Erste Schritte

YOLOv9 im Vergleich zu DAMO-YOLO

Die rasante Entwicklung der Computer Vision hat zahlreiche Architekturen hervorgebracht, die auf unterschiedliche Bereitstellungsbedingungen und Genauigkeitsanforderungen zugeschnitten sind. Zwei bemerkenswerte Modelle sind YOLOv9, das Informationsengpässen in tiefen Netzwerken entgegenwirkt, und DAMO-YOLO, das auf Neuronaler Architektursuche (NAS) und effizienten Merkmalspyramiden basiert.

Dieser Leitfaden vergleicht YOLOv9 und DAMO-YOLO technisch und beleuchtet ihre Architekturunterschiede, Trainingsmethoden und idealen Einsatzszenarien. Außerdem wird erläutert, wie das Ultralytics-Ökosystem den Weg von der Entwicklung bis zur Produktion vereinfacht und warum für neue Projekte inzwischen neuere Modelle wie YOLO26 empfohlen werden.

Architekturanalyse#

Wer die grundlegenden Mechanismen der einzelnen Modelle versteht, erkennt, warum sie bei verschiedenen Kennzahlen unterschiedlich abschneiden.

YOLOv9: Programmierbare Gradienteninformationen#

YOLOv9 wurde entwickelt, um den Informationsverlust zu verhindern, der beim Durchfluss von Daten durch tiefe neuronale Netze entsteht.

  • Autoren: Chien-Yao Wang, Hong-Yuan Mark Liao
  • Organisation: Institute of Information Science, Academia Sinica, Taiwan
  • Datum: 21. Februar 2024
  • Links: arXiv, GitHub, Dokumentation

Mehr über YOLOv9 erfahren

YOLOv9 führt die programmierbare Gradienteninformation (PGI) und das verallgemeinerte Netzwerk zur effizienten Layer-Aggregation (GELAN) ein. PGI stellt sicher, dass wichtige räumliche und semantische Informationen bei der Vorwärtsverarbeitung erhalten bleiben und verhindert so die Verschlechterung der für die Aktualisierung der Gewichte verwendeten Gradienten. GELAN ergänzt dies durch die Maximierung der Parametereffizienz und ermöglicht dem Modell, mit weniger FLOPs als viele herkömmliche CNNs eine mittlere durchschnittliche Präzision (mAP) auf dem neuesten Stand der Technik zu erreichen.

DAMO-YOLO: Effizienz durch NAS#

DAMO-YOLO wurde von der Alibaba Group entwickelt und verfolgt einen anderen Ansatz: Die Architektur wird automatisiert durchsucht, um ein ausgewogenes Verhältnis von Geschwindigkeit und Genauigkeit zu finden.

  • Autoren: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang und Xiuyu Sun
  • Organisation: Alibaba Group
  • Datum: 23. November 2022
  • Links: arXiv, GitHub

Erfahre mehr über DAMO-YOLO

DAMO-YOLO nutzt ein MAE-NAS-Backbone (Maximum Entropy Neural Architecture Search), um automatisch effiziente Netzwerkstrukturen zu generieren. Für eine zuverlässige Merkmalsfusion verwendet es ein RepGFPN (reparametrisiertes allgemeines Merkmals-Pyramidennetzwerk) sowie ein „ZeroHead“-Design, um den Rechenaufwand des Erkennungskopfs zu minimieren. Zusätzlich kommen AlignedOTA zur Labelzuweisung und Wissensdestillation zum Einsatz, um die Leistung kleinerer Varianten zu steigern.

Die Rolle von NAS in der Computer Vision

Die Neuronale Architektursuche (NAS) automatisiert den Entwurf künstlicher neuronaler Netze. Sie kann zwar hocheffiziente Modelle wie DAMO-YOLO hervorbringen, fügt dem Modellierungsprozess jedoch eine Suchphase hinzu (DAMO-YOLO nutzt die trainingsfreie Suche MAE-NAS). YOLOv9 basiert dagegen auf einer von Hand entworfenen Architektur.

Leistungs- und Metrikvergleich#

Bei der Auswahl eines Modells zur Objekterkennung ist es entscheidend, Genauigkeit, Geschwindigkeit und Rechenaufwand gegeneinander abzuwägen.

