Erste Schritte

YOLOX und YOLOv7

Die Entwicklung der Echtzeit-Objekterkennung wurde durch kontinuierliche Architekturverbesserungen vorangetrieben. Zwei wichtige Meilensteine auf diesem Weg sind YOLOX und YOLOv7. Beide Modelle wurden innerhalb eines Jahres veröffentlicht und führten neue Ansätze für die herkömmliche Objekterkennung ein. Dadurch verbesserten sie den Kompromiss zwischen Geschwindigkeit und Genauigkeit deutlich.

Diese Seite bietet eine technische Analyse von YOLOX und YOLOv7 und vergleicht ihre Architekturen, Leistungskennzahlen und idealen Anwendungsfälle. So können Entwickler das passende Werkzeug für ihre Computer-Vision-Anwendungen auswählen.

YOLOX: Wegweisende anchor-freie Erkennung#

YOLOX wurde im Juli 2021 von Forschenden bei Megvii vorgestellt und bedeutete eine deutliche Abkehr von herkömmlichen anchor-basierten Designs. Durch die Verbindung akademischer Forschung mit industriellen Anwendungen vereinfachte YOLOX den Erkennungskopf und verbesserte die Gesamtleistung.

Wichtige Modelldetails:

Architektonische Innovationen#

YOLOX führte einen ankerfreien Ansatz ein, der die Anzahl der Entwurfsparameter und den für benutzerdefinierte Datensätze nötigen heuristischen Anpassungsaufwand deutlich reduzierte. Das Modell nutzte einen entkoppelten Kopf, der Klassifizierung und Regression trennte und so Konvergenzgeschwindigkeit und Genauigkeit verbesserte. Darüber hinaus setzte YOLOX fortgeschrittene Strategien zur Datenerweiterung wie MixUp und Mosaic ein, um die Robustheit des Modells zu erhöhen.

Mehr über YOLOX erfahren

Vorteile anchor-freier Modelle

YOLOX sagt pro Position nur einen Begrenzungsrahmen statt mehrere Ankerrahmen voraus. Dadurch müssen beim Training weniger Vorhersagen mithilfe von Intersection over Union (IoU) den Ground-Truth-Daten zugeordnet werden. Das vereinfacht die Label-Zuweisung und kann den Verbrauch von CUDA-Speicher senken.

YOLOv7: Trainierbare Sammlung kostenloser Verbesserungen#

YOLOv7 wurde im Juli 2022 von Forschenden am Institute of Information Science der Academia Sinica in Taiwan veröffentlicht und trieb die Echtzeit-Objekterkennung weiter voran. Das Modell führte das Konzept eines „trainierbaren Bag of Freebies“ ein und erzielte bei seiner Veröffentlichung neue Spitzenwerte auf dem MS-COCO-Datensatz.

Wichtige Modelldetails:

Architektonische Innovationen#

Die Architektur von YOLOv7 basiert auf dem Extended Efficient Layer Aggregation Network (E-ELAN), mit dem das Modell kontinuierlich vielfältigere Merkmale lernen kann, ohne den Gradientenpfad zu verschlechtern. Darüber hinaus nutzte YOLOv7 Techniken zur Neuparametrisierung des Modells. Dadurch lassen sich komplexe Trainingsnetzwerke mit mehreren Zweigen während der Inferenz in schnellere Netzwerke mit nur einem Pfad umwandeln.

Mehr über YOLOv7 erfahren

Leistungsvergleich#

Für den Einsatz in realen Anwendungen ist es wichtig, die Leistung dieser Modelle bei verschiedenen Größen zu verstehen. Die folgende Tabelle vergleicht die Standardkennzahlen unterschiedlicher Größen von YOLOX und YOLOv7.

