YOLOv5 vs. YOLOX
Die Entwicklung der Bildverarbeitung in Echtzeit ist von zahlreichen Meilensteinen geprägt. Verschiedene Architekturen haben dabei Geschwindigkeit und Genauigkeit verbessert. Zwei besonders einflussreiche Modelle in diesem Bereich sind YOLOv5 und YOLOX. Beide sind für ihre hohe Leistung bei der Objekterkennung bekannt, verfolgen jedoch grundlegend unterschiedliche Architekturansätze.
Dieser Leitfaden bietet eine technische Analyse der beiden Modelle und vergleicht ihre Architekturen, Leistungskennzahlen, Trainingsmethoden und geeigneten Bereitstellungsszenarien, damit Entwickler und Forschende das richtige Werkzeug für ihre KI-Projekte im Bereich Bildverarbeitung auswählen können.
Modellübersichten und architektonische Unterschiede#
Ultralytics YOLOv5#
- Autor: Glenn Jocher
- Organisation: Ultralytics
- Datum: 2020-06-26
- GitHub: Ultralytics-YOLOv5-Repository
- Dokumentation: Offizielle YOLOv5-Dokumentation
Das von Ultralytics eingeführte YOLOv5 wurde dank seiner ausgewogenen Leistung, Benutzerfreundlichkeit und Speichereffizienz schnell zum Branchenstandard. YOLOv5 basiert nativ auf dem PyTorch-Framework und verwendet eine ankerbasierte Architektur. Das Modell nutzt vordefinierte Begrenzungsrahmenformen, um Objektpositionen vorherzusagen, und eignet sich damit besonders gut für gängige Aufgaben der Objekterkennung.
Eine der größten Stärken von YOLOv5 ist sein gut gepflegtes Ökosystem. Es bietet umfassende Dokumentation, eine einfache Python API und eine native Integration in die Ultralytics Platform. So können Entwickler direkt von der Beschriftung des Datensatzes zum Training und zum Export in Formate wie ONNX und TensorRT übergehen.
Ultralytics-YOLO-Modelle benötigen beim Training typischerweise deutlich weniger GPU-Speicher als komplexe Transformer-basierte Alternativen. Dieser geringe Speicherbedarf macht YOLOv5 für Forschende, die mit handelsüblicher Hardware arbeiten, besonders zugänglich.
Megvii YOLOX#
- Autoren: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li und Jian Sun
- Organisation: Megvii
- Datum: 2021-07-18
- arXiv: YOLOX: Übertrifft die YOLO-Serie im Jahr 2021
- GitHub: Megvii-YOLOX-Repository
- Dokumentation: YOLOX-Dokumentation auf GitHub
YOLOX wurde von Forschenden bei Megvii entwickelt und schlug einen anderen Weg ein: Das Modell führte ein anchor-freies Design in die YOLO-Familie ein. Durch den Verzicht auf Ankerrahmen vereinfacht YOLOX den Erkennungskopf und reduziert die Anzahl heuristischer Parameter, die während des Trainings manuell angepasst werden müssen, erheblich.
YOLOX verwendet außerdem einen entkoppelten Kopf, der Klassifizierungs- und Regressionsaufgaben auf verschiedene Netzwerkzweige verteilt, sowie die SimOTA-Strategie zur Labelzuweisung. Diese Neuerungen schließen die Lücke zwischen akademischer Forschung und industriellen Anwendungen und machen YOLOX besonders effektiv in Umgebungen mit stark variierenden Objektgrößen.
Leistung und Metriken#
Bei der Bewertung von Computervisionsmodellen ist der Kompromiss zwischen der mittleren durchschnittlichen Präzision (mAP) und der Inferenzgeschwindigkeit entscheidend. Beide Modelle sind in verschiedenen Größen erhältlich (von Nano bis Extra-Large), um unterschiedlichen Hardwarebeschränkungen gerecht zu 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 |
| YOLOXnano | 416 | 25.8 | - | - | 0.91 | 1.08 |
| YOLOXtiny | 416 | 32.8 | - | - | 5.06 | 6.45 |
| YOLOXs | 640 | 40.5 | - | 2.56 | 9.0 | 26.8 |
| YOLOXm | 640 | 46.9 | - | 5.43 | 25.3 | 73.8 |
| YOLOXl | 640 | 49.7 | - | 9.04 | 54.2 | 155.6 |
| YOLOXx | 640 | 51.1 | - | 16.1 | 99.1 | 281.9 |
YOLOXx erzielt zwar eine geringfügig höhere Spitzengenauigkeit (51,1 mAP), doch YOLOv5 bietet eine ausgereiftere und breiter getestete Bereitstellungspipeline für CPU- und GPU-Hardware. Bei vergleichbarer Größe weist YOLOv5 außerdem eine geringere T4-TensorRT-Latenz als YOLOX auf und ist damit eine zuverlässige Wahl für Videoanalysen in Echtzeit.
Trainingsmethoden und Benutzerfreundlichkeit#
Die Entwicklererfahrung unterscheidet sich bei diesen beiden Architekturen erheblich.
Der YOLOX-Ansatz#
Für das Training von YOLOX musst du üblicherweise das ursprüngliche Repository klonen, bestimmte Abhängigkeiten verwalten und komplexe Befehlszeilenskripte ausführen. Das Modell unterstützt zwar fortgeschrittene Funktionen wie Training mit gemischter Genauigkeit und Setups mit mehreren Knoten über MegEngine, doch für Entwickler, die schnell Prototypen erstellen müssen, kann die Lernkurve steil sein.
