YOLOX vs. YOLOv5#

Die Auswahl des richtigen Objekterkennungsmodells ist eine entscheidende Entscheidung, die den Erfolg jedes Computer-Vision-Projekts bestimmt. Dieser Leitfaden bietet einen umfassenden technischen Vergleich zwischen zwei wichtigen Modellen im KI-Bereich: Megviis YOLOX und Ultralytics YOLOv5. Durch die Analyse ihrer Architekturen, Leistungskennzahlen und Trainingsökosysteme möchten wir Entwickler und Forscher dabei unterstützen, eine fundierte Entscheidung für ihre jeweiligen Einsatzumgebungen zu treffen.

Einführung in die Modelle#

Beide Modelle entstanden in einer Phase rasanter Fortschritte bei der Objekterkennung in Echtzeit, verfolgten jedoch unterschiedliche architektonische Ansätze, um ihre Leistung zu erzielen.

YOLOX: Ein Ansatz ohne Ankerboxen#

YOLOX wurde am 18. Juli 2021 von den Forschern Zheng Ge, Songtao Liu, Feng Wang, Zeming Li und Jian Sun bei Megvii veröffentlicht und führte durch die Abkehr von traditionellen Ankerboxen einen bedeutenden Wandel ein. In ihrem technischen Arxiv-Bericht dokumentierten sie, wie YOLOX ein Design ohne Ankerboxen mit einem entkoppelten Kopf und der SimOTA-Strategie zur Labelzuweisung kombinierte. Dieses Design sollte die Lücke zwischen akademischer Forschung und industrieller Anwendung schließen und eine starke Leistung auf Standarddatensätzen bieten.

Erfahre mehr über YOLOX

YOLOv5: Der Standard für produktive Computer Vision#

YOLOv5 wurde von Glenn Jocher entwickelt und am 26. Juni 2020 von Ultralytics veröffentlicht. Es wurde schnell zum Branchenstandard für den produktiven Einsatz von Computer Vision. Das Modell basiert nativ auf dem PyTorch-Framework und machte hochmoderne KI durch eine unübertroffene Benutzerfreundlichkeit, außergewöhnlich schnelles Training und ein äußerst ausgereiftes Repository für eine breite Anwenderschaft zugänglich. Die Architektur von YOLOv5 konzentrierte sich auf ein ideales Gleichgewicht aus Geschwindigkeit, Genauigkeit und einfacher Bereitstellung und machte das Modell zu einer beliebten Lösung – von Edge-Geräten bis hin zu umfangreichen Cloud-Bereitstellungen.

Architektonische Unterschiede#

Das Verständnis der grundlegenden mechanischen Unterschiede zwischen diesen Netzwerken macht deutlich, warum sie sich bei verschiedenen Aufgaben unterschiedlich verhalten.

Ohne Ankerboxen vs. mit Ankerboxen#

Der prägendste Unterschied ist der Mechanismus von YOLOX ohne Ankerboxen. Traditionelle Modelle wie YOLOv5 verwenden vordefinierte Ankerboxen zur Vorhersage von Begrenzungsboxen. Dafür ist eine Clusteranalyse des Trainingsdatensatzes erforderlich, um optimale Ankergrößen zu bestimmen. YOLOX verzichtet darauf und sagt die Koordinaten der Begrenzungsbox direkt an jeder räumlichen Position voraus. Der Ansatz ohne Ankerboxen reduziert zwar die Anzahl der Entwurfsparameter und den heuristischen Abstimmungsaufwand, doch der ausgereifte Ansatz von YOLOv5 mit Ankerboxen sorgt dank seiner Auto-Anker-Funktion direkt nach der Inbetriebnahme für eine äußerst stabile und vorhersehbare Konvergenz beim Training.

