Erste Schritte

YOLOX und EfficientDet

Die Entwicklung der Objekterkennung wurde vom stetigen Streben nach einem ausgewogenen Verhältnis zwischen Geschwindigkeit, Genauigkeit und Recheneffizienz geprägt. Zwei wegweisende Modelle, die diese Entwicklung maßgeblich beeinflusst haben, sind YOLOX und EfficientDet. Während YOLOX ein anchor-freies Design in die YOLO-Familie einführte, setzte EfficientDet auf eine skalierbare Architektur mit Compound Scaling und BiFPN. Dieser Leitfaden bietet einen detaillierten technischen Vergleich ihrer Architekturen, Leistungskennzahlen und Trainingsmethoden und stellt neuere Alternativen wie das Modell Ultralytics YOLO26 vor.

Ursprung der Modelle und technische Details#

Bevor wir die strukturellen Unterschiede vergleichen, sollten wir die Ursprünge und die grundlegende Forschung hinter beiden Modellen betrachten.

Details zu YOLOX:

Mehr über YOLOX erfahren

Details zu EfficientDet:

Erfahre mehr über EfficientDet

Architekturvergleich#

Der grundlegende Unterschied zwischen YOLOX und EfficientDet liegt darin, wie sie Merkmale extrahieren und Bounding Boxes vorhersagen. Das Verständnis dieser Architekturen zur Objekterkennung ist entscheidend, um das richtige Modell für deine Bereitstellungsumgebung auszuwählen.

YOLOX: Der Wegbereiter für anchorfreie Modelle#

YOLOX führte die YOLO-Reihe von einem anchor-basierten Detektor zu einem anchor-freien Design. Dieser Wechsel verringerte die Zahl der Entwurfsparameter deutlich und vereinfachte die Trainingspipeline.

Zu den wichtigsten Architekturmerkmalen gehört ein entkoppelter Kopf, der Klassifizierungs- und Regressionsaufgaben voneinander trennt. Damit wird der Konflikt zwischen der Frage, was ein Objekt ist, und der präzisen Vorhersage, wo es sich befindet, entschärft. Außerdem nutzt YOLOX fortschrittliche Strategien zur Label-Zuweisung wie SimOTA, die während des Trainings dynamisch positive Samples den Ground-Truth-Objekten zuordnen. Das führt zu schnellerer Konvergenz und einer besseren Balance zwischen Geschwindigkeit und Genauigkeit.

EfficientDet: zusammengesetzte Skalierung und BiFPN#

EfficientDet betrachtet die Objekterkennung aus der Perspektive von Effizienz und Skalierbarkeit. Das von Google entwickelte Modell nutzt EfficientNet als Backbone zur Merkmalsextraktion.

Das charakteristische Merkmal ist das bidirektionale Feature-Pyramid-Netzwerk (BiFPN). Anders als herkömmliche FPNs ermöglicht BiFPN eine einfache und schnelle Fusion von Merkmalen auf mehreren Maßstabsebenen, indem lernbare Gewichte die Bedeutung verschiedener Eingangsmerkmale erfassen. Zusammen mit einer Compound-Scaling-Methode, die Auflösung, Tiefe und Breite für alle Backbone-, Merkmals- und Box-/Klassifizierungsnetzwerke einheitlich skaliert, lässt sich EfficientDet von Modellen in Mobilgerätegröße (d0) bis hin zu großen serverseitigen Modellen (d7) skalieren.

Architektonische Komplexität

Die zusammengesetzte Skalierung von EfficientDet ermöglicht zwar einen vorhersehbaren Weg zu höherer Genauigkeit, führt jedoch häufig zu komplexen Berechnungsgraphen, die sich für Edge Computing in Echtzeit schwieriger optimieren lassen als das schlanke, anchorfreie Design von YOLOX.

Analyse von Leistung und Kennzahlen#

Bei der Bewertung dieser Modelle für praxisnahe Computer-Vision-Anwendungen sind Kennzahlen wie die mittlere durchschnittliche Präzision, die Inferenzgeschwindigkeit und die Parameteranzahl entscheidend.

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
EfficientDet-d051234.6-3.923.92.54
EfficientDet-d164040.5-7.316.66.1
EfficientDet-d276843.0-10.928.111.0
EfficientDet-d389647.5-19.5912.024.9
EfficientDet-d4102449.7-33.5520.755.2
EfficientDet-d5128051.5-67.8633.7130.0
EfficientDet-d6128052.6-89.2951.9226.0
EfficientDet-d7153653.7-128.0751.9325.0

Abwägung der Vor- und Nachteile#

Die Daten zeigen deutlich unterschiedliche Designansätze. EfficientDet-d7 erzielt mit einer mAP von 53,7 % die höchste Gesamtgenauigkeit, allerdings um den Preis einer niedrigen Inferenzgeschwindigkeit (128,07 ms auf einer T4-GPU). YOLOXx erreicht dagegen bei 16,1 ms eine wettbewerbsfähige mAP von 51,1 % und eignet sich damit viel besser für das Echtzeit-Videoverständnis und die Robotik.

