Erste Schritte

YOLOX im Vergleich zu YOLOv9

Die Entwicklung der Computer Vision wurde von kontinuierlichen Architekturverbesserungen geprägt, die Recheneffizienz und hohe Genauigkeit in Einklang bringen. Beim Vergleich von Echtzeitmodellen zur Objekterkennung zeigen Megviis YOLOX und YOLOv9 von Academia Sinica zwei unterschiedliche Ansätze für die Entwicklung von Deep-Learning-Modellen. YOLOX machte ein vereinfachtes, ankerfreies Design populär, während YOLOv9 Techniken zur Nutzung von Gradienteninformationen einführte, um möglichst viele Informationen zu bewahren.

Dieser technische Leitfaden beleuchtet die Architekturunterschiede, Leistungswerte und idealen Anwendungsfälle und zeigt, wie die Ultralytics Platform und das Modell YOLO26 leistungsfähigere Optionen für den Produktiveinsatz bieten.

YOLOX: Wegweisend für den anchor-freien Ansatz#

YOLOX wurde Mitte 2021 veröffentlicht und war ein großer Schritt, um die Lücke zwischen akademischer Forschung und industriellen Anwendungen zu schließen. Durch den Wegfall vordefinierter Ankerrahmen wurde die für benutzerdefinierte Datensätze erforderliche heuristische Anpassung deutlich vereinfacht.

Architektonische Innovationen#

YOLOX führte mehrere wichtige Änderungen an der üblichen Erkennungspipeline ein. Eine davon war ein entkoppelter Kopf, der Klassifizierung und Regression voneinander trennt. Dadurch verringerte sich der Zielkonflikt zwischen dem Erkennen eines Objekts und dem Bestimmen seiner Grenzen deutlich. Außerdem führte YOLOX SimOTA ein, eine dynamische Strategie zur Label-Zuweisung, die während des Trainings positive Beispiele zuweist und so die Konvergenz beschleunigt sowie die Gesamtleistung auf gängigen Benchmark-Datensätzen verbessert.

Stärken und Einschränkungen#

Die größte Stärke von YOLOX ist sein vereinfachtes Design. Dank des ankerfreien Verfahrens müssen Entwickler weniger Zeit für Clustering-Algorithmen aufwenden, um optimale Ankergrößen für ihre Daten zu finden. Als ältere Architektur, die nicht von Haus aus auf neueren Entwicklungen wie Self-Attention oder Gradientenpfaden aufbaut, erreicht YOLOX jedoch nicht die Parametereffizienz neuerer Netzwerke. Außerdem unterstützt YOLOX fortgeschrittene Aufgaben wie Instanzsegmentierung und Posenschätzung nicht nativ über eine einheitliche API.

Mehr über YOLOX erfahren

YOLOv9: Maximale Nutzung von Gradienteninformationen#

YOLOv9 führte 2024 einen theoriegeleiteten Ansatz für das Informationsengpassproblem ein, das tiefen neuronalen Faltungsnetzwerken inhärent ist.

Architektonische Innovationen#

Das entscheidende Merkmal von YOLOv9 ist Programmable Gradient Information (PGI). Damit bleiben wichtige semantische Informationen erhalten, während sie mehrere Schichten des Netzwerks durchlaufen. In Kombination mit dem Generalized Efficient Layer Aggregation Network (GELAN) erzielt YOLOv9 ein überzeugendes Verhältnis von Parameterzahl zu Genauigkeit. Das Modell kann dadurch genaue Gradienten für die Aktualisierung der Gewichte erhalten und ist auch in seinen leichten Varianten effektiv.

Stärken und Einschränkungen#

YOLOv9 bietet eine hohe Modellgenauigkeit. Die starken mAP-Werte auf COCO machen das Modell bei Forschenden beliebt. Trotz seiner Effizienz setzt YOLOv9 bei der Nachverarbeitung jedoch weiterhin auf herkömmliches Non-Maximum Suppression (NMS), was bei der Inferenz zu schwankender Latenz führt. Für Entwickler, die KI auf Edge-Geräten einsetzen, macht die NMS-Logik die Bereitstellungspipeline komplexer.

Mehr über YOLOv9 erfahren

Engpässe bei der Nachbearbeitung

Herkömmliche Modelle wie YOLOX und YOLOv9 benötigen die Unterdrückung nicht maximaler Werte (NMS), um doppelte Begrenzungsrahmen herauszufiltern. Dieser Schritt läuft grundsätzlich sequenziell ab und führt auf CPUs häufig zu einem Engpass. Das verdeutlicht, warum native End-to-End-Architekturen wie die neuesten Ultralytics-Modelle benötigt werden.

Leistungsvergleich#

Ein Vergleich der reinen Rechenkennzahlen dieser Architekturen zeigt deutlich, dass YOLOv9 eine modernere Ausgangsbasis bietet, während YOLOX für ältere Konfigurationen eine leichtgewichtige Option bleibt. Im Folgenden werden die Standardmodelle detailliert verglichen.

