YOLOv7 im Vergleich zu EfficientDet
Die Wahl der richtigen neuronalen Netzwerkarchitektur ist die Grundlage jedes erfolgreichen Computer-Vision-Projekts. Dieser Leitfaden vergleicht zwei wegweisende Modelle aus der Geschichte der Objekterkennungsarchitekturen im Detail: YOLOv7 und EfficientDet. Durch die Untersuchung ihrer Architekturinnovationen, Trainingsmethoden und idealen Bereitstellungsszenarien können Entwicklerinnen und Entwickler fundierte Entscheidungen treffen. Außerdem wird erläutert, wie Ultralytics YOLO26 beide Modelle verbessert.
Ursprung der Modelle und technische Details#
Beide Modelle wurden von renommierten Forschungsteams entwickelt und brachten bedeutende Fortschritte im Bereich des maschinellen Lernens.
YOLOv7
- Autoren: Chien-Yao Wang, Alexey Bochkovskiy und Hong-Yuan Mark Liao
- Organisation: Institut für Informationswissenschaft, Academia Sinica, Taiwan
- Datum: 2022-07-06
- arXiv: YOLOv7: Trainierbare Bag-of-Freebies erzielen neuen Stand der Technik bei Echtzeit-Objektdetektoren
- GitHub: WongKinYiu/yolov7
- Dokumentation: Ultralytics-YOLOv7-Dokumentation
EfficientDet
- Autoren: Mingxing Tan, Ruoming Pang und Quoc V. Le
- Organisation: Google Research
- Datum: 2019-11-20
- arXiv: EfficientDet: Skalierbare und effiziente Objekterkennung
- GitHub: Google AutoML EfficientDet
Weitere Informationen zu EfficientDet
Architektonische Unterschiede und ausgewogene Analyse#
Für eine effektive Modellbereitstellung ist es entscheidend, die grundlegenden strukturellen Unterschiede zwischen diesen Netzwerken zu verstehen.
EfficientDet: zusammengesetzte Skalierung und BiFPN#
EfficientDet wurde im TensorFlow-Ökosystem entwickelt und führte einen systematischen Ansatz zur Modellskalierung ein. Anstatt das Netzwerk willkürlich zu verbreitern oder zu vertiefen, verwendeten Google-Forscher eine Methode zur kombinierten Skalierung, bei der Auflösung, Tiefe und Breite gleichmäßig skaliert werden.
Außerdem führte EfficientDet das bidirektionale Feature-Pyramid-Netzwerk (BiFPN) ein. Diese Variante eines Feature-Pyramid-Netzwerks ermöglicht eine schnelle Fusion von Merkmalen aus mehreren Maßstäben.
Stärken: Sehr parameterEffizient und erzielt eine starke mittlere durchschnittliche Präzision (mAP) bei weniger FLOPs als viele vergleichbare Modelle. Schwächen: Stützt sich stark auf ältere AutoML-Suchstrategien. Die Integration in moderne, dynamische PyTorch-Arbeitsabläufe kann umständlich sein, und die Latenz auf Edge-Geräten ist trotz der niedrigen FLOP-Zahlen oft höher als erwartet.
YOLOv7: Trainierbare Sammlung kostenloser Verbesserungen#
YOLOv7 legte den Schwerpunkt auf Echtzeitinferenz und Trainingsoptimierung. Das Modell führte das Konzept eines erweiterten effizienten Layer-Aggregationsnetzwerks (E-ELAN) ein. So kann es kontinuierlich vielfältigere Merkmale erlernen, ohne den ursprünglichen Gradientenpfad zu zerstören. YOLOv7 verwendete außerdem eine als „trainierbare kostenlose Verbesserungen“ bezeichnete Technik, die die Erkennungsgenauigkeit erhöht, ohne die Inferenzkosten zu steigern.
Stärken: Hohe Verarbeitungsgeschwindigkeit und geringe Inferenzlatenz, wodurch sich das Modell ideal für Videostreams mit hoher Bildrate eignet. Schwächen: Trotz seiner hohen Leistungsfähigkeit nutzt es weiterhin Ankerboxen und benötigt bei der Nachverarbeitung Nichtmaximalunterdrückung (NMS). In sehr überfüllten Szenen kann dadurch ein Latenzengpass entstehen.
