Erste Schritte

YOLOv8 vs. RTDETRv2

Die Landschaft der Computer Vision entwickelt sich ständig weiter, und neue Architekturen erweitern die Möglichkeiten der Objekterkennung in Echtzeit. Zwei bekannte Modelle, die viel Aufmerksamkeit auf sich gezogen haben, sind Ultralytics YOLOv8 und Baidus RTDETRv2. Dieser Leitfaden vergleicht die beiden Modelle technisch und untersucht ihre Architekturen, Leistungskennzahlen und idealen Einsatzszenarien.

Überblick über YOLOv8#

Ultralytics YOLOv8 ist ein wichtiger Meilenstein in der YOLO-Modellfamilie (You Only Look Once) und vereint Geschwindigkeit, Genauigkeit und einfache Bedienung für eine Vielzahl von Aufgaben.

Wichtige Merkmale:

Architektur und Stärken#

YOLOv8 bietet eine optimierte Architektur, die sowohl die Merkmalsextraktion als auch die Regression der Begrenzungsrahmen verbessert. Als ankerfreier Detektor vereinfacht das Modell den Vorhersagekopf und reduziert die Zahl der während des Trainings erforderlichen Anpassungen von Hyperparametern. So erzielt YOLOv8 ein ausgewogenes Verhältnis zwischen Inferenzgeschwindigkeit und mittlerer durchschnittlicher Präzision (mAP) und eignet sich damit für den Praxiseinsatz sowohl auf Edge-Geräten als auch auf Cloud-Servern.

YOLOv8 hat beim Training außerdem einen geringeren Speicherbedarf als transformerbasierte Architekturen. Entwickler können Modelle daher auf handelsüblichen GPUs trainieren, ohne dass ihnen der Speicher ausgeht.

Vielseitigkeit#

Eine der größten Stärken von YOLOv8 ist seine von Haus aus gegebene Vielseitigkeit. Während sich viele Modelle ausschließlich auf Begrenzungsrahmen konzentrieren, unterstützt YOLOv8 direkt die Objekterkennung, Instanzsegmentierung, Bildklassifizierung, Posenschätzung und die Erkennung orientierter Begrenzungsrahmen (OBB).

Überblick über RTDETRv2#

RTDETRv2 (Echtzeit-Erkennungstransformer, Version 2) baut auf dem ursprünglichen RT-DETR auf und soll die Aufmerksamkeitsmechanismen von Vision Transformers für Anwendungen zur Echtzeit-Objekterkennung nutzbar machen.

Wichtige Merkmale:

Architektur und Stärken#

RTDETRv2 verwendet eine hybride Architektur, die ein Backbone aus einem Faltungsneuronalen Netzwerk (CNN) mit einer Transformer-Encoder-Decoder-Struktur kombiniert. Dadurch kann das Modell mithilfe von Self-Attention komplexe räumliche Beziehungen und globale Zusammenhänge erfassen. Mit einer Reihe von „Bag-of-Freebies“-Trainingsstrategien erzielt RTDETRv2 auf gängigen Benchmark-Datensätzen wie dem COCO-Datensatz konkurrenzfähige mAP-Werte.

Schwächen#

Trotz seiner hohen Genauigkeit verursacht die transformerbasierte Architektur von RTDETRv2 im Vergleich zu reinen CNN-Architekturen einen höheren Speicherbedarf und längere Trainingszeiten. Transformer benötigen typischerweise mehr VRAM, weshalb sie auf Hardware mit begrenzten Ressourcen schwer zu trainieren sind. Außerdem ist RTDETRv2 zwar leistungsfähig bei der Erkennung, bietet aber nicht die im Ultralytics-Ökosystem integrierte Unterstützung für mehrere Aufgaben, etwa Segmentierung und Posenschätzung.

Weitere Informationen zu RTDETRv2

Leistungsvergleich#

Bei der Auswahl von Modellen für den Produktionseinsatz ist der Kompromiss zwischen Modellgröße, Inferenzgeschwindigkeit und Genauigkeit entscheidend. Die folgende Tabelle vergleicht YOLOv8- und RTDETRv2-Varianten direkt.

