YOLOX und YOLOv6-3.0
Die Entwicklung der Computer Vision wurde maßgeblich durch die rasanten Fortschritte der YOLO-Reihe geprägt. Bei der Wahl der passenden Architektur für die Bereitstellung geht es oft darum, Durchsatz, architektonische Einfachheit und Trainingseffizienz in Einklang zu bringen. Zwei wichtige Meilensteine auf diesem Weg sind der Forschungsfokus von YOLOX auf ankerfreie Verfahren und der industrielle Durchsatzfokus von YOLOv6-3.0.
Dieser technische Vergleich erläutert die Architekturunterschiede, Leistungskennzahlen und idealen Anwendungsfälle und stellt außerdem Ultralytics YOLO26 für Entwickler vor, die eine effiziente Bereitstellung auf Edge-Geräten und in der Cloud benötigen.
YOLOX: Forschung und Industrie verbinden#
YOLOX wurde von Forschenden bei Megvii entwickelt und läutete einen grundlegenden Wandel hin zu einer Vereinfachung der YOLO-Architektur ein, indem das Modell vollständig ankerfrei gestaltet wurde.
- 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 führte ein ankerfreies Design in die YOLO-Familie ein. Durch den Wegfall vordefinierter Ankerrahmen verringerte das Modell die Anzahl der Entwurfsparameter und den heuristischen Anpassungsaufwand während des Trainings deutlich. Dadurch lässt sich YOLOX ohne manuelle Neuberechnung der Anker an verschiedene benutzerdefinierte Datensätze anpassen.
Außerdem führte YOLOX eine Architektur mit entkoppeltem Kopf ein. Indem Klassifizierung und Regression auf unterschiedliche Zweige verteilt werden, verringert das Modell den Konflikt zwischen der Bestimmung, was ein Objekt ist, und der Bestimmung, wo es sich befindet. In Verbindung mit der SimOTA-Strategie zur Label-Zuweisung erzielt YOLOX eine schnellere Konvergenz und einen höheren Wert bei der mittleren durchschnittlichen Präzision (mAP).
Anchor-freie Detektoren wie YOLOX schneiden bei benutzerdefinierten Datensätzen mit ungewöhnlichen Objektseitenverhältnissen oft besser ab, da sie sich nicht auf feste Vorgaben für Begrenzungsrahmen stützen, die möglicherweise nicht zu den neuen Daten passen.
YOLOv6-3.0: Das industrielle Schwergewicht#
YOLOv6-3.0 wurde von der Abteilung für Vision-KI bei Meituan entwickelt und ist auf hohen 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 eine möglichst hohe Auslastung der GPU. Das Modell führt im Neck ein Bi-directional Concatenation (BiC)-Modul ein, das die Merkmalsfusion verbessert und zugleich hohe Inferenzgeschwindigkeiten beibehält. Die Inferenz erfolgt vollständig ankerfrei. Während des Trainings nutzt YOLOv6-3.0 hingegen die Anchor-Aided Training (AAT)-Strategie, um von der Stabilität ankerbasierter Verfahren zu profitieren.
Die kleineren Modelle verwenden das hardwarefreundliche EfficientRep-Backbone, die größeren dagegen CSPStackRep. Beide wurden so entwickelt, dass sie die Kosten für Speicherzugriffe senken und die Rechendichte auf modernen Beschleunigern maximieren. Dadurch eignet sich YOLOv6 besonders für serverseitige Videoanalysen.
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.
| 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 |
| YOLOv6-3.0n | 640 | 37.5 | - | 1.17 | 4.7 | 11.4 |
| YOLOv6-3.0s | 640 | 45.0 | - | 2.66 | 18.5 | 45.3 |
| YOLOv6-3.0m | 640 | 50.0 | - | 5.28 | 34.9 | 85.8 |
| YOLOv6-3.0l | 640 | 52.8 | - | 8.95 | 59.6 | 150.7 |
YOLOv6-3.0 erreicht bei jeder vergleichbaren Modellgröße einen höheren mAP als YOLOX und bietet ähnliche oder höhere TensorRT-Geschwindigkeiten. Dank seiner Einfachheit und der sehr kleinen Nano- und Tiny-Varianten bleibt YOLOX dennoch wettbewerbsfähig.
