Vergleich von Ultralytics YOLO11 mit früheren YOLO-Modellen

Von der Automatisierung alltäglicher Aufgaben bis hin zur Unterstützung bei fundierten Entscheidungen in Echtzeit gestaltet Künstliche Intelligenz (KI) die Zukunft verschiedener Branchen neu. Ein besonders faszinierender Bereich der KI ist Computer Vision, auch bekannt als Vision AI. Sie konzentriert sich darauf, Maschinen in die Lage zu versetzen, visuelle Daten so zu analysieren und zu interpretieren wie Menschen.

Insbesondere treiben Computer-Vision-Modelle Innovationen voran, die sowohl die Sicherheit als auch die Effizienz erhöhen. Beispielsweise werden diese Modelle in selbstfahrenden Autos zur Fußgängererkennung und in Sicherheitskameras zur rund um die Uhr stattfindenden Überwachung von Räumlichkeiten eingesetzt.

Einige der bekanntesten Computer-Vision-Modelle sind die YOLO (You Only Look Once) Modelle, die für ihre Fähigkeiten zur Objekterkennung in Echtzeit bekannt sind. Im Laufe der Zeit wurden YOLO-Modelle weiterentwickelt, wobei jede neue Version eine bessere Leistung und mehr Flexibilität bietet.

Neuere Versionen wie Ultralytics YOLO11 können eine Vielzahl von Aufgaben wie Instanzsegmentierung, Bildklassifizierung, Pose Estimation und Multi-Objekt-Tracking mit einer besseren Genauigkeit, Geschwindigkeit und Präzision als je zuvor bewältigen.

In diesem Artikel vergleichen wir Ultralytics YOLOv8, YOLOv9, YOLOv10 und Ultralytics YOLO11, um ein besseres Verständnis dafür zu bekommen, wie sich diese Modelle entwickelt haben. Wir analysieren ihre wichtigsten Funktionen, Benchmark-Ergebnisse und Leistungsunterschiede. Legen wir los!

Ein Überblick über Ultralytics YOLOv8#

YOLOv8, das am 10. Januar 2023 von Ultralytics veröffentlicht wurde, stellte einen bedeutenden Fortschritt gegenüber früheren YOLO-Modellen dar. Es ist für eine echtzeitfähige und präzise Erkennung optimiert und kombiniert bewährte Ansätze mit innovativen Updates für bessere Ergebnisse.

Über die Objekterkennung hinaus unterstützt es auch die folgenden Computer-Vision-Aufgaben: Instanzsegmentierung, Posing-Schätzung, Objekterkennung mit orientierten Bounding Boxes (OBB) und Bildklassifizierung. Ein weiteres wichtiges Feature von Ultralytics YOLOv8 ist, dass es in fünf verschiedenen Modellvarianten verfügbar ist – Nano, Small, Medium, Large und X –, sodass du je nach deinen Anforderungen das richtige Gleichgewicht zwischen Geschwindigkeit und Genauigkeit wählen kannst.

Dank seiner Vielseitigkeit und starken Performance kann Ultralytics YOLOv8 in vielen realen Anwendungen wie Sicherheitssystemen, Smart Cities, im Gesundheitswesen und in der Industrieautomation eingesetzt werden.

Abb. 1. Parkraummanagement in Smart Cities mit YOLOv8.

Hauptmerkmale von Ultralytics YOLOv8#

Hier ist ein genauerer Blick auf einige der anderen Hauptfunktionen von Ultralytics YOLOv8:

• Erweiterte Detektionsarchitektur: Ultralytics YOLOv8 verwendet ein verbessertes CSPDarknet-Backbone. Dieses Backbone ist für die Merkmalsextraktion optimiert – den Prozess des Identifizierens und Erfassens wichtiger Muster oder Details aus Eingangsbildern, die dem Modell helfen, genaue Vorhersagen zu treffen.
• Detection Head: Es verwendet ein ankorfreies, entkoppeltes Design, was bedeutet, dass es sich nicht auf voreingestellte Bounding-Box-Formen (Anker) verlässt, sondern stattdessen lernt, Objektpositionen direkt vorherzusagen. Aufgrund des entkoppelten Aufbaus werden die Aufgaben der Objektklassifizierung und der Vorhersage des Standorts (Regression) separat behandelt, was zur Verbesserung der Genauigkeit beiträgt und das Training beschleunigt.
• Gleichgewicht zwischen Genauigkeit und Geschwindigkeit: Dieses Modell erreicht eine beeindruckende Genauigkeit bei gleichzeitig schnellen Inferenzzeiten, wodurch es sowohl für Cloud- als auch für Edge-Umgebungen geeignet ist.
• Benutzerfreundlichkeit: YOLOv8 ist so konzipiert, dass der Einstieg leicht fällt – mit dem Ultralytics Python package kannst du innerhalb weniger Minuten mit Vorhersagen und Ergebnissen starten.

