Erste Schritte

YOLOX und DAMO-YOLO

Die Entwicklung der Echtzeit-Objekterkennung hat mehrere Veränderungen durchlaufen: von anchor-basierten zu anchor-freien Architekturen und von manuell entworfenen Backbones zur automatisierten Suche nach neuronalen Architekturen (NAS). Dieser technische Vergleich analysiert zwei wichtige Meilensteine dieser Entwicklung, YOLOX und DAMO-YOLO, und beleuchtet ihre Architekturinnovationen, Trainingsmethoden und Leistungsabwägungen. Außerdem erklärt er, warum Ultralytics YOLO26 die empfohlene Alternative für neue Projekte ist.

YOLOX: Wegweisend für den anchor-freien Ansatz#

YOLOX wurde am 18. Juli 2021 von Zheng Ge, Songtao Liu, Feng Wang, Zeming Li und Jian Sun bei Megvii veröffentlicht und markierte einen Wendepunkt, indem es ein anchor-freies Design in die YOLO-Familie integrierte. Wie im ausführlichen technischen Bericht auf arXiv beschrieben, sollte YOLOX die Lücke zwischen akademischer Forschung und industrieller Bereitstellung schließen.

Wichtige architektonische Innovationen#

YOLOX führte mehrere grundlegende strukturelle Änderungen ein, die seine Vorgänger verbesserten:

  • Anchor-freier Mechanismus: Indem YOLOX den Mittelpunkt eines Objekts und die Maße seines Begrenzungsrahmens direkt vorhersagt, verringert es die Zahl der Entwurfsheuristiken und vereinfacht die komplexen Prozesse zur Ankergruppierung. Dadurch lässt sich das Modell an verschiedene Computer-Vision-Szenarien anpassen.
  • Entkoppelter Kopf: Traditionelle YOLO-Modelle verwendeten einen gemeinsamen Kopf für Klassifizierung und Regression. YOLOX implementierte einen entkoppelten Kopf, der Klassifizierung und Lokalisierung getrennt verarbeitet. Dadurch konvergiert das Modell schneller und erzielt eine höhere Genauigkeit.
  • SimOTA-Labelzuweisung: Eine vereinfachte Version der optimalen Transportzuweisung (OTA) wurde verwendet, um positive Beispiele dynamisch zuzuweisen. Das verkürzte die Trainingszeit und beseitigte Mehrdeutigkeiten bei der Zuweisung anhand von Mittelpunkten.
Das Vermächtnis von YOLOX

Das Design des entkoppelten Kopfes von YOLOX beeinflusste nachfolgende Generationen von Objektdetektoren maßgeblich und wurde zu einem Standardmerkmal vieler moderner Modelle.

Mehr über YOLOX erfahren

DAMO-YOLO: Automatisierte Architektursuche im großen Maßstab#

DAMO-YOLO wurde von Xianzhe Xu und einem Forschungsteam der Alibaba Group entwickelt und am 23. November 2022 vorgestellt. Wie in ihrer arXiv-Veröffentlichung ausführlich beschrieben, setzte das Modell stark auf die Suche nach neuronalen Architekturen (NAS), um den Kompromiss zwischen Geschwindigkeit und Genauigkeit zu verbessern.

Wichtige architektonische Innovationen#

Die Strategie von DAMO-YOLO basierte auf der Automatisierung des Entwurfs effizienter Strukturen:

  • MAE-NAS-Backbones: Mithilfe einer Suche unter Anleitung maximaler Entropie fand DAMO-YOLO hocheffiziente, auf bestimmte Latenzbudgets zugeschnittene Backbones – insbesondere beim Export in Frameworks wie TensorRT.
  • Efficient RepGFPN: Ein aufwendiges Neck-Design, das die Merkmalsfusion über verschiedene räumliche Auflösungen hinweg verbessert. Das ist für die Analyse von Luftbildern und die Erkennung von Objekten unterschiedlicher Größe von Vorteil.
  • ZeroHead: Ein vereinfachter Vorhersagekopf, der Rechenaufwand ohne Einbußen bei der mittleren Average Precision (mAP) des Modells reduziert.
  • AlignedOTA und Distillation: Nutzt fortschrittliche Label-Zuweisung und Knowledge Distillation nach dem Lehrer-Schüler-Prinzip, um die Leistung kleinerer Schülermodelle zu verbessern.

Erfahre mehr über DAMO-YOLO

Leistungs- und Metrikvergleich#

Beim Vergleich dieser beiden Modelle ist es wichtig, die Parameteranzahl, den FLOP-Bedarf und die Latenzprofile zu betrachten. Die folgende Tabelle zeigt Benchmarkdaten für YOLOX und DAMO-YOLO bei mehreren Größen.

ModellGröße
(Pixel)
mAPval50-95Geschwindigkeit
CPU ONNX
(ms)
Geschwindigkeit
T4 TensorRT10
(ms)
Parameter
(M)
FLOPs
(B)
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
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

DAMO-YOLO ist bei vergleichbarer Latenz genauer als YOLOX. Beispielsweise erreicht DAMO-YOLOt 42,0 mAP bei 2,32 ms, während YOLOXs 40,5 mAP bei 2,56 ms erzielt. Beide Modelle haben jedoch Einschränkungen: Das Design von YOLOX entstand vor vielen neueren Trainingstechniken, während die Abhängigkeit von Distillation bei DAMO-YOLO das erneute Training mit benutzerdefinierten Datensätzen ressourcenintensiver macht und den Bedarf an GPU-Speicher erhöht.

Anwendungsfälle und Empfehlungen#

Die Wahl zwischen YOLOX und DAMO-YOLO hängt von deinen spezifischen Projektanforderungen, Bereitstellungseinschränkungen und Präferenzen bezüglich des Ökosystems ab.