Entkoppelter Kopf vs. gekoppelter Kopf#

YOLOX verwendet einen entkoppelten Kopf, bei dem die Aufgaben Klassifikation und Regression in separate Zweige des neuronalen Netzes aufgeteilt sind. Die Autoren argumentierten, dass dadurch Konflikte zwischen dem Lernen räumlicher und semantischer Merkmale gelöst werden. YOLOv5 verwendete dagegen in seinen früheren Versionen einen hochoptimierten gekoppelten Kopf, der die Recheneffizienz maximierte und die Inferenzlatenz reduzierte – entscheidende Eigenschaften für Edge-Computing in Echtzeit.

Strategie zur Labelzuweisung#

YOLOX verwendet SimOTA zur Labelzuweisung. Dabei wird die Zuordnung von annotierten Objekten zu Vorhersagen als Optimal-Transport-Problem formuliert. Diese dynamische Zuweisung verbessert den Umgang mit dicht bevölkerten Szenen. YOLOv5 verwendet eine robuste, auf Formregeln basierende Zuweisung, die sicherstellt, dass der Verlustfunktion kontinuierlich hochwertige positive Beispiele zugeführt werden, was zu seiner legendären Trainingsstabilität beiträgt.

Leistung und Benchmarks#

Der Zielkonflikt zwischen Geschwindigkeit und Genauigkeit ist der ultimative Test für diese Architekturen. Die folgende Tabelle veranschaulicht die Leistung verschiedener Modellgrößen auf Standardbenchmarks.

YOLOX erzielt zwar konkurrenzfähige mAP-Werte, insbesondere in seinen größeren Varianten, doch YOLOv5 behält durchgehend einen bemerkenswerten Vorteil bei der TensorRT-Inferenzgeschwindigkeit. Das Modell YOLOv5s bietet beispielsweise ein herausragendes Verhältnis von Geschwindigkeit zu Genauigkeit und ist daher besonders attraktiv für Echtzeitanwendungen, bei denen jede Millisekunde zählt.

Der Vorteil von Ultralytics: Training und Benutzerfreundlichkeit#

Beim Übergang von der Forschung zur Produktion ist das Ökosystem rund um ein Modell oft genauso wichtig wie das Modell selbst. Hier werden die Vorteile des Ultralytics-Ökosystems besonders deutlich.

Optimierte Benutzererfahrung#

YOLOv5 wird allgemein für seine Entwicklererfahrung vom „zero to hero“ gelobt. Mit der Ultralytics Python API und der CLI kannst du Modelle mit einzelnen Codezeilen laden, trainieren und bereitstellen. Im Gegensatz dazu erfordert die Ausführung von YOLOX aus dem Megvii-GitHub-Repository eine umfangreichere manuelle Konfiguration von Umgebungsvariablen, komplexe Einstellungen für den Python-Pfad und eine steilere Lernkurve, wie sie für akademische Codebasen typisch ist.

Trainingseffizienz und Speicheranforderungen#

Ultralytics-Modelle werden sorgfältig entwickelt, um den Speicherbedarf beim Training zu minimieren. YOLOv5 benötigt deutlich weniger CUDA-Speicher als stark parametrisierte Transformer-Modelle wie RT-DETR oder nicht optimierte Forschungsmodelle. Dadurch können Entwickler größere Batchgrößen auf Hardware für Endverbraucher trainieren und den iterativen Entwicklungszyklus beschleunigen.

Vielseitigkeit über verschiedene Aufgaben hinweg#

Während YOLOX ausschließlich ein Framework zur Objekterkennung ist, wurde das Ultralytics-Ökosystem so weiterentwickelt, dass YOLOv5 mehrere Computer-Vision-Aufgaben unterstützt. Direkt nach der Installation kannst du mit exakt derselben API-Syntax Bildklassifikation, Instanzsegmentierung und Objekterkennung durchführen.

Codevergleich#

Der Unterschied bei der Benutzerfreundlichkeit zeigt sich am besten anhand von Code.

