YOLOv5 vs. DAMO-YOLO
Die Echtzeit-Bildverarbeitung entwickelt sich ständig weiter. Forschende und Ingenieure suchen dabei nach dem richtigen Gleichgewicht zwischen Genauigkeit, Geschwindigkeit und Benutzerfreundlichkeit. Zwei bedeutende Modelle, die diese Entwicklung geprägt haben, sind Ultralytics YOLOv5 und Alibabas DAMO-YOLO.
Dieser Leitfaden bietet eine ausführliche technische Analyse ihrer Architekturen, Leistungskennzahlen und Trainingsmethoden, damit du das richtige Modell für deine nächste Bereitstellung auswählen kannst.
Hintergrund der Modelle#
Bevor wir die technischen Details vergleichen, ist es wichtig, die Ursprünge und grundlegenden Designprinzipien dieser einflussreichen Bildverarbeitungsmodelle zu verstehen.
Ultralytics YOLOv5#
YOLOv5 wurde von Glenn Jocher und dem Team von Ultralytics entwickelt und ist seit seiner Veröffentlichung zum Industriestandard geworden. Das Modell basiert nativ auf dem Framework PyTorch und bot von Anfang an eine unkomplizierte Entwicklererfahrung sowie zuverlässige Bereitstellungsmöglichkeiten.
- Autor: Glenn Jocher
- Organisation: Ultralytics
- Datum: 2020-06-26
- GitHub: ultralytics/yolov5
- Dokumentation: Ultralytics-YOLOv5-Dokumentation
DAMO-YOLO#
DAMO-YOLO wurde von Forschenden der Alibaba Group entwickelt und legt großen Wert auf Neural Architecture Search (NAS) und Wissensdestillation. Das Modell zielt auf Leistung für bestimmte Hardware ab und richtet sich an Forschungs- und Bereitstellungsumgebungen, die umfangreiche Feinabstimmungen erfordern.
- Autoren: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang und Xiuyu Sun
- Organisation: Alibaba Group
- Datum: 2022-11-23
- arXiv: 2211.15444v2
- GitHub: tinyvision/DAMO-YOLO
Architektonische Innovationen#
Beide Modelle nutzen besondere Strukturkonzepte, um ihre Echtzeitleistung zu erzielen, gehen dabei jedoch sehr unterschiedlich vor.
YOLOv5: Stabilität und Vielseitigkeit#
YOLOv5 verwendet ein modifiziertes CSP-Backbone (Cross Stage Partial) in Verbindung mit einem PANet-Hals (Path Aggregation Network). Diese Struktur ist effizient und hält den CUDA-Speicherverbrauch sowohl beim Training als auch bei der Inferenz gering.
Eine der größten Stärken von YOLOv5 ist seine Vielseitigkeit bei verschiedenen Aufgaben. Neben Begrenzungsrahmenvorhersagen bietet das ursprüngliche YOLOv5-Repository eigene Architekturen für Instanzsegmentierung (v7.0) und Bildklassifizierung (v6.2). Dadurch können Entwickler ihre Bildverarbeitungspipelines in einem einzigen, einheitlichen Framework zusammenführen.
DAMO-YOLO: Automatisierte Architektursuche#
Die wichtigste Neuerung von DAMO-YOLO ist das MAE-NAS-Backbone. Mithilfe einer durch maximale Entropie gesteuerten Suche fand das Alibaba-Team Backbones, die Erkennungsgenauigkeit und Inferenzgeschwindigkeit innerhalb bestimmter Latenzbudgets ausbalancieren.
Darüber hinaus bietet das Modell den Efficient RepGFPN-Hals für eine verbesserte Merkmalsfusion – besonders nützlich bei komplexen Maßstabsvariationen, wie sie häufig bei der Analyse von Satellitenbildern auftreten. Das ZeroHead-Design vereinfacht die abschließenden Vorhersageschichten, um die Latenz zu reduzieren. Die komplexe Generierung der Struktur kann die Architektur jedoch starr und für benutzerdefinierte Anwendungen schwerer anpassbar machen.
Transformer-basierte Architekturen benötigen häufig viel GPU-Speicher. YOLOv5 und DAMO-YOLO verwenden beide effiziente Faltungsarchitekturen, um den Speicherbedarf gering zu halten. Ultralytics-Modelle sind außerdem für das Training auf GPUs für Endverbraucher ausgelegt und damit auch für unabhängige Forschende und Start-ups zugänglich.
