YOLOv9 vs. YOLO26#

Die Landschaft der Echtzeit-Objekterkennung hat sich in den vergangenen Jahren erheblich weiterentwickelt. Da Fachleute für maschinelles Lernen Modelle auf verschiedenster Hardware bereitstellen möchten, ist die Wahl der richtigen Architektur entscheidend. In diesem umfassenden technischen Leitfaden vergleichen wir zwei wichtige Meilensteine im Bereich Computer Vision: YOLOv9, Anfang 2024 mit Schwerpunkt auf Optimierungen von Gradientenpfaden eingeführt, und Ultralytics YOLO26, das Anfang 2026 veröffentlichte, hochmoderne Framework, das die Inferenz und Trainingsstabilität auf Edge-Geräten vollständig neu definiert.

Zusammenfassung: Modellabstammung und Urheberschaft#

Das Verständnis der Ursprünge dieser Deep-Learning-Modelle liefert wertvollen Kontext zu ihren architektonischen Designentscheidungen und den anvisierten Zielgruppen.

YOLOv9#

YOLOv9 wurde von Chien-Yao Wang und Hong-Yuan Mark Liao vom Institute of Information Science der Academia Sinica in Taiwan entwickelt und am 21. Februar 2024 veröffentlicht. Das Modell konzentriert sich stark auf theoretische Konzepte des Deep Learning und behandelt insbesondere das Informationsengpassproblem in tiefen faltenden neuronalen Netzen (CNNs).

Erfahre mehr über YOLOv9

Ultralytics YOLO26#

YOLO26 wurde von Glenn Jocher und Jing Qiu bei Ultralytics entwickelt und am 14. Januar 2026 veröffentlicht. Aufbauend auf dem enormen Erfolg von Vorgängern wie YOLO11 und YOLOv8 wurde YOLO26 von Grund auf für Produktionsreife, den Einsatz auf Edge-Geräten und native Effizienz von Ende zu Ende entwickelt.

Architektonische Innovationen#

Beide Modelle führen grundlegende Änderungen an der Verarbeitung visueller Daten durch neuronale Netze ein, gehen das Problem jedoch aus unterschiedlichen Blickwinkeln an.

Programmierbare Gradienteninformationen in YOLOv9#

Der wichtigste Beitrag von YOLOv9 zum Forschungsgebiet ist die Einführung der programmierbaren Gradienteninformationen (PGI) und des Netzwerks zur verallgemeinerten effizienten Layer-Aggregation (GELAN). Wenn neuronale Netze tiefer werden, kommt es während der Vorwärtsverarbeitung häufig zu Informationsverlusten. PGI stellt sicher, dass die zur Aktualisierung der Gewichte während der Rückpropagation verwendeten Gradienten präzise und zuverlässig bleiben, sodass die GELAN-Architektur mit weniger Parametern eine hohe Genauigkeit erreicht.

YOLOv9 stützt sich bei der Nachverarbeitung jedoch stark auf die herkömmliche Unterdrückung nicht maximaler Werte (NMS), die bei der Inferenz in realen Anwendungen zu einem Latenzengpass werden kann.

Die Edge-zuerst-Architektur von YOLO26#

YOLO26 verfolgt einen grundlegend anderen Ansatz, indem die gesamte Pipeline vom Training bis zur Echtzeitbereitstellung optimiert wird. Das Modell baut auf dem Ende-zu-Ende-Design ohne NMS auf, das erstmals in YOLOv10 eingeführt wurde, und macht die NMS-Nachverarbeitung vollständig überflüssig. Das führt zu einer extrem niedrigen Latenz und macht das Modell besonders geeignet für Edge-Geräte wie den Raspberry Pi oder NVIDIA Jetson.

Darüber hinaus entfernt YOLO26 den Distribution Focal Loss (DFL) vollständig. Diese strukturelle Änderung vereinfacht den Export nach ONNX von Modellen und bietet eine deutlich bessere Kompatibilität mit stromsparenden Mikrocontrollern.