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 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.
Der Vorteil von Ultralytics#
Megvii und Meituan bieten beide leistungsfähige Forschungs-Repositories. Für den Produktiveinsatz dieser Modelle ist jedoch oft ein erheblicher technischer Aufwand nötig. Das integrierte Ultralytics-Ökosystem senkt diese Hürden mit einer einheitlichen, umfassend dokumentierten API.
Das Ultralytics-Paket bietet Entwicklern eine einheitliche Nutzungserfahrung. Dazu gehören integrierte Funktionen zur Datenerweiterung, eine effiziente Speicherverwaltung während des Trainings (mit deutlich geringerem VRAM-Bedarf als bei Transformer-Modellen wie RT-DETR) und Exportpipelines für Formate wie ONNX und OpenVINO.
Anders als spezialisierte Modelle sind Ultralytics-Architekturen vielseitig und unterstützen direkt nach der Installation Objekterkennung, Instanzsegmentierung, Bildklassifizierung, Posenschätzung und orientierte Begrenzungsrahmen (OBB).
YOLO26 kennenlernen#
Für Teams, die neue Computer-Vision-Projekte beginnen, empfiehlt Ultralytics Ultralytics YOLO26, veröffentlicht im Januar 2026. YOLO26 baut auf YOLO11 und YOLOv8 auf und führt mehrere neue Funktionen ein:
- Durchgängiges NMS-freies Design: YOLO26 griff erstmals in YOLOv10 erkundete Ansätze auf. Der optionale One-to-One-Kopf (
nms=False) macht die NMS-Nachverarbeitung überflüssig. Das ermöglicht vorhersehbare Inferenz mit geringer Latenz für Robotik in Echtzeit. - MuSGD-Optimierer: Inspiriert von Trainingsmethoden für große Sprachmodelle wie Kimi K2 von Moonshot AI nutzt YOLO26 den MuSGD-Optimierer, eine Kombination aus SGD und Muon, für stabiles Training und schnellere Konvergenz.
- Bis zu 43 % schnellere CPU-Inferenz: Nach dem Wegfall von Distribution Focal Loss (DFL) und dank des optimierten Netzwerkkopfs läuft YOLO26n auf einer CPU bis zu 43 % schneller als YOLO11n. Das eignet sich für Edge-Geräte, die auf CPU-Ausführung angewiesen sind.
- ProgLoss + STAL: Progressive Loss und Small-Target-Aware Label Assignment (STAL) verbessern die Erkennung kleiner Objekte. Damit eignet sich YOLO26 besonders für Luftbilder und die mikroskopische Prüfung auf Defekte.
Einheitliches Trainingsbeispiel#
Mit der Ultralytics Python API reichen wenige Codezeilen, um hochmoderne Modelle zu trainieren. Dieselbe übersichtliche Schnittstelle gilt sowohl beim Testen älterer YOLO-Modelle als auch bei der Bereitstellung des neuesten YOLO26-Modells.
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")Noch einfacher geht es mit der codefreien Ultralytics Platform, auf der du deine Datensätze verwaltest, Experimente verfolgst und Modelle in der Cloud trainierst.
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 meisten modernen Anwendungen. Wenn du Edge-KI für IoT-Geräte, Drohnen oder Mobiltelefone entwickelst, machen YOLO26s natives NMS-freies Design, die CPU-Optimierungen und die umfassende Unterstützung durch das Ökosystem das Modell zur empfohlenen Wahl, um die Lücke zwischen Training und Produktion zu schließen.
Kommentare
Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.