YOLOv5 vs. YOLO11#

Bei der Auswahl der richtigen Computer-Vision-Architektur für ein neues Projekt ist es entscheidend, die Entwicklung hochmoderner Modelle zu verstehen. Die Weiterentwicklung von früheren Architekturen zu modernen, vereinheitlichten Frameworks verdeutlicht erhebliche Fortschritte sowohl bei der algorithmischen Effizienz als auch bei der Entwicklererfahrung. Dieser Leitfaden bietet einen ausführlichen technischen Vergleich zwischen zwei wegweisenden, von Ultralytics entwickelten Modellen: dem richtungsweisenden YOLOv5 und dem hochgradig optimierten YOLO11.

Einführung in die Modelle#

Beide Architekturen stellen bedeutende Meilensteine im Bereich der Objekterkennung in Echtzeit dar und bieten je nach Bereitstellungsumgebung und Anforderungen an bestehende Systeme unterschiedliche Vorteile.

YOLOv5: Das Arbeitstier der Branche#

YOLOv5 wurde im Sommer 2020 veröffentlicht und entwickelte sich dank seiner nativen PyTorch-Implementierung schnell zum Industriestandard, da diese die Einstiegshürden für Training und Bereitstellung deutlich senkte. Im Gegensatz zu den komplexen Darknet-C-Frameworks seiner Vorgänger setzte es auf einen an Python orientierten Ansatz für die Modellerstellung.

• Autoren: Glenn Jocher
• Organisation: Ultralytics
• Datum: 2020-06-26
• GitHub: ultralytics/yolov5
• Dokumentation: YOLOv5-Dokumentation

YOLOv5 etablierte eine solide Grundlage für Benutzerfreundlichkeit und führte leistungsstarke Trainingsmethoden ein, darunter fortschrittliche Mosaik-Datenerweiterung und automatisches Anker-Setzen. Für Forschende, die auf einer gut dokumentierten und umfassend getesteten Codebasis aufbauen, ist es nach wie vor äußerst beliebt.

YOLO11: Das vereinheitlichte Vision-Framework#

Aufbauend auf jahrelangem Feedback und architektonischer Forschung wurde YOLO11 als Teil eines vereinheitlichten Frameworks eingeführt, das nativ mehrere Vision-Aufgaben verarbeiten kann. Es wurde von Grund auf für maximale Vielseitigkeit und Effizienz entwickelt und geht über reine Begrenzungsrahmen hinaus.

• Autoren: Glenn Jocher und Jing Qiu
• Organisation: Ultralytics
• Datum: 2024-09-27
• GitHub: ultralytics/ultralytics
• Dokumentation: YOLO11-Dokumentation

YOLO11 bietet über das ultralytics-Python-Paket eine optimierte Benutzererfahrung mit einer einfachen API, die Objekterkennung, Instanzsegmentierung, Klassifizierung, Posenschätzung und orientierte Begrenzungsrahmen (OBB) vereinheitlicht. Es erzielt ein besonders günstiges Verhältnis zwischen Geschwindigkeit und Genauigkeit und eignet sich daher ideal für vielfältige Einsatzszenarien in der Praxis.

Vergleich von Leistung und Metriken#

Ein direkter Vergleich dieser Modelle zeigt, wie sich architektonische Verbesserungen in konkreten Leistungssteigerungen niederschlagen. Die folgende Tabelle veranschaulicht die mittlere durchschnittliche Präzision (mAP), ausgewertet auf dem COCO-Datensatz, sowie die Inferenzgeschwindigkeiten auf CPU und GPU und die Anzahl der Parameter.

Analyse der Ergebnisse#

Die Kennzahlen zeigen eine deutliche Verbesserung bei der von YOLO11 erreichten Leistungsbalance. So erzielt das Modell YOLO11n (nano) eine mAP von 39,5 % gegenüber 28,0 % bei YOLOv5n und reduziert gleichzeitig die CPU-Inferenzzeit beim Export über ONNX. Darüber hinaus benötigt YOLO11 beim Training bemerkenswert weniger Speicher als umfangreiche Transformer-basierte Modelle und ist damit besonders gut für die Bereitstellung auf Standardhardware und Edge-Geräten geeignet.

Architektonische Unterschiede#

Die Leistungssteigerungen von YOLO11 beruhen auf mehreren wichtigen architektonischen Weiterentwicklungen. Während YOLOv5 ein standardmäßiges CSPNet-Backbone mit C3-Modulen verwendete, führte YOLO11 effizientere Merkmalsextraktionsblöcke wie C2f und später C3k2 ein, die den Gradientenfluss optimieren und den Rechenaufwand reduzieren.

YOLO11 verfügt außerdem über einen umfassend überarbeiteten Kopf. Im Gegensatz zum ankerbasierten Design älterer Modelle verwenden neuere Ultralytics-Architekturen einen ankerfreien Ansatz. Dadurch wird die Anzahl der Boxvorhersagen reduziert, die Nachverarbeitungspipeline optimiert und die Fähigkeit des Modells verbessert, über verschiedene Größen und Seitenverhältnisse hinweg zu generalisieren. Zudem bieten diese Modelle eine höhere Trainingseffizienz sowie problemlos verfügbare vortrainierte Gewichte, die die Konvergenz feinabgestimmter Datensätze beschleunigen.