ModellGröße
(Pixel)
mAPval50-95Geschwindigkeit
CPU ONNX
(ms)
Geschwindigkeit
T4 TensorRT10
(ms)
Parameter
(M)
FLOPs
(B)
YOLOv9t64038.3-2.32.07.7
YOLOv9s64046.8-3.547.226.7
YOLOv9m64051.4-6.4320.176.8
YOLOv9c64053.0-7.1625.5102.8
YOLOv9e64055.6-16.7758.1192.5
DAMO-YOLOt64042.0-2.328.518.1
DAMO-YOLOs64046.0-3.4516.337.8
DAMO-YOLOm64049.2-5.0928.261.8
DAMO-YOLOl64050.8-7.1842.197.3

Analyse#

  • Genauigkeit und Parameter: YOLOv9 bietet im Allgemeinen ein besseres Verhältnis zwischen Parameterzahl und Genauigkeit. YOLOv9c erreicht beispielsweise mit 25,5M Parametern eine mAP von 53,0 %, während DAMO-YOLOl eine mAP von 50,8 % erzielt, dafür aber deutlich mehr Parameter (42,1M) benötigt.
  • Inferenzgeschwindigkeit: Die Architektur von DAMO-YOLO ermöglicht konkurrenzfähige TensorRT-Inferenzgeschwindigkeiten auf T4-GPUs und ist in den mittleren Größenklassen etwas schneller als YOLOv9. Die geringere Parameterzahl von YOLOv9 bei den meisten Modellgrößen trägt jedoch dazu bei, den GPU-Speicherbedarf zu reduzieren.
  • Speicherbedarf: Ultralytics YOLO-Modelle, einschließlich YOLOv9, benötigen beim Training und bei der Inferenz in der Regel weniger Speicher als komplexe, durch NAS erzeugte Modelle oder umfangreiche Transformer-Architekturen. Dadurch eignen sie sich für den Einsatz auf Edge-Hardware mit begrenzten Ressourcen.

Die Vorteile des Ultralytics-Ökosystems#

Theoretische Kennzahlen sind wichtig, doch in der Praxis entscheidet oft die Umsetzung über den Erfolg eines Projekts. Hier bieten die Ultralytics Platform und das umfassendere Ultralytics-Softwareökosystem klare Vorteile gegenüber eigenständigen Repositorien wie DAMO-YOLO.

Benutzerfreundlichkeit und Trainingseffizienz#

Für das Training eines benutzerdefinierten YOLOv9-Modells ist nur wenig wiederkehrender Code nötig. Die Ultralytics Python API übernimmt komplexe Abläufe wie die Datenerweiterung, verteiltes Training und Hardwareoptimierung.

from ultralytics import YOLO

# Ein vortrainiertes YOLOv9-Modell laden
model = YOLO("yolov9c.pt")

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

# Die Modellleistung validieren
metrics = model.val()

# Für den Produktionseinsatz exportieren
model.export(format="onnx")

Für DAMO-YOLO müssen dagegen häufig starre Konfigurationsdateien und komplexe, auf die spezielle Trainingspipeline zugeschnittene Abhängigkeitsketten verwaltet werden. Das erschwert den Einstieg.

Vielseitigkeit bei verschiedenen Aufgaben#

Ein Kennzeichen von Ultralytics-Modellen ist ihre Vielseitigkeit. Neben der herkömmlichen Erkennung von Begrenzungsrahmen unterstützt das Ultralytics-Framework Aufgaben wie Instanzsegmentierung, Bildklassifizierung, Posenschätzung und die Erkennung orientierter Begrenzungsrahmen (OBB). DAMO-YOLO ist ausschließlich für die 2D-Objekterkennung optimiert und muss für andere visuelle Aufgabenbereiche umfassend angepasst werden.

Export für Edge-Geräte

Ultralytics vereinfacht die Bereitstellung, indem Modelle mit einem einzigen Befehl in Formate wie TensorRT, OpenVINO und CoreML exportiert werden können. So lässt sich die Leistung auf der jeweiligen Zielhardware optimieren.

Anwendungsfälle und Empfehlungen#

Die Wahl zwischen YOLOv9 und DAMO-YOLO hängt von deinen konkreten Projektanforderungen, Bereitstellungseinschränkungen und Ökosystempräferenzen ab.

Wann du YOLOv9 wählen solltest#

YOLOv9 ist eine gute Wahl für:

  • Forschung zu Informationsengpässen: Akademische Projekte, die programmierbare Gradienteninformationen (PGI) und Architekturen mit effizienten, verallgemeinerten Schichtaggregationsnetzwerken (GELAN) untersuchen.
  • Studien zur Optimierung des Gradientenflusses: Forschung, die darauf abzielt, Informationsverluste in tiefen Netzwerkschichten während des Trainings zu verstehen und zu verringern.
  • Benchmarking hochgenauer Erkennung: Szenarien, in denen die starke COCO-Benchmarkleistung von YOLOv9 als Vergleichsmaßstab für Architekturvergleiche benötigt wird.

