YOLOX und YOLOv6-3.0#

Die Entwicklung des maschinellen Sehens wurde maßgeblich durch die rasanten Fortschritte der YOLO-Reihe geprägt. Bei der Auswahl der richtigen Architektur für deine Bereitstellung kommt es oft darauf an, den Durchsatz, die Einfachheit der Architektur und die Trainingseffizienz in Einklang zu bringen. Zwei wichtige Meilensteine auf diesem Weg sind der Schwerpunkt von YOLOX auf anchor-freier Forschung und der hoch optimierte industrielle Durchsatz von YOLOv6-3.0.

Dieser technische Vergleich erläutert die architektonischen Unterschiede, Leistungskennzahlen und idealen Anwendungsfälle der Modelle und stellt zugleich die Funktionen der nächsten Generation von Ultralytics YOLO26 für Entwickler:innen vor, die nach der optimalen Lösung für Edge- und Cloud-Bereitstellungen suchen.

YOLOX: Forschung und Industrie verbinden#

YOLOX wurde von Forschenden bei Megvii entwickelt und stellte eine deutliche Veränderung dar: Die YOLO-Architektur wurde vollständig anchor-frei gestaltet und dadurch vereinfacht.

• Autor Zheng Ge, Songtao Liu, Feng Wang, Zeming Li, Jian Sun
• Organisation: Megvii
• Datum: 2021-07-18
• Arxiv: 2107.08430
• GitHub: Megvii-BaseDetection/YOLOX

Architekturmerkmale#

YOLOX integrierte erfolgreich ein anchor-freies Design in die YOLO-Familie. Durch den Verzicht auf vordefinierte Ankerboxen reduziert das Modell die Anzahl der Entwurfsparameter und den für das Training erforderlichen heuristischen Anpassungsaufwand erheblich. Dadurch lässt sich YOLOX ohne manuelle Neuberechnung der Anker besonders gut an unterschiedliche benutzerdefinierte Datensätze anpassen.

Darüber hinaus führte YOLOX eine Architektur mit entkoppeltem Kopf ein. Indem Klassifizierungs- und Regressionsaufgaben auf verschiedene Zweige verteilt werden, löst das Modell den grundsätzlichen Konflikt zwischen der Frage, was ein Objekt ist und wo es sich befindet. Zusammen mit der SimOTA-Strategie zur Labelzuweisung erzielt YOLOX eine schnellere Konvergenz und einen höheren Wert für die mittlere durchschnittliche Präzision (mAP).

Mehr über YOLOX erfahren

YOLOv6-3.0: Das industrielle Schwergewicht#

YOLOv6-3.0 wurde von der Abteilung für KI im Bereich Bildverarbeitung bei Meituan entwickelt und konsequent auf maximalen industriellen Durchsatz ausgelegt – insbesondere auf NVIDIA-GPUs mit Hardwarebeschleunigern wie TensorRT.

• Autoren: Chuyi Li, Lulu Li, Yifei Geng et al.
• Organisation: Meituan
• Datum: 2023-01-13
• Arxiv: 2301.05586
• GitHub: meituan/YOLOv6

Optimierung für die Bereitstellung#

YOLOv6-3.0 konzentriert sich auf die maximale Auslastung der GPU. Im Neck kommt ein Modul zur bidirektionalen Verkettung (BiC) zum Einsatz, das die Merkmalsfusion verbessert und zugleich hohe Inferenzgeschwindigkeiten beibehält. Während die Inferenz vollständig anchor-frei ist, nutzt YOLOv6-3.0 eine innovative Strategie für das ankerunterstützte Training (AAT), um während des Trainings von der Stabilität anchor-basierter Verfahren zu profitieren.

Das Backbone basiert auf der hardwarefreundlichen EfficientRep-Architektur, die gezielt entwickelt wurde, um Speicherzugriffe zu minimieren und die Rechendichte auf modernen Beschleunigern zu maximieren. Dadurch eignet sich YOLOv6 besonders gut für die serverseitige Videoanalyse.

Mehr über YOLOv6 erfahren

Leistungsvergleich#

Beim Vergleich dieser Modelle müssen Entwickler:innen die reine Genauigkeit gegen Inferenzgeschwindigkeit und Parameteranzahl abwägen. Die folgende Tabelle zeigt die Leistung beider Modellfamilien bei verschiedenen Größen.

YOLOv6-3.0 erzielt bei größeren Varianten einen höheren mAP und ausgezeichnete TensorRT-Geschwindigkeiten. Aufgrund seiner Einfachheit und robusten Leistung auf älterer Hardware bleibt YOLOX jedoch sehr konkurrenzfähig.

Anwendungsfälle und Empfehlungen#

Ob du YOLOX oder YOLOv6 wählst, hängt von den spezifischen Anforderungen deines Projekts, den Bereitstellungsvorgaben und deinen Präferenzen beim Ökosystem 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 YOLOv6 wählen solltest#

YOLOv6 empfiehlt sich für:

• Bereitstellung auf industrielle Hardware: Szenarien, in denen das hardwarebewusste Design und die effiziente Reparametrisierung des Modells eine optimierte Leistung auf bestimmter Zielhardware ermöglichen.
• Schnelle einstufige Erkennung: Anwendungen, bei denen die reine Inferenzgeschwindigkeit auf der GPU für die Echtzeit-Videoverarbeitung in kontrollierten Umgebungen entscheidend ist.
• Integration in das Meituan-Ökosystem: Teams, die bereits mit dem Technologie-Stack und der Bereitstellungsinfrastruktur von Meituan arbeiten.