ModellGröße
(Pixel)
mAPval50-95Geschwindigkeit
CPU ONNX
(ms)
Geschwindigkeit
T4 TensorRT10
(ms)
Parameter
(M)
FLOPs
(B)
YOLOXnano41625.8--0.911.08
YOLOXtiny41632.8--5.066.45
YOLOXs64040.5-2.569.026.8
YOLOXm64046.9-5.4325.373.8
YOLOXl64049.7-9.0454.2155.6
YOLOXx64051.1-16.199.1281.9
YOLOv7l64051.4-6.8436.9104.7
YOLOv7x64053.1-11.5771.3189.9

Analyse#

  • Genauigkeit: YOLOv7 erzielt im Allgemeinen einen höheren mAP als vergleichbare YOLOX-Modelle. So erreicht YOLOv7x beispielsweise einen mAP von 53,1 gegenüber 51,1 bei YOLOXx.
  • Geschwindigkeit: Beide Modelle sind mithilfe von TensorRT für die Ausführung auf GPUs optimiert. Bei den großen Modellvarianten ist YOLOv7 sowohl schneller als auch genauer (YOLOv7l benötigt beispielsweise 6,84 ms gegenüber 9,04 ms für YOLOXl). YOLOX bietet dafür kleinere Varianten für Edge-Geräte.
  • Vielseitigkeit: YOLOv7 erweiterte sein Anwendungsspektrum über Begrenzungsrahmen hinaus und stellt nativ Gewichte für Instanzsegmentierung und Posenschätzung bereit. Damit ist das Modell vielseitiger als das grundlegende YOLOX-Repository.

Anwendungen in der Praxis#

Die Wahl zwischen diesen Modellen hängt oft von deiner konkreten Bereitstellungsumgebung ab.

Edge Computing und IoT#

Für eingeschränkte Edge-Geräte wie den Raspberry Pi oder ältere Mobilprozessoren sind YOLOX-Nano und YOLOX-Tiny interessante Optionen. Dank ihrer geringen Parameterzahl und ihres ankerfreien Designs lassen sie sich in Umgebungen mit geringem Stromverbrauch leichter für Aufgaben wie einfache Bewegungsverfolgung oder intelligente Türklingeln bereitstellen.

Videoanalyse mit hoher Detailtreue#

Für die Verarbeitung hochauflösender Videodaten bei der Erkennung industrieller Defekte oder der Überwachung dichten Verkehrs ist YOLOv7 die bessere Wahl. Dank der robusten Merkmalsaggregation erreicht das Modell selbst dann eine hohe Genauigkeit, wenn Objekte teilweise verdeckt sind oder stark in ihrer Größe variieren.

Anwendungsfälle und Empfehlungen#

Ob du YOLOX oder YOLOv7 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 YOLOv7 wählen solltest#

YOLOv7 empfiehlt sich für:

  • Akademische Benchmarks: Reproduktion des Stands der Technik von 2022 oder Untersuchung der Auswirkungen von E-ELAN und Techniken mit trainierbaren Bündeln kostenloser Verbesserungen.
  • Reparametrisierungsforschung: Untersuchung geplanter reparametrisierter Faltungen und Strategien zur zusammengesetzten Modellskalierung.
  • Bestehende benutzerdefinierte Pipelines: Projekte mit stark angepassten Pipelines auf Basis der spezifischen YOLOv7-Architektur, die sich nicht ohne Weiteres umgestalten lassen.

Wann du Ultralytics (YOLO26) wählen solltest#

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

  • 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 YOLO26 (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#

Sowohl YOLOX als auch YOLOv7 sind leistungsfähige Forschungsimplementierungen. Der Wechsel von einem Forschungs-Repository zu einer skalierbaren Produktionsumgebung kann jedoch eine Herausforderung sein. Hier hilft die Ultralytics Platform.

Ultralytics-Modelle bieten eine einheitliche Python API, mit der sich Training, Validierung und Bereitstellung von Modellen als optimierte, standardisierte Aufgaben ausführen lassen. Dadurch entfällt die Verwaltung komplexer Abhängigkeiten von Drittanbietern oder benutzerdefinierter C++-Operatoren, wie sie bei älteren Architekturen üblich sind.