Training mit YOLOv5:

from ultralytics import YOLO

# Load a pretrained YOLOv5s model
model = YOLO("yolov5su.pt")

# Run inference on an image
results = model("https://ultralytics.com/images/zidane.jpg")

# Display results
results[0].show()

Training mit YOLOX: (Erfordert das manuelle Klonen des Repositorys, die Installation über setup.py und komplexe CLI-Argumente)

# Example YOLOX training command
python tools/train.py -f exps/default/yolox_s.py -d 1 -b 64 --fp16 -o

Der Ansatz von Ultralytics beseitigt Reibungsverluste, sodass du dich auf deinen Datensatz und deine Anwendungslogik konzentrieren kannst, statt Konfigurationsdateien zu debuggen. Darüber hinaus kannst du deine Experimente dank integrierter Integrationen für Weights & Biases und Comet ML nahtlos verfolgen.

Ideale Anwendungsfälle und reale Anwendungen#

Die Entscheidung zwischen diesen Modellen hängt von der betrieblichen Umgebung deines Projekts ab.

Stärken von YOLOX#

YOLOX bleibt eine starke Option für akademische Umgebungen, in denen Forscher ausdrücklich Paradigmen ohne Ankerboxen oder Strategien zur Labelzuweisung untersuchen. Das Modell ist auch in Szenarien nützlich, in denen die Erkennung dicht bevölkerter Szenen die mit Abstand wichtigste Kennzahl ist und die Geschwindigkeit bei der Bereitstellung auf Edge-Geräten eine untergeordnete Rolle spielt.

Wo YOLOv5 überzeugt#

YOLOv5 ist der unangefochtene Spitzenreiter bei der praktischen Bereitstellung.

• Hochgeschwindigkeitsfertigung: Bei der Fehlererkennung an Fließbändern sorgt die minimale Inferenzlatenz von YOLOv5 auf Edge-GPUs dafür, dass Produkte geprüft werden, ohne das Band zu verlangsamen.
• Drohnen und Luftbilder: Dank seines effizienten Speicherbedarfs kann das Modell auf leichten Begleitcomputern von Drohnen für Aufgaben wie die Überwachung landwirtschaftlicher Flächen und die Verfolgung von Wildtieren ausgeführt werden.
• Intelligenter Einzelhandel: Von automatisierten Kassen bis zur Bestandsverwaltung lässt sich YOLOv5 problemlos nach TensorRT und ONNX exportieren, um es auf Tausenden von Ladenkameras bereitzustellen.

Blick in die Zukunft: Der Vorteil von YOLO26#

YOLOv5 ist zwar ein legendäres Modell, doch der KI-Bereich entwickelt sich rasant weiter. Wenn du heute ein neues Projekt startest, empfehlen wir dir dringend, die neueste Generation der Ultralytics-Modelle zu prüfen.

Das 2026 veröffentlichte Ultralytics YOLO26 stellt einen gewaltigen Fortschritt dar. Es verfügt über ein End-to-End-Design ohne NMS, das die Notwendigkeit einer Nachverarbeitung mit Non-Maximum Suppression vollständig beseitigt und dadurch die Bereitstellungslogik deutlich vereinfacht. Durch den Verzicht auf den verteilungsfokussierten Verlust (DFL) und den Einsatz des hochmodernen MuSGD-Optimierers erzielt YOLO26 eine bis zu 43 % schnellere CPU-Inferenz als frühere Generationen und behält dabei eine höhere Genauigkeit bei, insbesondere bei kleinen Objekten dank der neuen Verlustfunktionen ProgLoss + STAL.

Egal, ob du dich für die praxiserprobte Zuverlässigkeit von YOLOv5 oder die hochmoderne Leistung von YOLO26 entscheidest: Die Ultralytics Platform stellt sicher, dass du die besten verfügbaren Werkzeuge hast, um deine Computer-Vision-Lösungen nahtlos vom Konzept bis zur Produktion zu bringen. Sieh dir unbedingt die umfassende Ultralytics-Dokumentation an, um das volle Potenzial deiner KI-Pipeline auszuschöpfen.