Erste Schritte

YOLOv7 im Vergleich zu YOLOv10

Der Bereich Computer Vision hat sich in den vergangenen Jahren rasant weiterentwickelt. Die YOLO-Modellfamilie (You Only Look Once, „Du siehst nur einmal“) treibt dabei den Fortschritt bei der Objekterkennung in Echtzeit voran. Für die Wahl der passenden Architektur für deine Computer-Vision-Projekte musst du die verfügbaren Optionen genau kennen. Dieser technische Vergleich behandelt die wichtigsten Unterschiede zwischen zwei wegweisenden Architekturen: YOLOv7 und YOLOv10.

Einführung in die Modelle#

Beide Modelle sind bedeutende Meilensteine in der Objekterkennung, verfolgen jedoch grundlegend unterschiedliche Ansätze zur Bewältigung der Herausforderungen bei der Objekterkennung.

YOLOv7: Wegbereiter der Bag-of-Freebies#

YOLOv7 wurde am 6. Juli 2022 von den Forschern Chien-Yao Wang, Alexey Bochkovskiy und Hong-Yuan Mark Liao vom Institute of Information Science der Academia Sinica veröffentlicht und führte neue Methoden zur Optimierung von Echtzeitdetektoren ein. Die in ihrem wissenschaftlichen Artikel ausführlich beschriebene und im offiziellen GitHub-Repository veröffentlichte Forschung konzentrierte sich stark auf architektonische Reparametrisierung und trainierbare „kostenlose Verbesserungen“.

YOLOv7 nutzt ein erweitertes effizientes Layer-Aggregationsnetzwerk (E-ELAN), das dem Netzwerk hilft, vielfältige Merkmale zu erlernen, ohne den ursprünglichen Gradientenpfad zu beeinträchtigen. Dadurch eignet es sich gut für akademische Forschungsbenchmarks und Systeme, die stark auf herkömmliche High-End-GPUs angewiesen sind.

Mehr über YOLOv7 erfahren

YOLOv10: End-to-End-Erkennung in Echtzeit#

YOLOv10 wurde von Ao Wang und Kollegen an der Tsinghua-Universität entwickelt und am 23. Mai 2024 veröffentlicht. Wie in der arXiv-Veröffentlichung und im GitHub-Repository der Tsinghua-Universität ausführlich beschrieben, beseitigt das Modell einen seit Langem bestehenden Engpass bei der Objekterkennung: die Nicht-Maximum-Unterdrückung (NMS).

YOLOv10 führte konsistente duale Zuordnungen für das Training ohne NMS ein und veränderte damit die Nachverarbeitung. Das ganzheitliche, an Effizienz und Genauigkeit ausgerichtete Modelldesign verringert redundante Berechnungen. Dadurch eignet sich die Architektur gut für Edge-Geräte, bei denen eine geringe Latenz erforderlich ist.

Mehr über YOLOv10 erfahren

NMS-freie Architektur

Durch den Wegfall von Non-Maximum Suppression (NMS) in YOLOv10 lässt sich das gesamte Modell als einzelner Berechnungsgraph exportieren. Das vereinfacht die Bereitstellung mit Laufzeitumgebungen wie TensorRT oder OpenVINO.

Leistungs- und Metrikvergleich#

Bei der Analyse der Modellleistung müssen die Kompromisse zwischen Genauigkeit, Geschwindigkeit und Rechenaufwand berücksichtigt werden. Die folgende Tabelle vergleicht die verschiedenen Größen dieser Modelle.

ModellGröße
(Pixel)
mAPval50-95Geschwindigkeit
CPU ONNX
(ms)
Geschwindigkeit
T4 TensorRT10
(ms)
Parameter
(M)
FLOPs
(B)
YOLOv7l64051.4-6.8436.9104.7
YOLOv7x64053.1-11.5771.3189.9
YOLOv10n64038.5-1.842.36.7
YOLOv10s64046.3-2.497.221.6
YOLOv10m64051.1-4.7415.459.1
YOLOv10b64052.5-5.7419.192.0
YOLOv10l64053.2-7.2824.4120.3
YOLOv10x64054.4-10.7029.5160.4

Abwägungen im Vergleich#

Die obigen Kennzahlen zeigen einen deutlichen Generationsunterschied. YOLOv7x erzielt zwar einen starken mAPval50-95 von 53,1 %, benötigt dafür aber 71,3 Mio. Parameter und 189,9 Mrd. FLOPs. YOLOv10l übertrifft diese Genauigkeit mit 53,2 % mAP bei nur etwa einem Drittel der Parameter (24,4 Mio.) und deutlich weniger FLOPs (120,3 Mrd.). Außerdem läuft YOLOv10n mit TensorRT auf einer T4-GPU in 1,84 ms und eignet sich damit gut für Videoanalysen in Echtzeit und mobile Anwendungen.