Außerdem benötigen Ultralytics-YOLO-Modelle beim Training deutlich weniger CUDA-Speicher als Transformer-basierte Detektoren wie RT-DETR. So können Anwender:innen größere Batch-Größen nutzen, das Training stabilisieren und die Konvergenz bei benutzerdefinierten Datensätzen beschleunigen.

Unterstützte Integrationen

Ultralytics unterstützt nativ den Export von Modellen in branchenübliche Formate wie ONNX, OpenVINO und CoreML. Dazu genügt ein einziges Argument format, wodurch sich der Bereitstellungsprozess für Modelle vereinfacht.

Codebeispiel: Training mit Ultralytics#

Das Ultralytics-Python-Paket kann YOLOv7-Checkpoints .pt nicht nativ trainieren oder ausführen (die YOLOv7-Dokumentation erklärt, wie du exportierte ONNX- oder TensorRT-Modelle ausführst). Neuere Architekturen wie YOLO26 lassen sich dagegen mit nur wenigen Codezeilen laden, trainieren und ausführen.

from ultralytics import YOLO

# Ein vortrainiertes YOLO26-Modell laden
model = YOLO("yolo26n.pt")

# Das Modell auf einem benutzerdefinierten Datensatz trainieren (z. B. COCO8)
# Die API übernimmt das Laden der Daten, die Datenerweiterung und die Speicherverwaltung automatisch
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Inferenz für ein Testbild ausführen
predictions = model("path/to/image.jpg")
predictions[0].show()

Die Zukunft: Ultralytics YOLO26#

YOLOv7 und YOLOX waren wichtige historische Meilensteine, doch das Fachgebiet entwickelt sich rasant weiter. Ultralytics YOLO26, veröffentlicht im Januar 2026, führt mehrere Änderungen ein, die frühere Modelle ablösen.

  • Durchgängiges NMS-freies Design: Der optionale One-to-One-Kopf von YOLO26 (nms=False) überspringt die NMS-Nachverarbeitung. Das verringert Latenzengpässe und sorgt auf unterschiedlichen Hardwarekonfigurationen für vorhersehbare Ausführungszeiten.
  • Bis zu 43 % schnellere CPU-Inferenz: Nach dem Wegfall von Distribution Focal Loss (DFL) und dank der NMS-freien Inferenz läuft YOLO26n auf einer CPU bis zu 43 % schneller als YOLO11n. Das eignet sich für Edge-Geräte ohne dedizierte GPU-Hardware.
  • MuSGD-Optimierer: Der MuSGD-Optimierer, eine Kombination aus SGD und Muon, ist von Trainingsmethoden für große Sprachmodelle inspiriert und ermöglicht stabiles Training sowie schnellere Konvergenz.
  • Verbesserte Erkennung kleiner Objekte: ProgLoss + STAL (Progressive Loss and Small-Target-Aware Label Assignment) verbessert die Erkennung kleiner, weit entfernter Objekte. Das ist entscheidend für die Kartierung mit Drohnen und die Sicherheitsüberwachung.
  • Native Unterstützung verschiedener Aufgaben: YOLO26 unterstützt nativ Instanzsegmentierung, semantische Segmentierung, Tiefenschätzung, Klassifizierung, Posenschätzung und orientierte Begrenzungsrahmen (OBB) über dieselbe API.

Für Entwickler, die heute ein neues Computer-Vision-Projekt beginnen, ist Ultralytics YOLO26 der empfohlene Weg zur besten Balance aus Geschwindigkeit, Genauigkeit und einfacher Bereitstellung. Wer von früheren Generationen wie YOLO11 oder YOLOv8 umsteigt, muss in der Regel nur die Modellzeichenfolge ändern.

Mitwirkende

Kommentare

Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.