YOLOX im Vergleich zu YOLOv10
Die Entwicklung von Computer-Vision-Modellen für Echtzeit-Anwendungen ist von bedeutenden Fortschritten in der Architektur geprägt. Zwei wichtige Meilensteine sind YOLOX und YOLOv10. YOLOX wurde 2021 veröffentlicht und trug mit seinem effektiven anchorfreien Design dazu bei, die Lücke zwischen akademischer Forschung und industrieller Anwendung zu schließen. Drei Jahre später machte YOLOv10 die Non-Maximum Suppression (NMS) in der Nachverarbeitung überflüssig und verbesserte so Effizienz und Geschwindigkeit.
Dieser technische Vergleich beleuchtet die Architekturen, Leistungskennzahlen und geeigneten Anwendungsfälle beider Modelle und hilft dir dabei, das richtige Werkzeug für dein nächstes Objekterkennungsprojekt auszuwählen.
Ursprung und Metadaten der Modelle#
Wenn du die Ursprünge dieser Modelle kennst, kannst du ihre Architekturentscheidungen und vorgesehenen Einsatzumgebungen besser einordnen.
Details zu YOLOX
- Autoren: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li und Jian Sun
- Organisation: Megvii
- Datum: 2021-07-18
- arXiv: https://arxiv.org/abs/2107.08430
- GitHub: https://github.com/Megvii-BaseDetection/YOLOX
- Dokumentation: https://github.com/Megvii-BaseDetection/YOLOX/tree/main/docs
Details zu YOLOv10
- Autoren: Ao Wang, Hui Chen, Lihao Liu, Kai Chen, Zijia Lin, Jungong Han und Guiguang Ding
- Organisation: Tsinghua-Universität
- Datum: 2024-05-23
- arXiv: https://arxiv.org/abs/2405.14458
- GitHub: https://github.com/THU-MIG/yolov10
- Dokumentation: https://docs.ultralytics.com/models/yolov10
Architektonische Innovationen#
Die wesentlichen Unterschiede zwischen YOLOX und YOLOv10 liegen darin, wie die Modelle Vorhersagen für Begrenzungsrahmen und die Nachbearbeitung handhaben.
YOLOX: Wegweisendes anchor-freies Design#
YOLOX stellte die YOLO-Familie auf eine anchorfreie Architektur um. Statt sich auf vorab festgelegte Ankerrahmen zu stützen, sagt das Modell den Mittelpunkt eines Objekts voraus. Dadurch verringerte YOLOX die Anzahl der Designparameter und den erforderlichen heuristischen Abstimmungsaufwand für benutzerdefinierte Datensätze erheblich. Außerdem führte das Modell einen entkoppelten Kopf ein, der Klassifizierungs- und Regressionsaufgaben in getrennte Pfade aufteilt. Dieser Ansatz verringerte den Zielkonflikt zwischen der Bestimmung, was ein Objekt ist, und der Frage, wo es sich befindet. Das führte zu spürbaren Verbesserungen bei Konvergenzgeschwindigkeit und Genauigkeit.
YOLOv10: NMS-freie Echtzeit-Detektion#
YOLOX vereinfachte zwar den Erkennungskopf, stützte sich aber weiterhin auf NMS, um überflüssige Begrenzungsrahmenvorhersagen herauszufiltern. YOLOv10 ging diesen grundlegenden Engpass an. Durch konsistente duale Zuweisungen während des Trainings erreicht YOLOv10 eine native End-to-End-Erkennung. Beim Training kommt ein One-to-Many-Kopf zum Einsatz, um reichhaltige Lernsignale sicherzustellen, während bei der Inferenz ein One-to-One-Kopf die endgültigen Vorhersagen direkt ausgibt. Dieses ganzheitliche, auf Effizienz und Genauigkeit ausgerichtete Design macht NMS vollständig überflüssig und verringert die Inferenzlatenz auf eingebetteten Chips deutlich.
Non-Maximum Suppression ist auf Neural Processing Units (NPUs) oft ein komplexer Vorgang, der sich nur schwer beschleunigen lässt. Durch den Wegfall dieses Schritts kann YOLOv10 den gesamten Modellgraphen auf spezialisierter Hardware ausführen. Das verbessert die Kompatibilität mit Optimierungsframeworks wie OpenVINO und TensorRT.