YOLOv9 konzentriert sich auf rechnerische Effizienz#

YOLOv9 wurde am 21. Februar 2024 von Chien-Yao Wang und Hong-Yuan Mark Liao vom Institute of Information Science, Academia Sinica, Taiwan, veröffentlicht. Es unterstützt Aufgaben wie Objekterkennung und Instanzsegmentierung.

Dieses Modell baut auf Ultralytics YOLOv5 auf und führt zwei große Innovationen ein: Programmable Gradient Information (PGI) und Generalized Efficient Layer Aggregation Network (GELAN).

PGI hilft YOLOv9 dabei, wichtige Informationen bei der Verarbeitung durch die Schichten beizubehalten, was zu genaueren Ergebnissen führt. Unterdessen verbessert GELAN die Art und Weise, wie das Modell seine Schichten nutzt, was die Leistung und rechnerische Effizienz steigert. Dank dieser Upgrades kann YOLOv9 Echtzeit-Aufgaben auf Edge-Geräten und mobilen Apps bewältigen, wo Rechenressourcen oft begrenzt sind.

Abb. 2. Verstehen, wie GELAN die Genauigkeit von YOLOv9 verbessert.

Hauptfunktionen von YOLOv9#

Hier ist ein Einblick in einige der anderen Hauptfunktionen von YOLOv9:

• Hohe Präzision bei Effizienz: YOLOv9 liefert eine hohe Erkennungsgenauigkeit, ohne viel Rechenleistung zu verbrauchen, was es zu einer großartigen Wahl macht, wenn Ressourcen begrenzt sind.
• Leichtgewichtige Modelle: Die leichtgewichtigen Modellvarianten von YOLOv9 sind für Edge- und mobile Deployments optimiert.
• Einfach zu bedienen: YOLOv9 wird vom Ultralytics Python-Paket unterstützt, daher ist es einfach einzurichten und in verschiedenen Umgebungen auszuführen, egal ob du Code oder die Kommandozeile verwendest.

YOLOv10 ermöglicht NMS-freie Objekterkennung#

YOLOv10 wurde am 23. Mai 2024 von Forschern der Tsinghua-Universität vorgestellt und konzentriert sich auf die Objekterkennung in Echtzeit. Es beseitigt Einschränkungen früherer YOLO-Versionen, indem es den Bedarf an Non-Maximum Suppression (NMS) – einem Nachbearbeitungsschritt zur Eliminierung doppelter Erkennungen – entfernt und das gesamte Modelldesign verfeinert. Dies führt zu einer schnelleren und effizienteren Objekterkennung bei gleichzeitiger Erzielung modernster Genauigkeit.

Ein entscheidender Teil, der dies ermöglicht, ist ein Trainingsansatz, der als konsistente Dual-Label-Zuweisung bekannt ist. Er kombiniert zwei Strategien: eine, die es mehreren Vorhersagen ermöglicht, vom selben Objekt zu lernen (one-to-many), und eine andere, die sich auf die Auswahl der besten einzelnen Vorhersage konzentriert (one-to-one). Da beide Strategien denselben Matching-Regeln folgen, lernt das Modell, Duplikate von sich aus zu vermeiden, sodass NMS nicht erforderlich ist.

Abb. 3. YOLOv10 verwendet konsistente duale Label-Zuweisungen für das NMS-freie Training.

Die Architektur von YOLOv10 verwendet zudem ein verbessertes CSPNet-Backbone, um Merkmale effektiver zu erlernen, sowie einen PAN (Path Aggregation Network)-Neck, der Informationen aus verschiedenen Schichten kombiniert und es so besser macht, sowohl kleine als auch große Objekte zu erkennen. Diese Verbesserungen ermöglichen es, YOLOv10 für reale Anwendungen in der Fertigung, im Einzelhandel und beim autonomen Fahren einzusetzen.

Hauptfunktionen von YOLOv10#

Hier sind einige der anderen herausragenden Funktionen von YOLOv10:

• Large-Kernel Convolutions: Das Modell verwendet Large-Kernel Convolutions, um mehr Kontext aus weiteren Bereichen des Bildes zu erfassen, was ihm hilft, die Gesamtszene besser zu verstehen.

• Partielle Self-Attention-Module: Das Modell integriert partielle Self-Attention-Module, um sich auf die wichtigsten Teile des Bildes zu konzentrieren, ohne zu viel Rechenleistung zu verbrauchen, was die Leistung effizient steigert.

