Warum Ultralytics YOLO26 auf NMS verzichtet und wie sich dadurch die Bereitstellung verändert

Am 14. Januar 2026 haben wir Ultralytics YOLO26 vorgestellt, die neueste Generation unserer Computer-Vision-Modelle. Mit YOLO26 wollten wir nicht nur Genauigkeit oder Geschwindigkeit verbessern, sondern auch überdenken, wie Objekterkennungsmodelle entwickelt und in realen Systemen eingesetzt werden.

Wenn Computer Vision von der Forschung in den Produktivbetrieb übergeht, wird zunehmend erwartet, dass Modelle auf CPUs, Edge-Geräten, Kameras, Robotern und eingebetteter Hardware laufen. In diesen Umgebungen sind Zuverlässigkeit, geringe Latenz und einfache Bereitstellung genauso wichtig wie die Leistung.

Ultralytics YOLO26 wurde für diese Realität entwickelt und verwendet eine optimierte End-to-End-Architektur, die unnötige Komplexität aus der Inferenzpipeline entfernt. Eine der wichtigsten Neuerungen in YOLO26 ist die Möglichkeit, die Nicht-Maximum-Unterdrückung, allgemein als NMS bekannt, wegzulassen.

Seit Jahren ist NMS ein fester Bestandteil von Objekterkennungssystemen und wird als Nachverarbeitungsschritt eingesetzt, um doppelte Erkennungen zu bereinigen. Obwohl das Verfahren wirksam ist, verursacht es zusätzlichen Rechenaufwand und erschwert die Bereitstellung, besonders auf Edge-Hardware.

Mit YOLO26 haben wir einen anderen Ansatz gewählt. Indem wir überdacht haben, wie Vorhersagen erzeugt und trainiert werden, ermöglichen wir eine echte End-to-End-Inferenz ohne NMS. Das Modell gibt die endgültigen Erkennungen direkt aus, ohne auf externe Bereinigungsschritte oder von Hand entwickelte Regeln angewiesen zu sein. Dadurch ist YOLO26 schneller, lässt sich einfacher exportieren und zuverlässiger auf einer Vielzahl von Hardwareplattformen einsetzen.

Abb. 1. Objekterkennung in einem Bild mit Ultralytics YOLO26.

In diesem Artikel sehen wir uns genauer an, warum die traditionelle Objekterkennung auf NMS setzte, wie NMS zum Engpass bei der Bereitstellung wurde und wie Ultralytics YOLO26 den Bedarf an Umgehungslösungen beseitigt.

Die herkömmliche Objekterkennung erzeugt doppelte Erkennungen#

Bevor wir uns damit befassen, was NMS ist und warum wir es in Ultralytics YOLO26 entfernt haben, schauen wir uns zunächst an, wie herkömmliche Objekterkennungsmodelle ihre Vorhersagen erzeugen.

Herkömmliche Objekterkennungsmodelle erzeugen oft mehrere überlappende Begrenzungsrahmen für dasselbe Objekt. Jeder dieser Rahmen erhält einen eigenen Konfidenzwert, obwohl alle dasselbe Objekt im Bild beschreiben.

Dafür gibt es mehrere Gründe. Erstens erstellt das Modell gleichzeitig Vorhersagen an vielen räumlichen Positionen und in unterschiedlichen Maßstäben. So kann es Objekte verschiedener Größen erkennen. Zugleich bedeutet dies jedoch, dass benachbarte Positionen dasselbe Objekt jeweils unabhängig voneinander identifizieren können.

Zweitens verwenden viele Objekterkennungssysteme anchorbasierte Ansätze, die an jeder Position zahlreiche mögliche Rahmen erzeugen. Dadurch steigt zwar die Wahrscheinlichkeit, Objekte genau zu erkennen, aber auch die Zahl überlappender Vorhersagen.

Schließlich führt die gitterbasierte Erkennung von sich aus zu Redundanz. Liegt ein Objekt nahe der Grenze mehrerer Gitterzellen, können mehrere Zellen einen Rahmen für dieses Objekt vorhersagen. Das führt zu mehreren überlappenden Erkennungen.

Deshalb enthält die unverarbeitete Modellausgabe oft mehrere Rahmen für ein einzelnes Objekt. Damit die Ergebnisse nutzbar sind, müssen diese redundanten Vorhersagen gefiltert werden, sodass nur eine endgültige Erkennung übrig bleibt.

Nichtmaximalunterdrückung verstehen#

Wenn ein Objekterkennungsmodell mehrere überlappende Begrenzungsrahmen für dasselbe Objekt erzeugt, müssen die Ergebnisse bereinigt werden, bevor sie sich verwenden lassen. Dazu wird die Nichtmaximalunterdrückung eingesetzt.

Die Nichtmaximalunterdrückung ist ein Nachverarbeitungsschritt, der ausgeführt wird, nachdem das Modell seine Vorhersagen erstellt hat. Sie soll doppelte Erkennungen reduzieren, sodass jedes Objekt durch einen einzelnen endgültigen Begrenzungsrahmen dargestellt wird.