Leistungskennzahlen und Vergleich#
Bei der Auswahl von Modellen für den Produktiveinsatz ist es entscheidend, Genauigkeit und Rechenaufwand gegeneinander abzuwägen. Die folgende Tabelle veranschaulicht die Kompromisse zwischen den verschiedenen Größen von YOLOX und YOLOv10.
| Modell | Größe (Pixel) | mAPval50-95 | Geschwindigkeit CPU ONNX (ms) | Geschwindigkeit T4 TensorRT10 (ms) | Parameter (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOXnano | 416 | 25.8 | - | - | 0.91 | 1.08 |
| YOLOXtiny | 416 | 32.8 | - | - | 5.06 | 6.45 |
| YOLOXs | 640 | 40.5 | - | 2.56 | 9.0 | 26.8 |
| YOLOXm | 640 | 46.9 | - | 5.43 | 25.3 | 73.8 |
| YOLOXl | 640 | 49.7 | - | 9.04 | 54.2 | 155.6 |
| YOLOXx | 640 | 51.1 | - | 16.1 | 99.1 | 281.9 |
| YOLOv10n | 640 | 38.5 | - | 1.84 | 2.3 | 6.7 |
| YOLOv10s | 640 | 46.3 | - | 2.49 | 7.2 | 21.6 |
| YOLOv10m | 640 | 51.1 | - | 4.74 | 15.4 | 59.1 |
| YOLOv10b | 640 | 52.5 | - | 5.74 | 19.1 | 92.0 |
| YOLOv10l | 640 | 53.2 | - | 7.28 | 24.4 | 120.3 |
| YOLOv10x | 640 | 54.4 | - | 10.70 | 29.5 | 160.4 |
Die Daten analysieren#
Die Kennzahlen zeigen den Generationssprung von YOLOv10. YOLOv10-S erreicht beispielsweise eine mittlere durchschnittliche Präzision von 46,3 % gegenüber 46,9 % bei YOLOX-m, benötigt dafür aber weniger als ein Drittel der Parameter (7,2 Mio. gegenüber 25,3 Mio.) und deutlich weniger FLOPs. Außerdem steigert das Spitzenmodell YOLOv10-X den mAP auf 54,4 % und ist damit für anspruchsvolle Aufgaben mit hohen Genauigkeitsanforderungen äußerst wettbewerbsfähig, während es schneller bleibt als die ältere Architektur YOLOX-x.
Die Vorteile des Ultralytics-Ökosystems#
YOLOX ist zwar weiterhin eine solide Open-Source-Implementierung für die Forschung, doch mit YOLOv10 erhältst du sofort Zugang zum gut gepflegten Ultralytics-Ökosystem. Mit einem von Ultralytics unterstützten Modell profitierst du von einer reibungslosen Benutzererfahrung, einer einfachen API und einer umfassenden Dokumentation.
Entwickler profitieren vom geringen Speicherbedarf des Frameworks: Beim Training benötigen Ultralytics-Modelle in der Regel deutlich weniger CUDA-Speicher als umfangreiche transformerbasierte Alternativen wie RT-DETR. Dank des effizienten Speicherbedarfs beim Training sind auf Hardware für Verbraucher größere Batch-Größen möglich. Das verkürzt den Weg von der Datenerfassung bis zur Bereitstellung des Modells. Das Framework unterstützt zudem mehrere Aufgaben. Daher können Nutzer mit nur minimalen Codeänderungen zwischen Objekterkennung, Instanzsegmentierung und Posenschätzung wechseln.
Beispiel für Training und Inferenz#
Mit der einheitlichen API lassen sich Ideen schnell überprüfen. Das folgende Codebeispiel trainiert und stellt ein YOLOv10-Modell mit dem PyTorch-Backend bereit:
from ultralytics import YOLO
# Lade ein vortrainiertes YOLOv10-Nano-Modell
model = YOLO("yolov10n.pt")
# Das Modell mit dem COCO8-Datensatz trainieren
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Inferenz mit einem Beispielbild ausführen
predictions = model.predict("https://ultralytics.com/images/bus.jpg")
# Das Modell für die Bereitstellung auf Edge-Geräten exportieren
model.export(format="engine", quantize=16)Dank der integrierten Exportfunktionen lassen sich Modelle mit nur einer Codezeile in Formate wie TensorRT oder ONNX konvertieren. Aufwendige Kompilierungsschritte entfallen.