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
YOLOv9t64038.3-2.32.07.7
YOLOv9s64046.8-3.547.226.7
YOLOv9m64051.4-6.4320.176.8
YOLOv9c64053.0-7.1625.5102.8
YOLOv9e64055.6-16.7758.1192.5

YOLOv9 erreicht bei vergleichbarer Parameterzahl eine höhere Genauigkeit. Wer jedoch die beste Balance aus Geschwindigkeit, Genauigkeit und Benutzerfreundlichkeit sucht, sollte die neuesten Entwicklungen von Ultralytics in Betracht ziehen.

Die Vorteile von Ultralytics: YOLO26 im Überblick#

Historische Modelle wie YOLOX und YOLOv9 bieten wertvolle Einblicke. Als aktuell empfohlenes Ultralytics-Modell gestaltet Ultralytics YOLO26, veröffentlicht im Januar 2026, die Erkennungspipeline jedoch neu für moderne Produktionsumgebungen.

Architektonische Innovationen#

YOLO26 begegnet den Engpässen bei der Nachverarbeitung seiner Vorgänger mit einem optionalen durchgängigen, NMS-freien Design (nms=False), das die Bereitstellung auf unterschiedlicher Hardware vereinfacht. Außerdem lässt YOLO26 Distribution Focal Loss (DFL) weg, um den Export zu vereinfachen, und integriert den MuSGD-Optimierer, eine Kombination aus Stochastic Gradient Descent und Muon für ein stabileres Training.

Für Entwickler, die Modelle auf eingeschränkten Umgebungen wie dem Raspberry Pi bereitstellen, bietet YOLO26n eine um bis zu 43 % schnellere CPU-Inferenz als YOLO11n. Das Modell führt außerdem ProgLoss + STAL (Progressive Loss and Small-Target-Aware Label Assignment) ein, das die Erkennung kleiner Objekte verbessert. Dies ist entscheidend für Luftbilder und die Analyse von Drohnenaufnahmen.

Optimiertes Entwicklungsökosystem#

Anders als einzelne Forschungs-Repositories bietet das Ultralytics-Ökosystem ein optimiertes Entwicklererlebnis. Mit der Ultralytics Python API können Entwickler den erforderlichen Grundcode deutlich reduzieren. Dank der optimierten Speichernutzung kannst du robuste Modelle mit weniger GPU-VRAM trainieren als mit Architekturen, die stark auf Attention setzen.

from ultralytics import YOLO

# Das hochoptimierte, NMS-freie YOLO26-Modell in der kleinen Variante laden
model = YOLO("yolo26s.pt")

# Mit minimalem Speicherbedarf auf einem benutzerdefinierten Datensatz trainieren
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Einfach in optimierte Bereitstellungsformate exportieren
model.export(format="engine", quantize=16)  # Exportiert nach TensorRT

YOLO26 unterstützt im selben Framework zahlreiche Aufgaben über die Erkennung hinaus. Ob du präzise orientierte Begrenzungsrahmen (OBB) für Satellitenaufnahmen oder detaillierte Pixelmasken für die medizinische Bildanalyse benötigst – der Arbeitsablauf bleibt derselbe. Teams, die bisherige Arbeitsabläufe beibehalten möchten, können auch weiterhin Ultralytics YOLO11 nutzen.

Geeignete Anwendungsfälle und Bereitstellungsstrategien#

Die Wahl der passenden Architektur hängt von der Zielumgebung für die Bereitstellung und den Projektanforderungen ab.

Edge Computing und Robotik#

Auf Geräten mit geringem Stromverbrauch können Modelle mit aufwendiger Nachverarbeitung die Leistung beeinträchtigen. YOLOX-Nano ist zwar sehr klein, seine Genauigkeit reicht für sicherheitskritische Aufgaben jedoch oft nicht aus. Hier ist YOLO26 die bessere Wahl: Dank des DFL-freien Kopfes und der optionalen NMS-freien Inferenz läuft das Modell reibungslos auf CPU-Threads und eignet sich damit für autonome Robotik oder die intelligente Parkplatzverwaltung.

Akademisches Benchmarking#

Wenn es ausschließlich um die Analyse des Gradientenflusses und die Untersuchung von Engpässen tiefer Netzwerke geht, ist YOLOv9 weiterhin ein ausgezeichnetes Studienobjekt. Das PGI-Framework liefert nützliche Einblicke, wie Merkmale in tiefen neuronalen Netzwerkschichten erhalten bleiben. Dadurch ist es ein wertvolles Werkzeug für Universitätsforschende, die sich mit der Theorie der Faltungsnetzwerke befassen.

Videoanalyse in Unternehmen#

Für die groß angelegte Videoverarbeitung, etwa bei Alarmanlagen oder der Verkehrsüberwachung, sind Geschwindigkeit und vielseitige Exportmöglichkeiten entscheidend. Mit den nativen Exportwerkzeugen des Ultralytics-Frameworks können Teams YOLO26 mit einem einzigen Befehl direkt in TensorRT oder OpenVINO kompilieren und so die Zeit bis zur Markteinführung verkürzen.

Mit dem Ultralytics-Ökosystem können Machine-Learning-Teams die Komplexität roher Forschungs-Codebasen umgehen und sich ganz auf die Entwicklung skalierbarer KI-Anwendungen für den praktischen Einsatz konzentrieren.

Mitwirkende

Kommentare

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