Anwendungsfälle in der Praxis#

Die architektonischen Unterschiede zwischen diesen Modellen bestimmen, für welche Einsatzbereiche sie sich am besten eignen.

Wann du YOLOv7 verwenden solltest#

Die umfangreiche Merkmalsrepräsentation von YOLOv7 eignet sich für komplexe Szenen auf GPU-Hardware. Anwendungsfälle wie die Überwachung des Verkehrsflusses in dicht besiedelten Stadtgebieten, die Analyse von Satellitenbildern oder die Erkennung von Fehlern in der schweren Fertigungsautomatisierung können von der reparametrisierten Architektur profitieren. Auch in älteren Umgebungen, die auf bestimmten PyTorch-1.x-Pipelines basieren, kommt das Modell weiterhin häufig zum Einsatz.

Wann du YOLOv10 verwenden solltest#

Das NMS-freie, leichtgewichtige Design von YOLOv10 eignet sich für Umgebungen mit begrenzten Ressourcen, darunter Edge-Computing-Geräte wie NVIDIA-Jetson-Module oder ein Raspberry Pi. Dank seiner niedrigen Latenz eignet sich das Modell gut für dynamische Anwendungen wie Sportanalysen, die autonome Navigation von Drohnen und das schnelle robotergestützte Sortieren auf Förderbändern.

Die Vorteile des Ultralytics-Ökosystems#

Obwohl beide Modelle starke akademische Wurzeln haben, lässt sich YOLOv10 am einfachsten innerhalb des Ultralytics-Ökosystems und auf der Ultralytics Platform trainieren und bereitstellen. Die Entwicklung von Computer-Vision-Modellen von Grund auf ist anspruchsvoll, und das Ultralytics-Ökosystem vereinfacht den Arbeitsablauf für Machine-Learning-Ingenieure.

  • Benutzerfreundlichkeit: Die Ultralytics-Python-API bietet eine einheitliche Schnittstelle. Du kannst Modelle mit nur wenigen Codezeilen trainieren, validieren und exportieren und so die in wissenschaftlichen Repositories häufigen Abhängigkeitskonflikte vermeiden.
  • Gepflegtes Ökosystem: Die Codebasis von Ultralytics wird aktiv weiterentwickelt. Nutzer profitieren von Integrationen mit beliebten ML-Tools wie Weights & Biases für die Protokollierung oder Gradio für schnelle Web-Demos.
  • Speicherbedarf: Transformer-basierte Objektdetektoren benötigen beim Training häufig viel CUDA-Speicher. Im Gegensatz dazu brauchen Ultralytics-YOLO-Modelle deutlich weniger Speicher, sodass auf Hardware für Endverbraucher wesentlich größere Batchgrößen möglich sind.
  • Vielseitigkeit: Die Ultralytics-Pipeline ist nicht auf standardmäßige Begrenzungsrahmen beschränkt. Sie unterstützt Instanzsegmentierung, Bildklassifizierung, Posenschätzung und orientierte Begrenzungsrahmen für unterstützte Modellfamilien wie YOLO11 und YOLOv8.

Vereinfachtes Trainingsbeispiel#

Mit Ultralytics eine Trainingspipeline auszuführen, ist unkompliziert. Ob du die NMS-freie Geschwindigkeit von YOLOv10 oder ein anderes unterstütztes Modell nutzt – die Syntax bleibt gleich (beachte, dass das Ultralytics-Paket das Training von YOLOv7 nicht unterstützt):

from ultralytics import YOLO

# Lade das bevorzugte Modell (z. B. YOLOv10 Nano)
model = YOLO("yolov10n.pt")

# Das Modell mit dem COCO8-Datensatz trainieren
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Führe eine Inferenzvorhersage für ein Beispielbild aus
predictions = model.predict("https://ultralytics.com/images/bus.jpg")

# Exportiere das Modell in ein Edge-freundliches Format wie ONNX
model.export(format="onnx")

Anwendungsfälle und Empfehlungen#

Die Wahl zwischen YOLOv7 und YOLOv10 hängt von den konkreten Anforderungen deines Projekts, den Einschränkungen bei der Bereitstellung und deinen Präferenzen für das Ökosystem ab.