Ideale Anwendungsfälle und Einsatzszenarien#
Welche dieser Architekturen die richtige ist, hängt vor allem von deinen Hardwarebeschränkungen und den spezifischen Anforderungen deines Anwendungsbereichs ab.
Videoanalyse in Echtzeit#
Für Anwendungen mit sehr geringer Latenz, etwa autonomes Fahren oder die Verkehrsüberwachung in Echtzeit, ist YOLOv10 die bessere Wahl. Das durchgängige, NMS-freie Design sorgt für vorhersehbare Ausführungszeiten. Das ist entscheidend für Sicherheitssysteme, die keine schwankende Latenz bei der Nachverarbeitung tolerieren. Die Modelle erreichen hohe Bildraten auf Geräten wie der NVIDIA-Jetson-Serie.
Akademische Referenzmodelle und Edge-Mikrocontroller#
YOLOX ist weiterhin für akademische Anwendungen relevant, in denen Forschende eine klare Baseline mit entkoppeltem Kopf für Experimente mit Strategien zur Label-Zuweisung benötigen. Auch das sehr kleine YOLOX-Nano-Modell mit weniger als einer Million Parametern passt auf stark eingeschränkte Edge-Geräte mit knappem Speicher, sofern die Hardware herkömmliche Faltungsoperationen unterstützt.
Das empfohlene Modell: Ultralytics YOLO26#
YOLOv10 war ein großer Schritt hin zum Verzicht auf NMS, doch die Computer Vision entwickelt sich rasant weiter. Für neue Projekte empfiehlt Ultralytics YOLO26, das im Januar 2026 veröffentlicht wurde.
YOLO26 baut auf den Ideen seiner Vorgänger auf und bietet eine ausgewogene Leistung. Das Modell unterstützt nativ Erkennung, Instanz- und semantische Segmentierung, Tiefenschätzung, Klassifizierung, Posenschätzung und orientierte Begrenzungsrahmen.
Darum ist YOLO26 die empfohlene Wahl für moderne Computer-Vision-Pipelines:
- Durchgängiges NMS-freies Design: Aufbauend auf YOLOv10 unterstützt YOLO26 native Inferenz von Anfang bis Ende (
nms=False) und ermöglicht so schnellere, besser vorhersehbare Inferenzzeiten ohne Engpässe durch die NMS-Nachverarbeitung. - Bis zu 43 % schnellere CPU-Inferenz: YOLO26n läuft auf einer CPU bis zu 43 % schneller als YOLO11n und eignet sich damit für mobile Prozessoren und Geräte ohne separate GPU.
- MuSGD-Optimierer: Inspiriert vom Training großer Sprachmodelle (insbesondere Kimi K2 von Moonshot AI) kombiniert YOLO26 SGD und Muon zu einem Hybridverfahren für stabiles Training und schnelle Konvergenz.
- ProgLoss + STAL: Progressive Loss und Small-Target-Aware Label Assignment (STAL) verbessern die Erkennung kleiner Objekte. Das ist entscheidend für anspruchsvolle Bereiche wie Luftbilder und die Navigation von Drohnen.
- Wegfall von DFL: Durch den Wegfall von Distribution Focal Loss vereinfacht YOLO26 den Modellgraphen und erleichtert den Export auf Edge-Geräte und Geräte mit geringem Stromverbrauch.
- Aufgabenspezifische Verbesserungen: Ob du Residual Log-Likelihood Estimation (RLE) für die Posenschätzung oder einen speziellen Winkelfehler für OBB verwendest – YOLO26 enthält Verbesserungen für jede wichtige Vision-Aufgabe.
Für Entwickler, die ihre Pipelines modernisieren, bietet die Ultralytics Platform mit YOLO26 effiziente Tools für Training und Bereitstellung. Wer sich für etablierte Architekturen interessiert, kann auch YOLO11 oder YOLOv8 ansehen. Beide verfügen über eine große Community und haben ihre Robustheit unter Beweis gestellt.
Kommentare
Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.