Wann du Ultralytics (YOLO26) wählen solltest#

Für die meisten neuen Projekte bietet Ultralytics YOLO26 die beste Kombination aus Leistung und Entwicklererfahrung:

• NMS-freie Bereitstellung auf Edge-Geräten: Anwendungen, die eine gleichbleibende Inferenz mit geringer Latenz ohne die Komplexität der Nachbearbeitung durch Non-Maximum Suppression erfordern.
• Umgebungen ohne GPU: Geräte ohne dedizierte GPU-Beschleunigung, auf denen die bis zu 43 % schnellere CPU-Inferenz von YOLO26 einen entscheidenden Vorteil bietet.
• Erkennung kleiner Objekte: Anspruchsvolle Szenarien wie Luftbilder von Drohnen oder die Analyse von IoT-Sensoren, bei denen ProgLoss und STAL die Genauigkeit bei sehr kleinen Objekten deutlich steigern.

Der Vorteil von Ultralytics#

Megvii und Meituan stellen zwar beide leistungsstarke Forschungs-Repositories bereit, doch die Bereitstellung dieser Modelle in der Produktion erfordert oft erheblichen technischen Aufwand. Das integrierte Ultralytics-Ökosystem beseitigt diese Hürden mit einer einheitlichen, umfassend dokumentierten API.

Mit dem Ultralytics-Paket erhalten Entwickler:innen Zugang zu einer erstklassigen Benutzererfahrung. Dazu gehören integrierte automatische Datenerweiterung, eine äußerst effiziente Speicherverwaltung während des Trainings (mit deutlich geringerem VRAM-Bedarf als bei Transformer-Modellen wie RT-DETR) und nahtlose Exportabläufe in Formate wie ONNX und OpenVINO.

Im Gegensatz zu spezialisierten Modellen sind Ultralytics-Architekturen von Grund auf vielseitig und unterstützen standardmäßig Objekterkennung, Instanzsegmentierung, Posenschätzung, Bildklassifizierung und orientierte Begrenzungsrahmen (OBB).

YOLO26: Die ultimative Edge-Lösung#

Teams, die neue Computer-Vision-Projekte starten, empfehlen wir ausdrücklich den Umstieg auf das neu veröffentlichte Ultralytics YOLO26. Aufbauend auf den Erfolgen von YOLO11 und YOLOv8 führt YOLO26 bahnbrechende Innovationen ein:

• End-to-End-Design ohne NMS: Der optionale One-to-One-Kopf von YOLO26 (nms=False), der erstmals mit YOLOv10 erprobt wurde, macht die Nachbearbeitung durch Nicht-Maximum-Unterdrückung (NMS) überflüssig. Das gewährleistet deterministische Inferenz mit extrem niedriger Latenz, wie sie für Echtzeitrobotik entscheidend ist.
• MuSGD-Optimierer: Inspiriert von LLM-Trainingstechniken wie Kimi K2 von Moonshot AI nutzt YOLO26 den MuSGD-Optimierer, einen Hybrid aus SGD und Muon, um eine ausgesprochen stabile Trainingsdynamik und schnellere Konvergenz zu erzielen.
• Bis zu 43 % schnellere CPU-Inferenz: Durch das Entfernen des Distribution Focal Loss (DFL) und die Vereinfachung des Netzwerkkopfs ist YOLO26 stark für Edge-Geräte optimiert, die auf CPU-Ausführung angewiesen sind. In Edge-Szenarien übertrifft das Modell YOLOv6 deutlich.
• ProgLoss + STAL: Diese fortschrittlichen Verlustfunktionen verbessern die Erkennung kleiner Objekte deutlich und machen YOLO26 ideal für Luftbilder und die mikroskopische Fehlerprüfung.

Einheitliches Trainingsbeispiel#

Mit der Ultralytics-Python-API kannst du hochmoderne Modelle mit nur wenigen Codezeilen trainieren. Dieselbe übersichtliche Schnittstelle gilt sowohl für Tests mit einem älteren YOLO-Modell als auch für die Bereitstellung des hochmodernen YOLO26-Frameworks.

from ultralytics import YOLO

# Load the next-generation YOLO26 model (NMS-free, optimized for edge)
model = YOLO("yolo26n.pt")

# Train the model on the COCO8 dataset
# The ecosystem handles dataset downloading, caching, and batching natively
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Validate the model and print mAP metrics
metrics = model.val()
print(f"Validation mAP50-95: {metrics.box.map}")

# Export the model for edge deployment
model.export(format="onnx")

Empfehlungen zu Anwendungsfällen#

Berücksichtige bei der Entscheidung zwischen diesen Architekturen deine konkreten Hardwarevorgaben und Projektanforderungen:

• Wähle YOLOX, wenn du akademische Forschung zu Strategien der Labelzuweisung betreibst oder eine reine, leicht verständliche anchor-freie Grundlage für individuelle Architekturänderungen benötigst.
• Wähle YOLOv6-3.0, wenn du das Modell auf einem industriellen Server-Rack mit leistungsstarken NVIDIA-GPUs wie A100 oder T4 einsetzt und große Batch-Größen sowie TensorRT-Optimierungen nutzen kannst, um Hunderte Videoströme gleichzeitig zu verarbeiten.
• Wähle YOLO26 für die große Mehrheit moderner Anwendungen. Wenn du Edge-AI-Anwendungen für IoT-Geräte, Drohnen oder Mobiltelefone entwickelst, ist YOLO26 dank des nativen Designs ohne NMS, der CPU-Optimierungen und der umfassenden Ökosystemunterstützung die unangefochten beste Wahl, um die Lücke zwischen Training und Produktion zu schließen.