Für die Trainingsphase integriert YOLO26 den neuartigen MuSGD-Optimierer, eine Kombination aus stochastischem Gradientenabstieg und Muon, inspiriert von den Methoden zum Training großer Sprachmodelle (LLM) von Moonshot AIs Kimi K2. Dadurch wird eine Verbindung zwischen Innovationen beim Training großer Sprachmodelle und Computer Vision geschaffen, was ein deutlich stabileres Training und eine schnellere Konvergenz ermöglicht.

Vergleich von Leistung und Metriken#

Beim Benchmarking mit dem weit verbreiteten COCO-Datensatz zeigen beide Modelle außergewöhnliche Fähigkeiten, doch das Ultralytics-Ökosystem überzeugt bei praktischen Inferenzgeschwindigkeiten und der Parametereffizienz.

Analyse der Ergebnisse#

• Geschwindigkeit und Effizienz: Da YOLO26 eine Architektur ohne NMS und vereinfachte Verlustfunktionen verwendet, bietet es im Vergleich zu älteren Architekturen eine bis zu 43 % schnellere Inferenz auf der CPU. Das Modell YOLO26n erreicht mit TensorRT auf einer NVIDIA T4 GPU eine beeindruckende Laufzeit von 1,7 ms und ist damit die optimale Wahl für Videostreams in Echtzeit.
• Genauigkeit: Das Modell YOLO26x erreicht einen beispiellosen Wert von 57,5 mAP und übertrifft damit das größte YOLOv9e-Modell bei gleichzeitig niedrigerer Latenz.
• Speicheranforderungen: Ultralytics-Modelle sind für ihre Effizienz bekannt. YOLO26 benötigt beim Training von Modellen und bei der Inferenz deutlich weniger CUDA-Speicher als komplexe Vision-Modelle auf Transformer-Basis. Dadurch kannst du größere Stapelgrößen auf Hardware für Endverbraucher nutzen.

Ökosystem, Benutzerfreundlichkeit und Vielseitigkeit#

Die wahre Stärke des Ultralytics-Ökosystems liegt in der Benutzerfreundlichkeit. Während Forschende, die die GitHub-Codebasis von YOLOv9 verwenden, sich mit komplexen Umgebungs­konfigurationen und manueller Skripterstellung auseinandersetzen müssen, ist YOLO26 vollständig in die intuitive Ultralytics Python API integriert.

Optimiertes API-Beispiel#

Das Training eines hochmodernen YOLO26-Modells erfordert nur wenige Zeilen Python-Code:

from ultralytics import YOLO

# Load the latest native end-to-end YOLO26 model
model = YOLO("yolo26s.pt")

# Train the model effortlessly with the default MuSGD optimizer
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Export natively to ONNX format in a single command
model.export(format="onnx")

Unübertroffene Aufgabenvielfalt#

Im Gegensatz zu YOLOv9, das hauptsächlich auf die standardmäßige Objekterkennung zugeschnitten ist, unterstützt YOLO26 von Haus aus eine große Bandbreite an Computer-Vision-Aufgaben. Die Architektur umfasst spezielle Verbesserungen für verschiedene Anwendungsbereiche:

• Instanzsegmentierung: Bietet eine spezialisierte Verlustfunktion für die semantische Segmentierung und ein Proto-Modul mit mehreren Maßstäben für fehlerfreie Masken auf Pixelebene.
• Posenschätzung: Integriert die Schätzung der Residual-Log-Likelihood (RLE), um Skelett-Schlüsselpunkte mit höchster Präzision zu verfolgen.
• Gerichtete Begrenzungsrahmen (OBB): Umfasst eine spezialisierte Winkelfunktion für den Verlust, die eigens zur Lösung von Randproblemen bei der Erkennung gedrehter Objekte in Luftaufnahmen entwickelt wurde.
• Bildklassifizierung: Robuste Kategorisierung ganzer Bilder auf Grundlage der ImageNet-Standards.

Anwendungen in der Praxis#

Die Wahl zwischen diesen Modellen hängt häufig von der Umgebung ab, in der sie eingesetzt werden sollen.

