YOLOX und YOLOv5
Die Wahl des passenden Modells zur Objekterkennung ist eine wichtige Entscheidung für jedes Computer-Vision-Projekt. Dieser Leitfaden bietet einen technischen Vergleich zweier einflussreicher Modelle: Megviis YOLOX und Ultralytics YOLOv5. Durch die Analyse ihrer Architekturen, Leistungskennzahlen und Trainingsökosysteme unterstützt er Entwickler und Forschende dabei, fundierte Entscheidungen für ihre jeweiligen Bereitstellungsumgebungen zu treffen.
Einführung in die Modelle#
Beide Modelle entstanden in einer Phase rasanter Fortschritte bei der Echtzeit-Objekterkennung, verfolgten jedoch unterschiedliche architektonische Ansätze, um ihre Leistung zu erzielen.
YOLOX: ein ansatzfreier Ansatz#
YOLOX wurde am 18. Juli 2021 von den Forschenden Zheng Ge, Songtao Liu, Feng Wang, Zeming Li und Jian Sun bei Megvii veröffentlicht und setzte mit der Abkehr von herkömmlichen Ankerrahmen einen wichtigen neuen Akzent. Im technischen Bericht auf arXiv dokumentierten die Forschenden, wie YOLOX ein ankerfreies Design mit einem entkoppelten Kopf und der SimOTA-Strategie zur Label-Zuweisung kombinierte. Dieses Design sollte die Lücke zwischen akademischer Forschung und industriellen Anwendungen schließen und eine hohe Leistung auf gängigen Datensätzen bieten.
YOLOv5: der Standard für produktive Computer Vision#
YOLOv5 wurde von Glenn Jocher entwickelt und am 26. Juni 2020 von Ultralytics veröffentlicht. Das Modell entwickelte sich rasch zu einem der am häufigsten eingesetzten Computer-Vision-Modelle. Da es nativ auf dem PyTorch-Framework aufbaut, machte es modernste KI durch seine einfache Bedienung, schnelles Training und ein ausgefeiltes Repository leichter zugänglich. Die Architektur von YOLOv5 vereint Geschwindigkeit, Genauigkeit und einfache Bereitstellung. Dadurch ist das Modell sowohl auf Edge-Geräten als auch bei großen Cloud-Bereitstellungen beliebt.
Architektonische Unterschiede#
Wenn du die grundlegenden technischen Unterschiede zwischen diesen Netzwerken verstehst, wird klar, warum sie sich bei verschiedenen Aufgaben unterschiedlich verhalten.
Ankerfrei oder ankerbasiert#
Der entscheidende Unterschied ist YOLOXs ankerfreies Verfahren. Herkömmliche ankerbasierte Modelle wie YOLOv5 verwenden vordefinierte Ankerrahmen für die Vorhersage von Begrenzungsrahmen. Um optimale Ankergrößen zu bestimmen, muss dafür der Trainingsdatensatz per Clustering analysiert werden. YOLOX verzichtet darauf und sagt die Koordinaten des Begrenzungsrahmens direkt an jeder räumlichen Position voraus. Das ankerfreie Verfahren reduziert zwar die Anzahl der Entwurfsparameter und den heuristischen Anpassungsaufwand, doch YOLOv5s verfeinerter ankerbasierter Ansatz ermöglicht dank der Funktion für automatische Anker von Anfang an eine stabile und vorhersehbare Trainingskonvergenz.
Entkoppelter oder gekoppelter Kopf#
YOLOX verwendet einen entkoppelten Kopf: Klassifikation und Regression sind dabei auf getrennte Zweige des neuronalen Netzes aufgeteilt. Die Autorinnen und Autoren argumentierten, dass dadurch Konflikte zwischen dem Lernen räumlicher und semantischer Merkmale gelöst werden. YOLOv5 setzte dagegen in früheren Versionen auf einen hochgradig optimierten gekoppelten Kopf, der die Recheneffizienz maximierte und die Latenz bei der Inferenz verringerte – entscheidend für Edge-Computing in Echtzeit.
Strategie zur Labelzuweisung#
YOLOX verwendet SimOTA für die Zuweisung von Labels und formuliert die Zuordnung von Ground-Truth-Objekten zu Vorhersagen als Optimal-Transport-Problem. Diese dynamische Zuweisung verbessert den Umgang mit dicht bevölkerten Szenen. YOLOv5 nutzt eine robuste, formregelbasierte Zuweisung und stellt so sicher, dass der Loss-Funktion durchgängig hochwertige positive Samples zugeführt werden, was zur Trainingsstabilität beiträgt.
Leistung und Benchmarks#
Der Kompromiss zwischen Geschwindigkeit und Genauigkeit ist der entscheidende Test für diese Architekturen. Die folgende Tabelle zeigt die Leistung verschiedener Modellgrößen auf standardisierten Benchmarks.
| 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 |
| YOLOv5n | 640 | 28.0 | - | 1.12 | 1.9 | 4.5 |
| YOLOv5s | 640 | 37.4 | - | 1.92 | 7.2 | 16.5 |
| YOLOv5m | 640 | 45.4 | - | 4.03 | 21.2 | 49.0 |
| YOLOv5l | 640 | 49.0 | - | 6.61 | 46.5 | 109.1 |
| YOLOv5x | 640 | 50.7 | - | 11.89 | 86.7 | 205.7 |
YOLOX ist bei den Größen s bis x genauer, während YOLOv5 über alle Größen hinweg auf T4 TensorRT schneller ist. YOLOv5s benötigt beispielsweise 1,92 ms gegenüber 2,56 ms für YOLOXs. Das ist für Echtzeitanwendungen wichtig, bei denen jede Millisekunde zählt.