Anwendungsfälle und Empfehlungen#

Die Wahl zwischen YOLOX und EfficientDet 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 EfficientDet wählen solltest#

EfficientDet empfiehlt sich für:

  • Google Cloud und TPU-Pipelines: TensorFlow-basierte Systeme auf der Google-Cloud-TPU-Infrastruktur, auf der die Referenzimplementierung von EfficientDet das TPU-Training unterstützt.
  • Forschung zur zusammengesetzten Skalierung: Akademische Benchmarks, die untersuchen, wie sich eine ausgewogene Skalierung von Netzwerktiefe, -breite und Auflösung auswirkt.
  • Bereitstellung auf Mobilgeräten mit LiteRT: Projekte, die ausdrücklich den Export über LiteRT (ehemals TensorFlow Lite) für Android- oder Embedded-Linux-Geräte benötigen.

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 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 moderne Alternative: Ultralytics YOLO26#

YOLOX und EfficientDet waren zwar wichtige Meilensteine, doch der Bereich des maschinellen Lernens hat sich rasant weiterentwickelt. Für Entwickler, die heute Bildverarbeitungssysteme bereitstellen, ist YOLO26 die empfohlene Wahl: das neueste Ultralytics-Modell, veröffentlicht im Januar 2026.

YOLO26 bietet ein gut gepflegtes Ökosystem sowie deutliche Verbesserungen bei Geschwindigkeit und Benutzerfreundlichkeit gegenüber älteren Architekturen:

Wichtige Neuerungen in YOLO26#

  • End-to-End-Design ohne NMS: Der optionale One-to-One-Kopf von YOLO26 (nms=False) macht die NMS-Nachverarbeitung überflüssig. Dieser native End-to-End-Ansatz wurde durch YOLOv10 in YOLO-Modelle eingeführt und vereinfacht den Export sowie verringert die Bereitstellungslatenz.
  • Bis zu 43 % schnellere CPU-Inferenz: Ohne NMS und Distribution Focal Loss (DFL) läuft YOLO26n auf der CPU bis zu 43 % schneller als YOLO11n und eignet sich dadurch für Edge-Geräte ohne separate GPU.
  • MuSGD-Optimierer: YOLO26 überträgt Innovationen aus Large Language Models (LLM) auf die Bildverarbeitung und nutzt den MuSGD-Optimierer (eine Kombination aus SGD und Muon) für stabiles Training und schnelle Konvergenz, wodurch die Trainingseffizienz steigt.
  • ProgLoss + STAL: Progressive Loss and Small-Target-Aware Label Assignment (STAL) verbessern die Erkennung kleiner Objekte. Das ist entscheidend für Anwendungsfälle wie den Drohnenbetrieb und die Analyse von Luftbildern.
  • Vielseitigkeit: Anders als YOLOX, das ausschließlich der Objekterkennung dient, unterstützt YOLO26 nativ zahlreiche Aufgaben, darunter Instanzsegmentierung, Bildklassifizierung, Posenschätzung und die Erkennung orientierter Begrenzungsrahmen (OBB).

Benutzerfreundlichkeit mit der Ultralytics API#

Einer der größten Vorteile von Ultralytics-Modellen ist die optimierte Benutzererfahrung. Das Training und die Bereitstellung eines YOLO26-Modells erfordern weniger Speicher als bei komplexen Transformer-Modellen und sind mit nur wenigen Python-Codezeilen möglich:

from ultralytics import YOLO

# Das durchgängig native YOLO26-Modell initialisieren
model = YOLO("yolo26n.pt")

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

# Das trainierte Modell für die GPU-Inferenz nach TensorRT exportieren
model.export(format="engine", dynamic=True)

Für Nutzer, die visuelle Oberflächen bevorzugen, bietet die Ultralytics Platform Werkzeuge zur Annotation von Datensätzen, zum Cloud-Training und zur Bereitstellung.

Anwendungsfälle in der Praxis#

Die Wahl der richtigen Architektur hängt stark von den spezifischen Einschränkungen deiner Bereitstellungsumgebung ab.

Wann EfficientDet infrage kommt#

EfficientDet bleibt für die Forschung interessant, wenn die Inferenzgeschwindigkeit weniger wichtig ist als die Genauigkeit bei hochauflösenden Bildern. Die Implementierung im TensorFlow-Ökosystem kann auch Teams ansprechen, die ältere Google-Infrastruktur warten.

Wann YOLOX infrage kommt#

YOLOX eignet sich für Anwendungen, bei denen eine ausgewogene Kombination aus Geschwindigkeit und Genauigkeit gefragt ist, ohne die Komplexität von Ankerboxen. Das Modell hat sich in der Vergangenheit bei der industriellen Fertigung bewährt, wenn Defekte auf Förderbändern schnell erkannt werden müssen.

Warum du YOLO26 wählen solltest#

Für die meisten modernen Anwendungen ist YOLO26 die beste Wahl. Das Design ohne NMS sorgt für eine vorhersehbare Latenz und macht das Modell zu einer starken Option für autonomes Fahren, schnell reagierende Sicherheitsalarmsysteme und Anwendungen in intelligenten Städten. Die aktive Unterstützung durch die Community und häufige Aktualisierungen von Ultralytics helfen Entwicklern außerdem, veraltete Abhängigkeiten zu vermeiden.

Entwickler, die sich mit fortgeschrittener Bildverarbeitung befassen, sollten sich auch weitere Architekturen im Ultralytics-Ökosystem ansehen, etwa YOLO11 für bewährte bestehende Bereitstellungen oder Spezialmodelle wie FastSAM für promptbasierte Segmentierungsaufgaben.

Kommentare

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