Geschwindigkeit#

Für die Verarbeitung umfangreicher Videostreams, etwa zur Verkehrssteuerung in Smart Cities, bietet YOLOv10 dank der NMS-freien Nachbearbeitung einen erheblichen Vorteil. Durch die Beseitigung des NMS-Engpasses wird eine gleichbleibend niedrige Latenz ermöglicht, wodurch sich das Modell ideal für die Kombination mit Tracking-Algorithmen wie BoT-SORT eignet.

Bereitstellung auf älteren Edge-Geräten#

Für ältere akademische Umgebungen oder ältere Android-Anwendungen, die stark auf reine Faltungsarchitekturen optimiert sind, können kleinere Modelle wie YOLOX-Tiny weiterhin spezielle Einsatzmöglichkeiten bieten, wenn die Beibehaltung älterer PyTorch-Umgebungen als akzeptabler Kompromiss gilt.

Moderne Edge- und IoT-Geräte#

Für Bereitstellungen auf Hardware der nächsten Generation, etwa in Robotik, Drohnen und bei der Analyse von Verkaufsregalen, ist YOLO26 die optimale Lösung. Die drastisch verringerte CPU-Latenz und die überlegene Erkennung kleiner Objekte machen das Modell besonders geeignet für autonome Navigation und eine detaillierte Bestandsverwaltung.

Wenn du dein Deep-Learning-Werkzeug erweitern möchtest, kannst du außerdem untersuchen, wie diese Modelle im Vergleich zu Alternativen wie dem flexiblen YOLO11 oder dem Transformer-basierten RT-DETR abschneiden.