IoT und Edge-Robotik#

Für Robotik, autonome Drohnen und intelligente IoT-Geräte für den Haushalt ist YOLO26 der unangefochtene Spitzenreiter. Die Integration von ProgLoss + STAL verbessert die Erkennung kleiner Objekte erheblich, was für die Überwachung landwirtschaftlicher Flächen durch Drohnen in großer Höhe entscheidend ist. Zusammen mit der 43 % schnelleren CPU-Inferenz und dem Design ohne NMS kann YOLO26 flüssig auf Hardware ohne dedizierte GPUs ausgeführt werden.

Akademische Forschung und Gradientenanalyse#

YOLOv9 bleibt in akademischen Kreisen ein hoch angesehenes Modell. Forschende, die die theoretischen Grenzen des Gradientenflusses untersuchen oder eigene PyTorch-Layer auf Grundlage des PGI-Konzepts entwickeln möchten, finden in der Codebasis von YOLOv9 eine hervorragende Grundlage zur Erforschung der Deep-Learning-Theorie.

Hochgeschwindigkeits-Produktionspipelines#

In industriellen Anwendungen wie der automatisierten Fehlererkennung auf Hochgeschwindigkeitsförderbändern sorgen die rasend schnellen TensorRT-Geschwindigkeiten der YOLO26-Modelle dafür, dass keine Bilder ausfallen, und maximieren so den Durchsatz von Qualitätssicherungssystemen.

Anwendungsfälle und Empfehlungen#

Die Wahl zwischen YOLOv9 und YOLO26 hängt von deinen spezifischen Projektanforderungen, Bereitstellungsbeschränkungen und Präferenzen hinsichtlich des Ökosystems ab.

Wann du YOLOv9 wählen solltest#

YOLOv9 ist eine gute Wahl für:

• Forschung zu Informationsengpässen: Akademische Projekte zur Untersuchung der Architekturen für programmierbare Gradienteninformationen (PGI) und des generalisierten effizienten Netzwerks zur Layer-Aggregation (GELAN).
• Untersuchungen zur Optimierung des Gradientenflusses: Forschung mit Schwerpunkt auf dem Verständnis und der Verringerung von Informationsverlusten in tiefen Netzwerkschichten während des Trainings.
• Benchmarking hochgenauer Erkennung: Szenarien, in denen die starke COCO-Benchmarkleistung von YOLOv9 als Referenz für Architekturvergleiche benötigt wird.

Wann du YOLO26 wählen solltest#

YOLO26 wird empfohlen für:

• Edge-Bereitstellungen ohne NMS: Anwendungen, die eine konsistente Inferenz mit geringer Latenz ohne die Komplexität der Nachverarbeitung zur Nichtmaximalunterdrückung erfordern.
• Umgebungen ausschließlich mit CPU: Geräte ohne dedizierte GPU-Beschleunigung, bei denen die bis zu 43 % schnellere CPU-Inferenz von YOLO26 einen entscheidenden Vorteil bietet.
• Erkennung kleiner Objekte: Anspruchsvolle Szenarien wie Luftaufnahmen mit Drohnen oder die Analyse von IoT-Sensoren, bei denen ProgLoss und STAL die Genauigkeit bei winzigen Objekten deutlich steigern.

Fazit#

Beide Modelle stellen für die Open-Source-Community beeindruckende Fortschritte dar. YOLOv9 führte wichtige theoretische Verbesserungen des Gradientenflusses ein, die noch jahrelang als Inspiration für Architekturen dienen werden. Für moderne Entwickler, Start-ups und Unternehmensteams, die ein perfektes Gleichgewicht aus Geschwindigkeit, Genauigkeit und einfacher Bereitstellung suchen, ist Ultralytics YOLO26 jedoch die klare Empfehlung.

Durch die Abschaffung von NMS, die Einführung des leistungsstarken MuSGD-Optimierers und die Bereitstellung eines beispiellosen Toolsets für Erkennungs-, Segmentierungs- und Posenschätzungsaufgaben stellt YOLO26 sicher, dass deine Computer-Vision-Projekte auf dem zuverlässigsten und zukunftssichersten Framework basieren, das heute verfügbar ist.