Wann du DAMO-YOLO wählen solltest#

DAMO-YOLO eignet sich für:

  • Videoanalyse mit hohem Durchsatz: Verarbeitung von Videostreams mit hoher Bildrate auf fest installierter NVIDIA-GPU-Infrastruktur, bei der der Durchsatz mit Batchgröße 1 im Vordergrund steht.
  • Industrielle Fertigungslinien: Szenarien mit strengen GPU-Latenzvorgaben auf dedizierter Hardware, etwa die Qualitätsprüfung in Echtzeit auf Fließbändern.
  • Forschung zur neuronalen Architektursuche: Untersuchung der Auswirkungen automatisierter Architektursuche (MAE-NAS) und effizienter Architekturen mit reparametrisierten Rückgraten auf die Erkennungsleistung.

Wann du Ultralytics (YOLO26) wählen solltest#

Für die meisten neuen Projekte bietet Ultralytics YOLO26 die beste Kombination aus Leistung und Entwicklerfreundlichkeit:

  • NMS-freie Bereitstellung am Netzwerkrand: Anwendungen, die eine gleichmäßige Inferenz mit niedriger Latenz ohne die Komplexität der Nachbearbeitung mit Non-Maximum Suppression (NMS) benötigen.
  • Umgebungen ohne GPU: Geräte ohne dedizierte GPU-Beschleunigung, bei denen die bis zu 43 % schnellere CPU-Inferenz von YOLO26 (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.

Die Zukunft: der Wechsel zu YOLO26#

YOLOv9 und DAMO-YOLO sind wichtige Meilensteine, doch die moderne Computer Vision bewegt sich zunehmend in Richtung nativer End-to-End-Architekturen. Für neue Entwicklungen wird YOLO26 empfohlen.

YOLO26 wurde im Januar 2026 veröffentlicht und baut auf seinen Vorgängern auf. Dabei wurden sowohl die Genauigkeit als auch die Einfachheit der Bereitstellung verbessert.

Wichtige Neuerungen in YOLO26#

  • Durchgängiges, NMS-freies Design: Der optionale One-to-One-Head von YOLO26 (nms=False) macht die Nachverarbeitung mit Nichtmaximaler Unterdrückung (NMS) vollständig überflüssig. So entsteht eine schlanke, nativ durchgängige Bereitstellungspipeline – ein Ansatz, den YOLOv10 in YOLO-Modelle einführte.
  • Entfernung von DFL: Distribution Focal Loss wurde entfernt, um den Export zu vereinfachen und die Kompatibilität mit Edge-Geräten und Geräten mit geringem Stromverbrauch zu verbessern.
  • Bis zu 43 % schnellere CPU-Inferenz: Da DFL und NMS entfallen, läuft YOLO26n auf der CPU bis zu 43 % schneller als YOLO11n. Damit eignet sich das Modell für Edge-Computing-Szenarien ohne dedizierte GPUs.
  • MuSGD-Optimierer: Inspiriert von Innovationen beim Training großer Sprachmodelle nutzt YOLO26 eine Kombination aus SGD und Muon (MuSGD), um das Training stabiler zu machen und die Konvergenz zu beschleunigen.
  • ProgLoss + STAL: Progressiver Verlust und eine zielgrößenbewusste Labelzuweisung (STAL) verbessern die Erkennung kleiner Objekte. Dadurch eignet sich YOLO26 gut für Luftaufnahmen aus großer Höhe und IoT-Geräte.

Wenn du für dein nächstes Projekt gerade YOLO11 oder YOLOv8 untersuchst, solltest du stattdessen YOLO26 in Betracht ziehen, das aktuell empfohlene Ultralytics-Modell.

Zusammenfassung#

Die Wahl des passenden Modells hängt von deinen konkreten betrieblichen Rahmenbedingungen ab:

  • DAMO-YOLO bietet interessante Einblicke in die NAS-gestützte Optimierung und erreicht konkurrenzfähige Geschwindigkeiten auf bestimmten Hardwareprofilen, für die seine RepGFPN-Architektur besonders geeignet ist.
  • YOLOv9 ist eine ausgezeichnete Wahl für Forschende, die feine visuelle Details erhalten möchten. Die PGI-Architektur verhindert dabei Informationsverluste in tiefen Netzwerken.
  • Ultralytics YOLO26 ist die empfohlene Wahl für neue Anwendungen in Unternehmen und in der Forschung. Die Benutzerfreundlichkeit, die NMS-freie Architektur und die Trainingsoptimierungen mit MuSGD machen das Modell zuverlässig, genau und einfach bereitzustellen.

Kommentare

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