Bei der Bewertung von Modellen ist das zugehörige Ökosystem ebenso wichtig wie die Architektur. Die integrierte Ultralytics Platform bietet eine einheitliche API, eine ausführliche Dokumentation und Unterstützung durch eine aktive Community. Diese einheitliche Umgebung benötigt beim Training in der Regel weniger Speicher als große Transformer-Modelle. Das beschleunigt die Prototypentwicklung und die Versuchsverfolgung.
Leistungskennzahlen und Benchmarks#
Die folgende Tabelle stellt wichtige Leistungskennzahlen gegenüber und hilft Entwicklern, die Kompromisse zwischen Geschwindigkeit, Parameteranzahl und Genauigkeit abzuwägen.
| Modell | Größe (Pixel) | mAPval50-95 | Geschwindigkeit CPU ONNX (ms) | Geschwindigkeit T4 TensorRT10 (ms) | Parameter (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
| EfficientDet-d0 | 512 | 34.6 | - | 3.92 | 3.9 | 2.54 |
| EfficientDet-d1 | 640 | 40.5 | - | 7.31 | 6.6 | 6.1 |
| EfficientDet-d2 | 768 | 43.0 | - | 10.92 | 8.1 | 11.0 |
| EfficientDet-d3 | 896 | 47.5 | - | 19.59 | 12.0 | 24.9 |
| EfficientDet-d4 | 1024 | 49.7 | - | 33.55 | 20.7 | 55.2 |
| EfficientDet-d5 | 1280 | 51.5 | - | 67.86 | 33.7 | 130.0 |
| EfficientDet-d6 | 1280 | 52.6 | - | 89.29 | 51.9 | 226.0 |
| EfficientDet-d7 | 1536 | 53.7 | - | 128.07 | 51.9 | 325.0 |
Wie zu sehen ist, erzielt EfficientDet-d7 zwar einen hohen mAP, liegt bei der TensorRT-Geschwindigkeit jedoch deutlich hinter den YOLOv7-Varianten zurück. Das unterstreicht den Vorteil von YOLOv7 bei der GPU-beschleunigten Objekterkennung in Echtzeit.
Die Entwicklung der Objekterkennung: YOLO26#
YOLOv7 und EfficientDet legten zwar wichtige Grundlagen, doch die Landschaft der Vision-KI entwickelt sich rasant weiter. Für moderne Anwendungen, die höchste Effizienz und Genauigkeit erfordern, empfiehlt sich das im Januar 2026 veröffentlichte YOLO26.
YOLO26 behebt Einschränkungen früherer Generationen und bietet umfassende Vielseitigkeit bei der Objekterkennung, Instanzsegmentierung, semantischen Segmentierung, Tiefenschätzung, Bildklassifizierung, Posenschätzung und der Erkennung orientierter Begrenzungsrahmen (OBB).
Wichtige Neuerungen in YOLO26#
- End-to-End-Design ohne NMS: YOLO26 bietet optional einen One-to-One-Kopf (
nms=False), der die Nachverarbeitung mit Nicht-Maximum-Unterdrückung (NMS) überspringt. Dieser Ansatz wurde durch YOLOv10 in YOLO-Modelle eingeführt und vereinfacht die Bereitstellungslogik. Außerdem bleibt die Latenz unabhängig von der Objektdichte konstant. - Entfernung von DFL: Durch den Wegfall von Distribution Focal Loss (DFL) wird die Modellarchitektur vereinfacht und die Kompatibilität mit stark eingeschränkten Umgebungen für Edge Computing verbessert.
- Bis zu 43 % schnellere CPU-Inferenz: YOLO26n läuft auf der CPU bis zu 43 % schneller als YOLO11n und eignet sich daher gut für Hardware ohne dedizierte GPUs.
- MuSGD-Optimierer: Dieser von Techniken für große Sprachmodelle inspirierte Hybrid aus SGD und Muon (wie etwa Moonshot AIs Kimi K2) sorgt für stabileres Training und schnellere Konvergenz beim Training für Computer Vision.
- ProgLoss + STAL: Der progressive Loss und die zielgrößenbewusste Label-Zuweisung verbessern die Erkennung kleiner Objekte – wichtig für Luftbilder und Drohnenanwendungen.
- Aufgabenspezifische Verbesserungen: Dazu gehören ein Loss für die semantische Segmentierung und ein Proto mit mehreren Maßstäben für Segmentierungsaufgaben, Residual Log-Likelihood Estimation (RLE) für die Posenschätzung sowie ein spezieller Winkelloss zur Behebung von Problemen an den Begrenzungen orientierter Begrenzungsrahmen (OBB).