• Einzigartige Modellvariante: Neben den üblichen YOLOv10-Größen – Nano, Small, Medium, Large und X – gibt es auch eine spezielle Version namens YOLOv10b (Balanced). Es ist ein breiteres Modell, was bedeutet, dass es mehr Merkmale an jeder Schicht verarbeitet, was dazu beiträgt, die Genauigkeit zu verbessern und gleichzeitig Geschwindigkeit und Größe auszubalancieren.

• Benutzerfreundlich: YOLOv10 ist mit dem Ultralytics Python-Paket kompatibel, was die Nutzung einfach macht.

Ultralytics YOLO11: Verbesserte Geschwindigkeit und Genauigkeit#

In diesem Jahr, am 30. September, hat Ultralytics YOLO11 – eines der neuesten Modelle der YOLO-Serie – auf seiner jährlichen Hybridveranstaltung YOLO Vision 2024 (YV24) offiziell vorgestellt.

Diese Version brachte signifikante Verbesserungen gegenüber früheren Versionen. Ultralytics YOLO11 ist schneller, präziser und äußerst effizient. Es unterstützt die gesamte Bandbreite an Computer-Vision-Aufgaben, die YOLOv8-Anwender bereits kennen, einschließlich Objekterkennung, Instanzsegmentierung und Bildklassifizierung. Zudem behält es die Kompatibilität mit YOLOv8-Workflows bei, sodass dir der reibungslose Übergang zur neuen Version leichtfällt.

Darüber hinaus ist Ultralytics YOLO11 so konzipiert, dass es ein breites Spektrum an Rechenanforderungen erfüllt – von leichten Edge-Geräten bis hin zu leistungsstarken Cloud-Systemen. Das Modell ist sowohl als Open-Source- als auch als Enterprise-Version erhältlich, wodurch es sich an verschiedene Anwendungsfälle anpassen lässt.

Es ist eine großartige Option für Präzisionsaufgaben wie medizinische Bildgebung und Satellitenerkennung sowie für breitere Anwendungen in autonomen Fahrzeugen, der Landwirtschaft und im Gesundheitswesen.

Abb. 4. Verwendung von Ultralytics YOLO11 zum Erkennen, Zählen und Verfolgen von Verkehr.

Hauptmerkmale von Ultralytics YOLO11#

Hier sind einige der anderen einzigartigen Funktionen von Ultralytics YOLO11:

• Schnelle und effiziente Detektion: Ultralytics YOLO11 verfügt über einen Detektionskopf, der auf minimale Latenz ausgelegt ist und sich auf die Geschwindigkeit in den letzten Vorhersageschichten konzentriert, ohne die Leistung zu beeinträchtigen.
• Verbesserte Merkmalsextraktion: Eine optimierte Backbone- und Neck-Architektur verbessert die Merkmalsextraktion, was zu präziseren Vorhersagen führt.
• Nahtlose Bereitstellung über Plattformen hinweg: Ultralytics YOLO11 ist so optimiert, dass es effizient auf Edge-Geräten, Cloud-Plattformen und NVIDIA GPUs läuft, was die Anpassungsfähigkeit an verschiedene Umgebungen gewährleistet.

Benchmarking von YOLO-Modellen auf dem COCO-Datensatz#

Bei der Erkundung verschiedener Modelle ist es nicht immer einfach, sie nur anhand ihrer Funktionen zu vergleichen. Hier kommt Benchmarking ins Spiel. Indem wir alle Modelle auf demselben Dataset ausführen, können wir ihre Leistung objektiv messen und vergleichen. Werfen wir einen Blick darauf, wie die einzelnen Modelle auf dem COCO-Dataset abschneiden.

Beim Vergleich von YOLO-Modellen bringt jede neue Version bemerkenswerte Verbesserungen in Bezug auf Genauigkeit, Geschwindigkeit und Flexibilität. Insbesondere YOLO11m macht hier einen Sprung, da es 22 % weniger Parameter als YOLOv8m verwendet, was bedeutet, dass es leichter und schneller auszuführen ist. Trotz seiner geringeren Größe erreicht es zudem eine höhere Mean Average Precision (mAP) auf dem COCO-Datensatz. Diese Metrik misst, wie gut das Modell Objekte erkennt und lokalisiert; eine höhere mAP bedeutet also genauere Vorhersagen.

Abb. 5. Benchmarking von YOLO11 und anderen YOLO-Modellen auf dem COCO-Dataset.