Leistung und Metriken#
Für die Bewertung von Objektdetektoren in Echtzeit müssen mAP (mittlere durchschnittliche Präzision), Inferenzgeschwindigkeit und Modellgröße gemeinsam betrachtet werden.
| Modell | Größe (Pixel) | mAPval50-95 | Geschwindigkeit CPU ONNX (ms) | Geschwindigkeit T4 TensorRT10 (ms) | Parameter (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv5n | 640 | 28.0 | - | 1.12 | 1.9 | 4.5 |
| YOLOv5s | 640 | 37.4 | - | 1.92 | 7.2 | 16.5 |
| YOLOv5m | 640 | 45.4 | - | 4.03 | 21.2 | 49.0 |
| YOLOv5l | 640 | 49.0 | - | 6.61 | 46.5 | 109.1 |
| YOLOv5x | 640 | 50.7 | - | 11.89 | 86.7 | 205.7 |
| DAMO-YOLOt | 640 | 42.0 | - | 2.32 | 8.5 | 18.1 |
| DAMO-YOLOs | 640 | 46.0 | - | 3.45 | 16.3 | 37.8 |
| DAMO-YOLOm | 640 | 49.2 | - | 5.09 | 28.2 | 61.8 |
| DAMO-YOLOl | 640 | 50.8 | - | 7.18 | 42.1 | 97.3 |
DAMO-YOLO erzielt bei vergleichbarer Parameterzahl einen höheren mAP-Wert als YOLOv5. So erreicht DAMO-YOLOs beispielsweise einen mAP von 46,0 mit 16,3 Mio. Parametern, während YOLOv5m mit 21,2 Mio. Parametern einen mAP von 45,4 erzielt. YOLOv5 bietet in den Nano- und Small-Konfigurationen die höchsten TensorRT-Geschwindigkeiten und die geringste Parameterzahl. Damit eignet sich das Modell für latenzkritische Edge-Bereitstellungen.
Trainingseffizienz und Ökosystem#
Die theoretische Genauigkeit eines Modells ist nur dann von Bedeutung, wenn es sich auch praktisch einsetzen lässt. Genau hier unterscheiden sich die Modelle erheblich.
Die Komplexität der Destillation#
DAMO-YOLO stützt sich stark auf eine mehrstufige Trainingsmethode. Dabei werden die AlignedOTA-Labelzuweisung und die Wissensdestillation nach dem Lehrer-Schüler-Prinzip kombiniert. Das Verfahren holt zwar die maximale Leistung aus dem Schülermodell heraus, setzt aber voraus, dass zunächst ein großes Lehrermodell trainiert wird. Dadurch steigen Rechenzeit, Energiebedarf und Hardwareanforderungen, was kleinere ML-Teams ausbremsen kann.
Der Vorteil von Ultralytics: einfache Bedienung#
Im Gegensatz dazu ist das Ultralytics-Ökosystem für intuitive APIs und effizientes Training bekannt. Dank aktiver Entwicklung und einer großen Open-Source-Community können Entwickler Modelle mit minimalem Einrichtungsaufwand trainieren, validieren und bereitstellen.
from ultralytics import YOLO
# Vortrainiertes YOLOv5-Modell laden
model = YOLO("yolov5su.pt") # YOLOv5u: ankerfreie YOLOv5-Gewichte für das ultralytics-Paket
# Mit dem COCO8-Beispieldatensatz trainieren
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Für die Bereitstellung ins ONNX-Format exportieren
model.export(format="onnx")Ultralytics bietet außerdem eine integrierte Versuchsverfolgung durch Anbindungen an Tools wie Weights & Biases und Comet.
Anwendungsfälle in der Praxis#
- YOLOv5 eignet sich für schnelllebige Produktionsumgebungen. Dank des unkomplizierten Exports ist das Modell eine beliebte Wahl für Analysen im Einzelhandel, die schnelle Erkennung von Fertigungsfehlern und mobile Anwendungen über CoreML.
- DAMO-YOLO eignet sich für akademische Benchmarks und Szenarien, in denen reichlich Rechenleistung für lange, destillierte Trainingsläufe zur Verfügung steht, um auf bestimmter, festgelegter Hardware einen höheren mAP-Wert zu erzielen.
