Erste Schritte

YOLOv7 und YOLOX im Vergleich

Die Entwicklung der Computer Vision ist von rasanten Fortschritten bei der Objekterkennung in Echtzeit geprägt. Zwei wichtige Meilensteine sind YOLOv7 und YOLOX. Beide Modelle verbesserten Geschwindigkeit und Genauigkeit, verfolgten jedoch unterschiedliche Architekturansätze. Dieser Leitfaden vergleicht die beiden Modelle technisch, damit du die passende Architektur für deine Computer-Vision-Projekte auswählen kannst.

Einführung in die Modelle#

Um diese Modelle effektiv in modernen Abläufen des maschinellen Lernens einzusetzen, ist es wichtig, ihre Ursprünge und grundlegenden Designentscheidungen zu verstehen.

YOLOv7-Details#

YOLOv7 wurde von den Forschenden entwickelt, die die CSPNet- und Scaled-YOLOv4-Architekturen betreuten. Das Modell führte einen „trainierbaren Bag-of-Freebies“-Ansatz ein, um die Genauigkeit ohne höhere Inferenzkosten zu maximieren.

Mehr über YOLOv7 erfahren

Details zu YOLOX#

YOLOX schlug einen anderen Weg ein und kehrte zur ankerfreien Erkennung zurück. So wurde die Kopfarchitektur vereinfacht, während die hohe Leistung erhalten blieb.

Mehr über YOLOX erfahren

Architekturunterschiede und Innovationen#

Die wesentlichen Unterschiede zwischen YOLOv7 und YOLOX liegen in ihren Ansätzen zur Merkmalsextraktion, Begrenzungsrahmenvorhersage und Labelzuweisung.

YOLOX: Vorreiter der ankerfreien Detektion#

YOLOX führte ein ankerfreies Design in die YOLO-Familie ein. Herkömmliche Detektoren mit Ankern erfordern eine heuristische Abstimmung der Ankerbox-Clusterbildung, die stark vom Datensatz abhängen kann. Durch den Verzicht auf Ankerboxen verringerte YOLOX die Zahl der Designparameter deutlich. YOLOX verwendet außerdem einen entkoppelten Kopf, der Klassifizierungs- und Lokalisierungsaufgaben auf getrennte Netzwerkzweige verteilt. Dadurch wird der Konflikt zwischen der Klassifizierung eines Objekts und der Regression seiner räumlichen Koordinaten verringert. Darüber hinaus integriert YOLOX fortgeschrittene Strategien für die Labelzuweisung wie SimOTA, das während des Trainings positive Beispiele dynamisch zuweist.

YOLOv7: Erweiterte effiziente Ebenenaggregation#

YOLOv7, ein Jahr später veröffentlicht, behielt das Design mit Ankern bei, führte aber das Extended Efficient Layer Aggregation Network (E-ELAN) ein. E-ELAN optimiert die Länge der Gradientenpfade, damit das Netzwerk über verschiedene Tiefen hinweg effektiv lernt. Die Architektur setzt stark auf Reparametrisierung und führt zur Inferenzzeit Faltungsebenen zusammen, um die Geschwindigkeit zu erhöhen, ohne die Genauigkeit zu beeinträchtigen. Die Strategie der „kostenlosen Verbesserungen“ von YOLOv7 umfasst geplante reparametrisierte Faltungen und eine grob-zu-feine, vom führenden Modell gesteuerte Labelzuweisung. Dadurch steigt die mittlere durchschnittliche Präzision (mAP) des Modells.

Mit Ankern und ohne Anker

YOLOX vereinfachte Bereitstellungsabläufe durch seinen ankerfreien Ansatz. Moderne Ultralytics-Architekturen haben diesen Ansatz inzwischen weiterentwickelt und verzichten bei neueren Generationen auf vordefinierte Rahmen.

Leistungsvergleich#

Bei der Bewertung dieser Modelle für den Produktionseinsatz ist es wichtig, Genauigkeit und Recheneffizienz auszubalancieren. Die folgende Tabelle veranschaulicht die Kompromisse und hebt die besten Leistungskennzahlen fett hervor.

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
YOLOXnano41625.8--0.911.08
YOLOXtiny41632.8--5.066.45
YOLOXs64040.5-2.569.026.8
YOLOXm64046.9-5.4325.373.8
YOLOXl64049.7-9.0454.2155.6
YOLOXx64051.1-16.199.1281.9

Wie oben zu sehen ist, erzielt YOLOv7x in diesem Vergleich den höchsten mAP und ist damit die genaueste Option für komplexe Datensätze. YOLOX-Nano hingegen richtet sich an Geräte mit extrem begrenzten Ressourcen. Beide Modellfamilien können beim Training mehr Speicher benötigen als neuere Ultralytics-Architekturen.

Trainingsmethoden und Ökosystem#

Für Forschende und Entwickelnde ist die einfache Implementierung ein entscheidender Faktor. Ältere YOLO-Versionen erforderten traditionell eigene Trainingsskripte und eine komplexe Verwaltung von Abhängigkeiten.

Die Vorteile des Ultralytics-Ökosystems#

YOLOv7 und YOLOX werden nicht nativ vom Ultralytics-Python-Paket unterstützt. Für neue Projekte ist ein Ultralytics-YOLO-Modell im gut gepflegten Ultralytics-Ökosystem der effektivste Weg. Ultralytics stellt eine einheitliche Python-API bereit, die Training, Validierung und Bereitstellung vereinfacht.