ModellGröße
(Pixel)
mAPval50-95Geschwindigkeit
CPU ONNX
(ms)
Geschwindigkeit
T4 TensorRT10
(ms)
Parameter
(M)
FLOPs
(B)
YOLOv8n64037.380.41.473.28.7
YOLOv8s64044.9128.42.6611.228.6
YOLOv8m64050.2234.75.8625.978.9
YOLOv8l64052.9375.29.0643.7165.1
YOLOv8x64053.9479.114.3768.2257.8
RTDETRv2-s64048.1-5.032060
RTDETRv2-m64051.9-7.5136100
RTDETRv2-l64053.4-9.7642136
RTDETRv2-x64054.3-15.0376259
Hardware und Kennzahlen

Die CPU-Inferenz wurde mit ONNX durchgeführt, während die GPU-Geschwindigkeit mit TensorRT auf einer NVIDIA T4 GPU getestet wurde.

Anwendungsfälle und Empfehlungen#

Die Wahl zwischen YOLOv8 und RT-DETR hängt von den spezifischen Anforderungen deines Projekts, den Bereitstellungsbedingungen und deinen Präferenzen beim Ökosystem ab.

Wann du YOLOv8 wählen solltest#

YOLOv8 ist eine gute Wahl für:

  • Vielseitige Bereitstellung für mehrere Aufgaben: Projekte, die ein bewährtes Modell für Erkennung, Segmentierung, Klassifizierung und Posenschätzung innerhalb des Ultralytics-Ökosystems benötigen.
  • Etablierte Produktivsysteme: Bestehende Produktivumgebungen, die bereits auf der YOLOv8-Architektur und stabilen, umfassend getesteten Bereitstellungspipelines basieren.
  • Umfangreiche Unterstützung durch Community und Ökosystem: Anwendungen, die von den zahlreichen YOLOv8-Anleitungen, Integrationen von Drittanbietern und aktiven Community-Ressourcen profitieren.

Wann du RT-DETR wählen solltest#

RT-DETR empfiehlt sich für:

  • Forschung zur transformerbasierten Erkennung: Projekte, die Aufmerksamkeitsmechanismen und Transformer-Architekturen für die End-to-End-Objekterkennung ohne NMS untersuchen.
  • Anwendungsfälle mit hohen Genauigkeitsanforderungen und flexibler Latenz: Anwendungen, bei denen die Erkennungsgenauigkeit oberste Priorität hat und eine etwas höhere Inferenzlatenz akzeptabel ist.
  • Erkennung großer Objekte: Szenen mit überwiegend mittelgroßen bis großen Objekten, bei denen der globale Aufmerksamkeitsmechanismus von Transformern einen natürlichen Vorteil bietet.

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, bei denen die bis zu 43 % schnellere CPU-Inferenz von YOLO26n gegenüber YOLO11n einen entscheidenden Vorteil bietet.
  • 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.

Der Vorteil von Ultralytics#

Bei der Wahl eines Modells zählen nicht nur die reinen Kennzahlen; auch das zugehörige Software-Ökosystem ist entscheidend für die Produktivität von Entwicklern. Das Ultralytics-Ökosystem ist auf einfache Bedienung ausgelegt und bietet eine einheitliche Python-API, die den gesamten Lebenszyklus des maschinellen Lernens vereinfacht.

Von der Datensatzverwaltung bis zum verteilten Training übernimmt Ultralytics komplexen Boilerplate-Code. Entwickler profitieren von sofort verfügbaren vortrainierten Gewichten und Integrationen mit Plattformen wie Hugging Face sowie Tools zur Überwachung von Experimenten. Das Ökosystem wird aktiv weiterentwickelt, häufig aktualisiert und von einer großen Community unterstützt.

Ultralytics-YOLO-Modelle sind außerdem auf schnelle Konvergenz und einen geringeren Speicherbedarf während des Trainings optimiert. Dadurch lassen sich Experimente schneller durchführen als mit transformerbasierten Detektoren wie RTDETRv2.