Der Ultralytics-Vorteil: 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 liegen die Vorteile des Ultralytics-Ökosystems auf der Hand.
Ein unkompliziertes Nutzungserlebnis#
YOLOv5 ist für eine unkomplizierte Entwicklererfahrung weithin bekannt. Mit der Ultralytics-Python-API und der CLI kannst du Modelle mit wenigen Codezeilen laden, trainieren und bereitstellen. Im Gegensatz dazu erfordert die Ausführung von YOLOX aus dem Megvii-GitHub-Repository mehr manuelle Konfiguration von Umgebungsvariablen, komplexe Python-Pfadeinstellungen und eine steilere Lernkurve, wie sie für akademische Codebasen typisch ist.
Trainingseffizienz und Speicherbedarf#
Ultralytics-Modelle sind so konzipiert, dass sie den Speicherbedarf beim Training minimieren. YOLOv5 benötigt deutlich weniger CUDA-Speicher als stark parametrisierte Transformer-Modelle wie RT-DETR oder nicht optimierte Forschungsmodelle. So können Entwickler auf handelsüblicher Hardware größere Batch-Größen trainieren und den iterativen Entwicklungszyklus beschleunigen.
Vielseitigkeit bei verschiedenen Aufgaben#
Während YOLOX ausschließlich ein Framework zur Objekterkennung ist, wurde YOLOv5 im Ultralytics-Ökosystem weiterentwickelt, um mehrere Aufgaben der Bildverarbeitung zu unterstützen. Direkt nach der Installation kannst du mit derselben API-Syntax Objekte erkennen, Instanzen segmentieren und Bilder klassifizieren.
Wenn du noch anspruchsvollere Aufgaben wie Posenschätzung oder die Erkennung orientierter Begrenzungsrahmen (OBB) benötigst, solltest du auf Ultralytics YOLO26 umsteigen, das diese Aufgaben nativ und mit hoher Genauigkeit unterstützt.
Codevergleich#
Der Unterschied bei der Benutzerfreundlichkeit zeigt sich am besten im Code.
Training mit YOLOv5:
from ultralytics import YOLO
# Ein vortrainiertes YOLOv5s-Modell laden
model = YOLO("yolov5su.pt") # YOLOv5u: ankerfreie YOLOv5-Gewichte für das ultralytics-Paket
# Trainiere das Modell mit dem Beispieldatensatz COCO8
model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Eine Inferenz auf einem Bild ausführen
results = model("https://ultralytics.com/images/zidane.jpg")
# Ergebnisse anzeigen
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 -oDer Ansatz von Ultralytics beseitigt Hindernisse, sodass du dich auf deinen Datensatz und die Anwendungslogik konzentrieren kannst, anstatt Konfigurationsdateien zu debuggen. Die Nachverfolgung von Experimenten ist ebenfalls integriert – durch Anbindungen an Weights & Biases und Comet ML.
Ideale Anwendungsfälle und praktische Einsatzgebiete#
Die Wahl zwischen diesen Modellen hängt von der Betriebsumgebung deines Projekts ab.
Wo YOLOX seine Stärken ausspielt#
YOLOX bleibt eine starke Option für den akademischen Einsatz, wenn Forschende gezielt anchor-freie Ansätze oder Strategien zur Label-Zuweisung untersuchen. Das Modell eignet sich auch für Szenarien, in denen die Erkennung dicht bevölkerter Szenen die wichtigste Kennzahl ist und die Geschwindigkeit bei der Bereitstellung auf Edge-Geräten eine untergeordnete Rolle spielt.
Wo YOLOv5 besonders überzeugt#
YOLOv5 ist eine bewährte Wahl für den praktischen Einsatz.
- Hochgeschwindigkeitsfertigung: Bei der Fehlererkennung an Fließbändern ermöglicht die geringe Inferenzlatenz von YOLOv5 auf Edge-GPUs die Prüfung von Produkten, ohne das Band zu verlangsamen.
- Drohnen und Luftbilder: Dank seines geringen Speicherbedarfs kann YOLOv5 auf leichten Begleitcomputern in Drohnen eingesetzt werden, etwa zur Überwachung landwirtschaftlicher Flächen und zur Beobachtung von Wildtieren.
- Intelligenter Einzelhandel: Von automatisierten Kassen bis zur Bestandsverwaltung lässt sich YOLOv5 mühelos nach TensorRT und ONNX exportieren und so auf Tausenden von Ladenkameras bereitstellen.
Ein Blick in die Zukunft: Die Vorteile von YOLO26#
YOLOv5 ist zwar weiterhin weit verbreitet, doch der Bereich der KI entwickelt sich rasant. Wenn du heute ein neues Projekt beginnst, empfiehlt Ultralytics die neueste Generation der Ultralytics-Modelle.
Das im Januar 2026 veröffentlichte Ultralytics YOLO26 bietet ein optionales End-to-End-Design ohne NMS (nms=False), das die Nachverarbeitung per Nichtmaximum-Unterdrückung (NMS) überflüssig macht und die Bereitstellungslogik vereinfacht. Da Distribution Focal Loss (DFL) entfällt, erreicht YOLO26n eine bis zu 43 % schnellere CPU-Inferenz als YOLO11n. Der MuSGD-Optimierer verbessert die Trainingsstabilität, während ProgLoss + STAL (Progressive Loss and Small-Target-Aware Label Assignment) die Genauigkeit bei kleinen Objekten steigern.
Ob du dich für YOLOv5 oder YOLO26 entscheidest: Die Ultralytics Platform bietet Tools, um Computer-Vision-Lösungen vom Konzept bis zur Produktion zu bringen, und die Ultralytics-Dokumentation deckt jeden Schritt der Pipeline ab.
Kommentare
Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.