Wann du YOLOX wählen solltest#

YOLOX ist eine gute Wahl für:

  • Forschung zur anchorfreien Erkennung: Akademische Forschung, bei der YOLOX aufgrund seiner übersichtlichen, anchorfreien Architektur als Grundlage für Experimente mit neuen Erkennungs-Heads oder Verlustfunktionen dient.
  • Besonders kleine Edge-Geräte: Bereitstellungen auf Mikrocontrollern oder älterer Mobilhardware, bei denen die extrem geringe Größe der YOLOX-Nano-Variante (0,91 Mio. Parameter) entscheidend ist.
  • Studien zur SimOTA-Labelzuweisung: Forschungsprojekte, die Strategien zur Labelzuweisung auf Grundlage optimalen Transports und deren Auswirkungen auf die Trainingskonvergenz untersuchen.

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.

Der Vorteil von Ultralytics: YOLO26 im Überblick#

YOLOX und DAMO-YOLO sind zwar wichtige Meilensteine der Entwicklung, doch moderne Entwickler benötigen eine Lösung, die hohe Genauigkeit mit einfacher Bedienung verbindet. Das im Januar 2026 veröffentlichte Ultralytics YOLO26 baut auf NMS-freien Modellen wie YOLOv10 auf und bietet eine ausgewogene Kombination aus Geschwindigkeit, Genauigkeit und Entwicklerfreundlichkeit.

Warum YOLO26 wählen?#

Im Vergleich zu einzelnen akademischen Repositories bietet das integrierte Ultralytics-Ökosystem:

  • End-to-End-Design ohne NMS: Der optionale One-to-One-Kopf von YOLO26 (nms=False) macht NMS während der Inferenz überflüssig. Das sorgt für eine hohe und vorhersehbare Geschwindigkeit, was für den Einsatz auf Edge-Geräten und autonome Fahrzeuge entscheidend ist.
  • Wegfall von DFL: Durch den Wegfall von Distribution Focal Loss vereinfacht YOLO26 den Export auf Edge-Geräte und verbessert die Kompatibilität mit stromsparender Hardware.
  • MuSGD-Optimierer: YOLO26 übernimmt Innovationen aus dem LLM-Training und nutzt einen hybriden Optimierer aus SGD und Muon, der für stabiles Training und schnelle Konvergenz sorgt.
  • Bis zu 43 % schnellere CPU-Inferenz: Ohne DFL und NMS läuft YOLO26n auf der CPU bis zu 43 % schneller als YOLO11n – und das ohne teure GPU-Hardware.
  • ProgLoss + STAL: Progressive Loss and Small-Target-Aware Label Assignment (STAL) verbessern die Erkennung kleiner Objekte. Dadurch eignet sich YOLO26 besonders für Aufgaben wie Drohneninspektionen und IoT-Überwachung.
  • Vielseitigkeit: Anders als DAMO-YOLO, das ausschließlich der Objekterkennung dient, unterstützt YOLO26 nativ Instanzsegmentierung, semantische Segmentierung, Tiefenschätzung, Bildklassifizierung, Posenschätzung und die Erkennung orientierter Begrenzungsrahmen (OBB) in einem einheitlichen Framework.
Sofort mit der Entwicklung beginnen

Mit der Ultralytics Python API musst du keine komplexen Destillationspipelines manuell konfigurieren und keine Hunderte Zeilen C++-Code schreiben, um dein Modell bereitzustellen.

from ultralytics import YOLO

# Das YOLO26-Nano-Modell laden
model = YOLO("yolo26n.pt")

# Das Modell mit einem benutzerdefinierten Datensatz trainieren
train_results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Extrem schnelle, NMS-freie Inferenz ausführen
results = model("https://ultralytics.com/images/bus.jpg", nms=False)

# Mit einem einzigen Befehl nach ONNX oder OpenVINO exportieren
model.export(format="openvino")

Weitere Modelle, die du in Betracht ziehen kannst#

Das Computer-Vision-Ökosystem ist vielfältig. Je nach deinen spezifischen Anforderungen kannst du auch andere Architekturen erkunden, die vollständig vom Ultralytics-Ökosystem unterstützt werden:

  • YOLO11: Der Vorgänger von YOLO26, bekannt für seine Zuverlässigkeit bei Einzelhandelsanalysen und der Qualitätskontrolle in der Fertigung.
  • YOLOv8: Ein weit verbreitetes, stabiles anchor-freies Modell, das dazu beigetragen hat, den Einsatz auf Edge-Geräten populär zu machen.
  • RT-DETR: Ein von Baidu entwickelter Transformer zur Echtzeit-Objekterkennung, der eine leistungsfähige Alternative für Aufgaben bietet, die stark von globalen Attention-Mechanismen profitieren – allerdings mit höherem Speicherbedarf beim Training.

Fazit#

YOLOX und DAMO-YOLO haben wichtige Konzepte zur Entwicklung des Deep Learning beigetragen: YOLOX bestätigte den entkoppelten, anchor-freien Ansatz, während DAMO-YOLO die Leistungsfähigkeit der automatisierten Architektursuche demonstrierte. In der praktischen Produktion können die komplexen ursprünglichen Forschungs-Codebasen jedoch agile Teams ausbremsen.

Mit der Ultralytics Platform können Entwickler diese Hindernisse umgehen. Das End-to-End-Design von YOLO26, seine höhere CPU-Geschwindigkeit und die umfassende Dokumentation machen präzise Bildverarbeitungs-KI leichter zugänglich. Ganz gleich, ob du Infrastruktur für intelligente Städte, medizinische Diagnostik oder fortschrittliche Robotik entwickelst – Ultralytics bietet einen direkten Weg von Rohdaten bis zur praktischen Bereitstellung.

Kommentare

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