Anwendungsfälle und Empfehlungen#
Die Wahl zwischen YOLOv5 und DAMO-YOLO hängt von deinen konkreten Projektanforderungen, Bereitstellungsbeschränkungen und Ökosystempräferenzen ab.
Wann du YOLOv5 wählen solltest#
YOLOv5 eignet sich besonders für:
- Bewährte Produktionssysteme: Bestehende Bereitstellungen, bei denen die langjährige Stabilität von YOLOv5, die umfangreiche Dokumentation und die große Community wichtig sind.
- Training mit begrenzten Ressourcen: Umgebungen mit begrenzten GPU-Ressourcen, in denen die effiziente Trainingspipeline und der geringere Speicherbedarf von YOLOv5 von Vorteil sind.
- Umfangreiche Unterstützung von Exportformaten: Projekte, die eine Bereitstellung in vielen Formaten erfordern, darunter ONNX, TensorRT, CoreML und LiteRT.
Wann du DAMO-YOLO wählen solltest#
DAMO-YOLO eignet sich für:
- Videoanalyse mit hohem Durchsatz: Verarbeitung von Videostreams mit hoher Bildrate auf fest installierter NVIDIA-GPU-Infrastruktur, bei der der Durchsatz mit Batchgröße 1 im Vordergrund steht.
- Industrielle Fertigungslinien: Szenarien mit strengen GPU-Latenzvorgaben auf dedizierter Hardware, etwa die Qualitätsprüfung in Echtzeit auf Fließbändern.
- Forschung zur neuronalen Architektursuche: Untersuchung der Auswirkungen automatisierter Architektursuche (MAE-NAS) und effizienter Architekturen mit reparametrisierten Rückgraten auf die Erkennungsleistung.
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 nächste Entwicklungsstufe: YOLO26#
Wenn du ein neues Projekt startest, solltest du Ultralytics YOLO26 in Betracht ziehen. Das Modell baut auf der Grundlage von YOLOv5 auf und bietet mehrere Verbesserungen an Architektur und Training.
YOLO26 bietet ein End-to-End-Design ohne NMS: Der optionale Eins-zu-eins-Head (nms=False) überspringt die Nachverarbeitung mit Non-Maximum Suppression und ermöglicht so eine schnellere und einfachere Bereitstellung.
Zu den wichtigsten Neuerungen von YOLO26 gehören:
- MuSGD-Optimierer: Diese von Innovationen beim Training von LLMs inspirierte Kombination aus SGD und Muon ermöglicht stabiles Training und schnelle Konvergenz.
- Bis zu 43 % schnellere CPU-Inferenz: YOLO26n läuft auf der CPU bis zu 43 % schneller als YOLO11n und eignet sich daher für Edge-Computing und IoT-Geräte ohne dedizierte GPUs.
- ProgLoss + STAL: Eine progressive Verlustfunktion und eine Strategie zur Zuweisung von Labels, die kleine Ziele berücksichtigt, verbessern die Erkennung kleiner Objekte – entscheidend für Luftaufnahmen mit Drohnen und für die Robotik.
- Aufgabenspezifische Verbesserungen: Von einem speziellen Winkelfehler für orientierte Begrenzungsrahmen (OBB) bis hin zur Residual Log-Likelihood Estimation (RLE) für eine präzise Posenschätzung bietet YOLO26 Verbesserungen für jede unterstützte Aufgabe.
Fazit#
YOLOv5 und DAMO-YOLO haben beide ihren Platz in der Geschichte der Objekterkennung verdient. DAMO-YOLO bleibt eine interessante Fallstudie zu Neural Architecture Search und Wissensdestillation. Für Unternehmen, denen ein gut gepflegtes Ökosystem, Benutzerfreundlichkeit und ein schneller Weg in den Produktivbetrieb wichtig sind, sind Ultralytics-Modelle die bessere Wahl.
Nutze die Ultralytics Platform, um neuere Modelle wie YOLO26 zu annotieren, zu trainieren und bereitzustellen. So erhältst du eine schnelle, präzise und wartungsfreundliche Bildverarbeitungspipeline.
Weiterführende Lektüre#
Kommentare
Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.