Der Vorteil von Ultralytics#
Ultralytics legt dagegen Wert auf eine optimierte Benutzererfahrung. Mit dem Python-Paket ultralytics können Entwickler ein Modell mit minimalem Boilerplate-Code laden, trainieren und validieren. Ultralytics übernimmt automatisch die Datenerweiterung und die Planung der Lernrate und bietet eine integrierte Hyperparameteroptimierung.
from ultralytics import YOLO
# Ein vortrainiertes kleines YOLOv5-Modell laden
model = YOLO("yolov5su.pt") # YOLOv5u: ankerfreie YOLOv5-Gewichte für das ultralytics-Paket
# 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()Die Vielseitigkeit von YOLOv5 geht über die klassische Objekterkennung hinaus: Das ursprüngliche YOLOv5-Repository unterstützt Instanzsegmentierung und Bildklassifizierung, und das Paket ultralytics deckt diese Aufgaben mit neueren Modellen wie YOLO26 ab.
Nach Abschluss des Trainings lässt sich ein YOLOv5-Modell mit einem einzigen Aufruf wie model.export(format="onnx") nach ONNX, CoreML, LiteRT oder OpenVINO exportieren. Dadurch entfallen Konvertierungsskripte von Drittanbietern, die bei forschungsorientierten Repositories oft erforderlich sind.
Anwendungen in der Praxis#
Die Wahl zwischen diesen Modellen hängt von deiner Bereitstellungsumgebung und deinen technischen Anforderungen ab:
- Einzelhandel und Bestandsverwaltung: Für Anwendungen, die eine Produkterkennung in Echtzeit auf Edge-Geräten wie dem NVIDIA Jetson erfordern, eignet sich YOLOv5 gut. Der geringe Speicherbedarf und die schnellen TensorRT-Inferenzgeschwindigkeiten unterstützen Pipelines mit mehreren Kameras und Bildraten in Echtzeit.
- Akademische Forschung und benutzerdefinierte Architekturen: YOLOX genießt in der Forschungsgemeinschaft hohes Ansehen. Der entkoppelte Kopf und das anchor-freie Design machen das Modell zu einer ausgezeichneten Grundlage für Ingenieure, die neue Strategien zur Labelzuweisung erproben möchten, oder für die Arbeit mit Datensätzen, bei denen herkömmliche Ankerrahmen nicht gut verallgemeinern.
- KI in der Landwirtschaft: Bei Präzisionslandwirtschaftsaufgaben wie der Erkennung von Früchten oder der Identifizierung von Unkraut mithilfe von Drohnen ermöglicht das einfache Training und Bereitstellen von YOLOv5-Modellen über die Ultralytics Platform Fachleuten, KI-Lösungen umzusetzen, ohne über fundierte Kenntnisse im maschinellen Lernen verfügen zu müssen.
Anwendungsfälle und Empfehlungen#
Die Wahl zwischen YOLOv5 und YOLOX hängt von den spezifischen Anforderungen deines Projekts, den Bereitstellungsbeschränkungen und deinen Präferenzen für das Ökosystem 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 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#
YOLOv5 und YOLOX haben sich beide einen festen Platz in der Geschichte der Bildverarbeitung gesichert, doch das Feld entwickelt sich rasant weiter. Entwicklern, die heute neue Projekte starten, empfiehlt Ultralytics sein neuestes Modell YOLO26.
YOLO26 wurde im Januar 2026 veröffentlicht und stellt einen deutlichen Fortschritt bei Leistung und Benutzerfreundlichkeit dar. Das Modell bietet optional ein End-to-End-Design ohne NMS (über nms=False ausgewählt), das die Nachverarbeitung mit Non-Maximum Suppression entfernt. Dadurch werden Schwankungen bei der Latenz verringert und die Bereitstellungslogik auf Geräten mit geringem Stromverbrauch vereinfacht.
Darüber hinaus verwendet YOLO26 den MuSGD-Optimierer, eine von Innovationen beim Training von LLMs inspirierte Kombination aus SGD und Muon, die stabile und schnelle Konvergenz ermöglicht. Durch den Verzicht auf DFL (Distribution Focal Loss wird entfernt, was den Export vereinfacht und die Kompatibilität mit Edge-Geräten und Geräten mit geringem Stromverbrauch verbessert) erzielt YOLO26n eine bis zu 43 % schnellere CPU-Inferenz als YOLO11n. Damit ist YOLO26 eine starke Wahl für modernes Edge-Computing, Robotik und IoT-Anwendungen. Außerdem sorgt ProgLoss + STAL (Progressive Loss und eine Zuweisung von Labels, die kleine Ziele berücksichtigt) für deutliche Verbesserungen bei der Erkennung kleiner Objekte – entscheidend für IoT, Robotik und Luftaufnahmen. Wer sich für frühere Generationen interessiert, kann sich auch YOLO11 ansehen. Für neue Projekte wird jedoch YOLO26 empfohlen.
Fazit#
YOLOv5 und YOLOX bieten beide leistungsstarke Funktionen zur Objekterkennung. YOLOX zeigte 2021, dass ankerfreie Designs mit ankerbasierten Verfahren mithalten und diese übertreffen können. Dennoch ist YOLOv5 dank seiner Benutzerfreundlichkeit, seines umfassenden Ökosystems und des geringeren Speicherbedarfs beim Training weiterhin weit verbreitet.
Für die große Mehrheit kommerzieller Anwendungen bietet das Ultralytics-Ökosystem den schnellsten Weg vom Rohdatensatz zum bereitgestellten Produktionsmodell. Ob mit dem bewährten YOLOv5 oder nach einem Upgrade auf YOLO26 – Entwickler profitieren von einem Framework, das KI im Bereich Bildverarbeitung zugänglich und effizient macht.
Kommentare
Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.