Teams, die derzeit Altsysteme verwenden, können mit der Ultralytics Platform zu einem optimierten Workflow wechseln, in dem sich diese Modelle mühelos trainieren und bereitstellen lassen. Je nach Anforderungen an die Abwärtskompatibilität können Entwickler auch frühere Generationen wie YOLO11 und YOLOv8 in Betracht ziehen.
Optimiertes Training und einfache Nutzung#
Eine der prägenden Eigenschaften von Ultralytics-Modellen ist ihre Benutzerfreundlichkeit. Anders als die komplexe Einrichtung mit zahlreichen Abhängigkeiten, die für die TensorFlow-AutoML-Umgebungen von EfficientDet erforderlich ist, bietet Ultralytics eine einfache, Python-typische API.
Diese Umgebung hält den CUDA-Speicherverbrauch während des Trainings niedrig und ermöglicht so das Training großer Datensätze ohne die Out-of-Memory-Fehler (OOM), die bei Transformer-basierten Architekturen häufig auftreten.
Codebeispiel: Erste Schritte mit Ultralytics#
Das folgende Codebeispiel zeigt, wie Entwickler das Ultralytics-Paket nutzen können, um ein YOLO26-Modell direkt einsatzbereit zu trainieren.
from ultralytics import YOLO
# Initialize a YOLO26 nano model for object detection
model = YOLO("yolo26n.pt")
# Train the model on the COCO8 example dataset
results = model.train(
data="coco8.yaml",
epochs=100,
imgsz=640,
device=0, # GPU index; use device='cpu' to train on CPU
batch=16,
)
# Validate the model's performance
metrics = model.val()
print(f"Validation mAP50-95: {metrics.box.map}")
# Export the model for edge deployment (e.g., OpenVINO for CPU optimization)
model.export(format="openvino")Ideale Anwendungsfälle und praktische Einsatzgebiete#
Bei der Entwicklung einer Lösung ist es wichtig, die Stärken des Modells auf den konkreten Anwendungsfall abzustimmen.
Wann du EfficientDet verwenden solltest#
EfficientDet kommt weiterhin für ältere akademische Forschungsprojekte oder Umgebungen infrage, die strikt an das Google Cloud-Ökosystem gebunden sind und in denen Experimente zur kombinierten Skalierung im Mittelpunkt stehen. Die kleineren Varianten (d0–d2) sind hilfreich, wenn der verfügbare Speicherplatz stark begrenzt ist.
Wann du YOLOv7 verwenden solltest#
YOLOv7 eignet sich hervorragend für leistungsstarke ältere Systeme, insbesondere wenn die PyTorch-Integration TensorFlow vorgezogen wird. Das Modell wird nach wie vor häufig eingesetzt für:
- Videoanalyse: Verarbeitung von Sicherheitsvideostreams mit hoher Bildrate, wenn ausreichend GPU-Beschleunigung verfügbar ist.
- Industrielle Inspektion: Erkennung von Fehlern auf schnell laufenden Fertigungslinien.
Wann du YOLO26 wählen solltest#
Für neue Bereitstellungen empfiehlt sich YOLO26. Die ausgewogene Leistung und das gut gepflegte Ökosystem machen das Modell zu einer guten Wahl für:
- Smarte Städte und Verkehrsmanagement: Der optionale NMS-freie Head sorgt bei der Inferenz für gleichbleibende Latenz und unterstützt so die Echtzeit-Verkehrssteuerung.
- Robotik und autonome Systeme: Die bis zu 43 % schnellere CPU-Inferenz von YOLO26n im Vergleich zu YOLO11n trägt dazu bei, dass die Navigation auf eingebetteten Geräten reaktionsschnell bleibt.
- Landwirtschaftliche und luftgestützte Überwachung: ProgLoss und STAL helfen dabei, kleine Objekte wie bestimmte Nutzpflanzen oder Wildtiere in Aufnahmen aus großer Höhe zu erkennen.
Zusammenfassend bieten EfficientDet und YOLOv7 zwar wertvollen historischen Kontext und eignen sich für bestimmte Nischenanwendungen, doch Entwickler im modernen Bereich Computer Vision profitieren am meisten von der Ultralytics-YOLO26-Architektur, die frühere Engpässe bei der Bereitstellung, der CPU-Geschwindigkeit und der Genauigkeit bei kleinen Objekten behebt.
Kommentare
Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.