Implementierung und Codebeispiele#

Eines der herausragenden Merkmale des Ultralytics-Ökosystems ist seine Einfachheit. Während YOLOv5 die Verwendung von torch.hub für schnelle Inferenz populär machte, geht YOLO11 mit dem vereinheitlichten ultralytics-Python-Paket noch einen Schritt weiter.

Training mit YOLO11#

Das Laden, Trainieren und Validieren eines Modells erfordert nur wenig Boilerplate-Code. Die API übernimmt die Optimierung der Hyperparameter und die Modellverwaltung nahtlos.

from ultralytics import YOLO

# Load a pretrained YOLO11 model
model = YOLO("yolo11s.pt")

# Train on a custom dataset for 50 epochs
results = model.train(data="coco8.yaml", epochs=50, imgsz=640)

# Run fast inference and display results
predictions = model("https://ultralytics.com/images/bus.jpg")
predictions[0].show()

# Easily export the model to TensorRT for hardware acceleration
model.export(format="engine")

Legacy-Inferenz mit YOLOv5#

Wenn du eine ältere Pipeline wartest, lässt sich YOLOv5 direkt in den nativen Ladevorgang von PyTorch integrieren und daher problemlos in bestehende Inferenzskripte einfügen.

import torch

# Load a custom or pretrained YOLOv5 model from PyTorch Hub
model = torch.hub.load("ultralytics/yolov5", "yolov5s")

# Perform inference on an image URL
results = model("https://ultralytics.com/images/zidane.jpg")

# Print prediction details to the console
results.print()

Ideale Anwendungsfälle#

Die Wahl zwischen diesen Modellen hängt maßgeblich von der Phase des Projektlebenszyklus und den spezifischen Anforderungen deines Projekts ab.

Wann du YOLOv5 wählen solltest#

• Wartung bestehender Codebasen: Wenn deine Produktionsumgebung stark an die Repository-Struktur von YOLOv5 oder an bestimmte Verfahren zur Entwicklung von Hyperparametern angepasst ist.
• Akademische Ausgangswerte: Wenn du Forschungsergebnisse veröffentlichst, die einen direkten Vergleich mit etablierten Computer-Vision-Standards aus den Jahren 2020 bis 2022 erfordern.

Wann du YOLO11 wählen solltest#

• Projekte mit mehreren Aufgaben: Wenn deine Anwendung eine Kombination von Aufgaben wie Posenschätzung und Instanzsegmentierung über eine einzige, vereinheitlichte API benötigt.
• Bereitstellungen auf Edge-Geräten: Für Szenarien des Edge Computing, in denen es entscheidend ist, bei einem gegebenen Rechenbudget (FLOPs) die maximale mAP herauszuholen.
• Kommerzielle KI-Lösungen: Ideal für Unternehmensanwendungen im Einzelhandel und im Sicherheitsbereich, die den robusten Support der Ultralytics Platform nutzen.

Die nächste Generation: Ultralytics YOLO26#

Obwohl YOLO11 eine hervorragende Balance aus Geschwindigkeit und Genauigkeit bietet, entwickelt sich der Bereich der künstlichen Intelligenz rasant weiter. Entwicklerinnen und Entwicklern, die heute neue Projekte starten, empfehlen wir ausdrücklich, den neuesten Standard für Vision-KI zu erkunden: Ultralytics YOLO26.

YOLO26 wurde im Januar 2026 veröffentlicht und führt grundlegende, speziell auf moderne Bereitstellungsanforderungen ausgerichtete Fortschritte ein:

• End-to-End-Design ohne NMS: Aufbauend auf Konzepten, die erstmals in YOLOv10 eingeführt wurden, arbeitet YOLO26 nativ Ende-zu-Ende. Dadurch entfällt die Nachverarbeitung durch die Nichtmaximale Unterdrückung (NMS), was Bereitstellungspipelines deutlich vereinfacht und die Latenz reduziert.
• MuSGD-Optimierer: Diese Kombination aus SGD und Muon ist von Innovationen beim Training großer Sprachmodelle (LLM) in Modellen wie Kimi K2 von Moonshot AI inspiriert und sorgt für äußerst stabiles Training sowie eine deutlich schnellere Konvergenz.
• Beispiellose CPU-Geschwindigkeit: Durch den Wegfall des Distribution Focal Loss (DFL) erreicht YOLO26 eine bis zu 43 % schnellere CPU-Inferenz und ist damit die beste Wahl für Edge-Geräte und Umgebungen ohne dedizierte GPUs.
• Fortschrittliche Verlustfunktionen: Die Integration von ProgLoss und STAL führt zu bemerkenswerten Verbesserungen bei der Erkennung kleiner Objekte, die für Drohnenanalysen, IoT und Robotik entscheidend ist.
• Aufgabenspezifische Verbesserungen: Das Modell führt spezielle Optimierungen ein, etwa die Schätzung der Residual-Log-Likelihood (RLE) für Posen und einen spezialisierten Winkelverlust für orientierte Begrenzungsrahmen, wodurch eine überlegene Leistung bei allen Computer-Vision-Aufgaben gewährleistet wird.

Wenn du dich für spezialisierte Architekturen über die standardmäßige Objekterkennung hinaus interessierst, kannst du auch Modelle wie RT-DETR für Transformer-basierte Erkennung oder YOLO-World für Tracking und Erkennung mit offenem Vokabular erkunden. Mit diesen gut gepflegten, hochgradig optimierten Werkzeugen bleiben deine Computer-Vision-Pipelines effizient, skalierbar und der Entwicklung voraus.