Wann du YOLOv7 wählen solltest#

YOLOv7 eignet sich besonders für:

  • Akademische Benchmarks: Reproduktion des Stands der Technik von 2022 oder Untersuchung der Auswirkungen von E-ELAN und Techniken mit trainierbaren Bündeln kostenloser Verbesserungen.
  • Reparametrisierungsforschung: Untersuchung geplanter reparametrisierter Faltungen und Strategien zur zusammengesetzten Modellskalierung.
  • Bestehende benutzerdefinierte Pipelines: Projekte mit stark angepassten Pipelines auf Basis der spezifischen YOLOv7-Architektur, die sich nicht ohne Weiteres umgestalten lassen.

Wann du YOLOv10 wählen solltest#

YOLOv10 empfiehlt sich für:

  • Echtzeiterkennung ohne NMS: Anwendungen, die von einer durchgängigen Erkennung ohne Non-Maximum Suppression profitieren und dadurch die Komplexität der Bereitstellung verringern.
  • Ausgewogenes Verhältnis von Geschwindigkeit und Genauigkeit: Projekte, die über verschiedene Modellgrößen hinweg ein ausgewogenes Verhältnis zwischen Inferenzgeschwindigkeit und Erkennungsgenauigkeit erfordern.
  • Anwendungen mit gleichbleibender Latenz: Bereitstellungsszenarien, in denen vorhersehbare Inferenzzeiten entscheidend sind, etwa in der Robotik oder bei autonomen Systemen.

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: YOLO26 im Überblick#

YOLOv7 und YOLOv10 sind zwar beeindruckende Meilensteine, doch die Grenzen der KI verschieben sich ständig. Ultralytics YOLO26, veröffentlicht im Januar 2026, ist das empfohlene Modell für Effizienz und Genauigkeit bei Bereitstellungen am Netzwerkrand und in der Cloud.

Wenn du heute ein neues Computer-Vision-Projekt startest, ist YOLO26 die empfohlene Architektur. Das Modell baut mit mehreren Neuerungen auf seinen Vorgängern auf:

  • End-to-End-NMS-freies Design: Inspiriert von YOLOv10 überspringt der optionale One-to-One-Kopf von YOLO26 (nms=False) die NMS-Nachverarbeitung und sorgt so für eine geringere und gleichmäßigere Latenz in der Echtzeitrobotik.
  • Bis zu 43 % schnellere CPU-Inferenz: Durch das Entfernen des Verteilungs-Fokussierungsverlust-Moduls (DFL) beschleunigt YOLO26 die Ausführung auf Edge-Hardware ohne GPU. YOLO26n läuft auf der CPU bis zu 43 % schneller als YOLO11n und eignet sich damit gut für IoT-Geräte.
  • MuSGD-Optimierer: Inspiriert von jüngsten Neuerungen beim Training großer Sprachmodelle kombiniert YOLO26 SGD und Muon zu einem hybriden Verfahren für stabileres Training und schnellere Konvergenz.
  • ProgLoss + STAL: Der progressive Verlust und die zielgrößenbewusste Zuweisung von Labels verbessern die Erkennung kleiner Objekte und überwinden so eine frühere Schwäche älterer YOLO-Generationen.
  • Vielseitigkeit bei mehreren Aufgaben: YOLO26 unterstützt Erkennung, Instanzsegmentierung, semantische Segmentierung, Tiefenschätzung, Klassifizierung, Posenschätzung und OBB. Dazu kommen aufgabenspezifische Optimierungen wie die Schätzung der Residual-Log-Likelihood (RLE) für die Posenschätzung und spezielle Winkelfunktionen für die präzise OBB-Erkennung in Luftbildern.

Für Ingenieure, die das beste Gleichgewicht zwischen Geschwindigkeit, Genauigkeit und einfacher Bereitstellung suchen, ist YOLO26 das naheliegende Upgrade von älteren Modellen.

Mitwirkende

Kommentare

Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.