  • Benutzerfreundlichkeit: Mit wenigen Codezeilen startest du einen Trainingslauf und verkürzt so die Lernkurve im Vergleich zu direkten PyTorch-Implementierungen.
  • Trainingseffizienz: Ultralytics-YOLO-Modelle benötigen beim Training in der Regel weniger Speicher als Transformer-Modelle wie RT-DETR. So sind größere Batch-Größen auf handelsüblicher Hardware möglich.
  • Vielseitigkeit: Über Begrenzungsrahmen hinaus unterstützt dieselbe API Aufgaben wie Instanzsegmentierung und Posenschätzung.

Das folgende ausführbare Beispiel trainiert und exportiert ein Modell mit der Ultralytics-API:

from ultralytics import YOLO

# Ein vortrainiertes Modell laden
model = YOLO("yolov8n.pt")  # Sofort verfügbare Gewichte für schnelles Transferlernen

# Das Modell effizient mit deinen eigenen Daten trainieren
results = model.train(
    data="coco8.yaml",
    epochs=100,
    imgsz=640,
    batch=16,
    device="0",  # Verwende die erste CUDA-GPU
)

# Exportiere nach ONNX oder TensorRT
model.export(format="onnx")

Mit einer standardisierten Exportpipeline können Entwicklerinnen und Entwickler ihre Gewichte in Formate wie TensorRT oder ONNX konvertieren, um die Inferenz auf der Zielhardware zu beschleunigen.

Ideale Anwendungsfälle und praktische Einsatzgebiete#

Die Wahl zwischen YOLOX und YOLOv7 hängt weitgehend von den Zielplattformen ab:

  • YOLOX für Edge-KI: Die Varianten YOLOX-Nano und YOLOX-Tiny eignen sich hervorragend für den Einsatz auf Geräten mit geringem Stromverbrauch. Wenn du eine intelligente Überwachungskamera auf einem Raspberry Pi entwickelst, lassen sich die einfachen anchorfreien Faltungen von YOLOX problemlos auf Edge-Beschleuniger übertragen.
  • YOLOv7 für präzise Analysen: Wenn du hochauflösende Satellitenbilder verarbeitest oder eine komplexe Qualitätskontrolle in der Fertigung durchführst, hilft der hohe mAP von YOLOv7x auf leistungsstarken NVIDIA-GPUs dabei, kleine Abweichungen zu erkennen.

Die Zukunft: Umstieg auf Ultralytics YOLO26#

YOLOv7 und YOLOX waren bei ihrer Veröffentlichung wegweisend, doch das Feld hat sich seitdem erheblich weiterentwickelt. Für neue Bereitstellungen empfiehlt Ultralytics Ultralytics YOLO26, veröffentlicht im Januar 2026. Das Modell baut auf diesen Architekturlektionen auf und ist für den Produktionseinsatz ausgelegt.

Zu den wichtigsten Verbesserungen gehören:

  • End-to-End-Design ohne NMS: Der optionale One-to-One-Kopf von YOLO26 (nms=False) macht die Nicht-Maximum-Unterdrückung (NMS) während der Nachverarbeitung überflüssig. Dieser Ansatz wurde durch YOLOv10 in YOLO-Modelle eingeführt, hält die Latenz dauerhaft niedrig und vereinfacht die Bereitstellung auf Geräten, die NMS nicht effizient unterstützen.
  • Entfernung von DFL: Durch das Entfernen des Distribution Focal Loss wird die Kompatibilität mit stromsparenden Edge-Geräten verbessert und der ONNX-Export vereinfacht.
  • MuSGD-Optimierer: Inspiriert vom Training großer Sprachmodelle verwendet YOLO26 MuSGD, eine Kombination aus SGD und Muon, um die Konvergenz zu beschleunigen und das Training stabiler zu machen.
  • Bis zu 43 % schnellere CPU-Inferenz: Bei der CPU-Inferenz mit ONNX läuft YOLO26n bis zu 43 % schneller als YOLO11n. Daher eignet sich das Modell gut für Standard-CPUs ohne dedizierte GPU-Infrastruktur.
  • ProgLoss + STAL: Progressive Loss und eine auf kleine Objekte abgestimmte Labelzuweisung verbessern die Erkennung kleiner Objekte. Das ist entscheidend für Luftbilder, etwa im VisDrone-Datensatz, und für IoT-Kameranetzwerke.

Für Teams, die mit Objekterkennung, Segmentierung und anderen Aufgaben arbeiten, bietet die Ultralytics Platform einen zentralen Ort zum Annotieren von Daten, Trainieren und Bereitstellen von Modellen.

Fazit#

YOLOX und YOLOv7 führten beide Verfahren ein, die die quelloffene Vision-KI prägten. YOLOX zeigte, dass entkoppelte Köpfe ohne Anker funktionieren, während YOLOv7 den Wert durchdachter Gradientenpfade und der Reparametrisierung demonstrierte. Heute kannst du im Ultralytics-Ökosystem mit modernen Ultralytics-YOLO-Modellen auf diesen Ideen aufbauen. Für neue Computer-Vision-Anwendungen wird YOLO26 empfohlen.

Mitwirkende

Kommentare

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