Ausblick: die Leistungsfähigkeit von YOLO26#

YOLOv8 bleibt ein leistungsfähiges Modell. Für neue Projekte empfiehlt Ultralytics jedoch YOLO26, das im Januar 2026 veröffentlicht wurde und mehrere Verbesserungen bietet:

  • End-to-End-Design ohne NMS: Der optionale One-to-One-Kopf von YOLO26 (nms=False) macht die Nachverarbeitung mit Non-Maximum Suppression (NMS) überflüssig und ermöglicht dadurch schnellere und besser vorhersagbare Bereitstellungs-Workflows.
  • Wegfall von DFL: Durch den Wegfall von Distribution Focal Loss wird das Modell schlanker und eignet sich besser für Edge-Geräte und Geräte mit geringem Stromverbrauch.
  • MuSGD-Optimierer: Inspiriert von Methoden zum Training großer Sprachmodelle ermöglicht MuSGD, eine Kombination aus SGD und Muon, stabilere Trainingsläufe und eine schnellere Konvergenz.
  • Bis zu 43 % schnellere CPU-Inferenz: YOLO26n läuft bei der CPU-Inferenz mit ONNX bis zu 43 % schneller als YOLO11n und eignet sich daher für Umgebungen ohne dedizierte GPUs.
  • ProgLoss + STAL: Progressive Loss und Small-Target-Aware Label Assignment verbessern die Erkennung kleiner Objekte deutlich – ein entscheidender Faktor bei Luftaufnahmen und in der Robotik.

Weitere moderne Alternativen aus der Ultralytics-Produktfamilie sind YOLO11, das für bestehende Projekte weiterhin eine solide Option ist. Für neue Bereitstellungen wird jedoch YOLO26 empfohlen.

Codebeispiel: Training und Inferenz#

Dank der einfachen Ultralytics-API kannst du Modelle mit nur wenigen Zeilen Python-Code laden, trainieren und bereitstellen. Stelle sicher, dass PyTorch installiert ist, bevor du das folgende Beispiel ausführst.

from ultralytics import YOLO

# Ein vortrainiertes kleines YOLOv8-Modell laden
model = YOLO("yolov8s.pt")

# Das Modell mit deinem eigenen Datensatz trainieren
# Speichereffizientes Training ermöglicht größere Batch-Größen
train_results = model.train(data="coco8.yaml", epochs=50, imgsz=640, batch=16)

# Inferenz für ein Testbild ausführen
results = model("https://ultralytics.com/images/bus.jpg")

# Ergebnisse anzeigen
results[0].show()

# Für die Bereitstellung auf Edge-Geräten exportieren
export_path = model.export(format="onnx")
Bereit für die Bereitstellung

Ultralytics unterstützt den Export mit einem einzigen Befehl in zahlreiche Formate, darunter ONNX, TensorRT und CoreML. Das vereinfacht die Optionen zur Modellbereitstellung auf unterschiedlichen Hardwarearchitekturen.

Fazit#

YOLOv8 und RTDETRv2 bieten beide überzeugende Funktionen für die Echtzeit-Objekterkennung. RTDETRv2 zeigt, wie Transformer globale Zusammenhänge erfassen, und eignet sich damit für komplexe Aufgaben des räumlichen Schlussfolgerns, bei denen Inferenzgeschwindigkeit und Speicherbedarf keine vorrangigen Einschränkungen sind.

Für Entwickler, denen ein ausgewogenes Verhältnis zwischen Geschwindigkeit, Genauigkeit und Ressourceneffizienz wichtig ist, sind Ultralytics-YOLO-Modelle jedoch die praktischere Wahl. YOLOv8 eignet sich mit seinem leichten Design, der einfachen Bedienung, der Unterstützung mehrerer Aufgaben und dem aktiven Open-Source-Ökosystem gut für skalierbare Produktionsumgebungen. Für bestmögliche Edge-Leistung bietet YOLO26 NMS-freie Inferenz und höhere CPU-Geschwindigkeit.

Kommentare

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