Testen und Vergleichen von YOLO-Modellen anhand eines Videos#

Lass uns untersuchen, wie diese Modelle in einer realen Situation abschneiden.

Um YOLOv8, YOLOv9, YOLOv10 und YOLO11 zu vergleichen, wurden alle vier für eine faire Bewertung auf demselben Verkehrsvideo mit einem Konfidenzwert von 0,3 (das Modell zeigt Erkennungen nur an, wenn es zu mindestens 30 % sicher ist, dass es ein Objekt korrekt identifiziert hat) und einer Bildgröße von 640 ausgeführt. Die Ergebnisse der Objekterkennung und des Trackings hoben wichtige Unterschiede hinsichtlich Erkennungsgenauigkeit, Geschwindigkeit und Präzision hervor.

Vom ersten Frame an erkannte YOLO11 große Fahrzeuge wie Lastwagen, die YOLOv10 übersah. YOLOv8 und YOLOv9 zeigten eine ordentliche Leistung, variierten jedoch je nach Lichtverhältnissen und Objektgröße. Kleinere, weit entfernte Fahrzeuge blieben für alle Modelle eine Herausforderung, obwohl YOLO11 auch bei diesen Erkennungen spürbare Verbesserungen zeigte.

Abb. 6. Vergleich von YOLOv8, YOLOv9, YOLOv10 und YOLO11.

Was die Geschwindigkeit betrifft, arbeiteten alle Modelle zwischen 10 und 20 Millisekunden pro Frame, was schnell genug ist, um Echtzeitaufgaben mit über 50 FPS zu bewältigen. Einerseits lieferten Ultralytics YOLOv8 und YOLOv9 während des gesamten Videos stabile und zuverlässige Detektionen. Interessanterweise war YOLOv10, das auf geringere Latenz ausgelegt ist, schneller, zeigte jedoch einige Inkonsistenzen bei der Detektion bestimmter Objekttypen.

Ultralytics YOLO11 hingegen stach durch seine Präzision hervor und bot eine starke Balance zwischen Geschwindigkeit und Genauigkeit. Zwar schnitt keines der Modelle in jedem Einzelbild perfekt ab, doch der direkte Vergleich zeigte deutlich, dass YOLO11 die insgesamt beste Leistung erbrachte.

Welches YOLO-Modell ist das beste für Computer-Vision-Aufgaben?#

Die Auswahl eines Modells für ein Projekt hängt von dessen spezifischen Anforderungen ab. Einige Anwendungen könnten beispielsweise Geschwindigkeit priorisieren, während andere eine höhere Genauigkeit erfordern oder mit Deployment-Einschränkungen konfrontiert sind, die die Entscheidung beeinflussen.

Ein weiterer wichtiger Faktor ist die Art der Computer-Vision-Aufgaben, die du bewältigen musst. Wenn du nach breiterer Flexibilität für verschiedene Aufgaben suchst, sind YOLOv8 und YOLO11 gute Optionen.

Ob du dich für YOLOv8 oder YOLO11 entscheidest, hängt wirklich von deinen Bedürfnissen ab. YOLOv8 ist eine solide Option, wenn du neu im Bereich Computer Vision bist und Wert auf eine größere Community, mehr Tutorials und umfangreiche Drittanbieter-Integrationen legst.

Andererseits, wenn du nach bahnbrechender Leistung mit besserer Genauigkeit und Geschwindigkeit suchst, ist Ultralytics YOLO11 die bessere Wahl, auch wenn es aufgrund seiner neueren Veröffentlichung über eine kleinere Community und weniger Integrationen verfügt.

Wichtige Erkenntnisse#

Von Ultralytics YOLOv8 bis Ultralytics YOLO11 spiegelt die Evolution der YOLO-Modellserie einen konsequenten Vorstoß zu intelligenteren Computer-Vision-Modellen wider. Jede Version von YOLO bringt sinnvolle Upgrades in Bezug auf Geschwindigkeit, Genauigkeit und Präzision.

Während die Computer Vision weiter voranschreitet, bieten diese Modelle zuverlässige Lösungen für reale Herausforderungen, von der Objekterkennung bis hin zu autonomen Systemen. Die kontinuierliche Entwicklung von YOLO-Modellen zeigt, wie weit das Feld gekommen ist und wie viel wir in Zukunft noch erwarten können.

Um mehr über KI zu erfahren, besuche unser GitHub repository und tausche dich mit unserer Community aus. Entdecke Fortschritte branchenübergreifend, von Vision AI in der Fertigung bis hin zu Computer Vision im Gesundheitswesen. Sieh dir unsere Lizenzierungsoptionen an, um noch heute mit deinen Vision-AI-Projekten zu beginnen.