Abb. 2. Übersicht zu NMS. Bild vom Autor.

Bei diesem Verfahren werden Begrenzungsrahmen anhand ihrer Konfidenzwerte und ihres Überlappungsgrads verglichen. Vorhersagen mit sehr geringer Konfidenz werden zuerst entfernt.

Die verbleibenden Rahmen werden anschließend nach Konfidenz sortiert, und der Rahmen mit dem höchsten Wert wird als beste Erkennung ausgewählt. Dieser Rahmen wird mit den anderen Rahmen verglichen.

Überlappt ein anderer Rahmen zu stark mit ihm, wird dieser Rahmen unterdrückt und entfernt. Der Überlappungsgrad wird üblicherweise mit Intersection over Union gemessen. Diese Kennzahl berechnet das Verhältnis zwischen der Fläche, die zwei Rahmen gemeinsam haben, und der Gesamtfläche, die beide abdecken. Dieser Vorgang wird wiederholt, bis nur noch die Erkennungen mit der höchsten Konfidenz ohne Überlappungen übrig sind.

Warum NMS die Bereitstellung erschwert#

Die Nichtmaximalunterdrückung hilft zwar dabei, doppelte Erkennungen zu filtern, bringt aber auch Herausforderungen mit sich, die deutlicher werden, sobald Modelle die Forschung verlassen und in der Praxis eingesetzt werden.

Eines der größten Probleme ist die Leistung. NMS wird nach der Inferenz ausgeführt und erfordert einen paarweisen Vergleich der Begrenzungsrahmen, um zu entscheiden, welche davon beibehalten werden.

Dieser Vorgang ist rechenintensiv und lässt sich nur schwer effizient parallelisieren. Auf Edge-Geräten und CPU-basierten Systemen kann dieser zusätzliche Aufwand die Latenz spürbar erhöhen und es erschweren, Echtzeitanforderungen zu erfüllen.

NMS erhöht auch die Komplexität der Bereitstellung. Da NMS nicht Teil des Modells selbst ist, muss es separat als Nachverarbeitungscode implementiert werden.

Verschiedene Laufzeitumgebungen und Plattformen handhaben NMS unterschiedlich. Deshalb müssen oft eigene Implementierungen für jede Zielumgebung gepflegt werden. Was in einer Konfiguration funktioniert, kann sich in einer anderen leicht anders verhalten. Das macht die Bereitstellung anfälliger und erschwert die Skalierung.

Auch die Hardwareoptimierung stellt eine Herausforderung dar. NMS lässt sich nicht ohne Weiteres auf spezialisierte KI-Beschleuniger abbilden, die für die effiziente Ausführung neuronaler Netzwerkoperationen entwickelt wurden. Deshalb kann NMS selbst dann zum Engpass werden, der die Gesamtleistung begrenzt, wenn das Modell auf optimierter Hardware schnell läuft.

Zusätzlich zu diesen Faktoren ist NMS auf von Hand festgelegte Parameter wie Konfidenz- und Überlappungsschwellenwerte angewiesen. Diese Einstellungen können die Ergebnisse deutlich beeinflussen und müssen oft an verschiedene Datensätze, Anwendungen oder Hardware angepasst werden. Dadurch wird das Verhalten in Produktivsystemen weniger vorhersehbar und es entsteht zusätzlicher Konfigurationsaufwand.

End-to-End-Inferenz bei der Objekterkennung erklärt#

Die Einschränkungen der Nichtmaximalunterdrückung haben uns dazu gebracht, unser Verständnis davon zu überdenken, wie Objekterkennungsmodelle sich während der Inferenz verhalten sollten. Statt viele überlappende Vorhersagen zu erzeugen und diese anschließend zu bereinigen, haben wir eine grundlegendere Frage gestellt.

Was wäre, wenn das Modell die endgültigen Erkennungen direkt ausgeben könnte? Diese Frage steht im Mittelpunkt der End-to-End-Inferenz bei der Objekterkennung. In einem End-to-End-System wird das Modell darauf trainiert, den gesamten Erkennungsprozess von Anfang bis Ende zu bewältigen, ohne auf externe Bereinigungsschritte angewiesen zu sein.

Statt viele mögliche Rahmen zu erzeugen und sie nach der Inferenz zu filtern, lernt das Modell selbstständig, eine kleine Zahl sicherer, nicht überlappender Vorhersagen zu erzeugen. Doppelte Erkennungen werden im Netzwerk aufgelöst, anstatt durch Nachverarbeitung entfernt zu werden.

Neuere Modellarchitekturen haben gezeigt, dass dieser Ansatz sowohl möglich als auch praktikabel ist. Mit der richtigen Trainingsstrategie können Modelle lernen, jedem Objekt eine einzelne Vorhersage zuzuordnen statt vielen konkurrierenden Vorhersagen. So wird Redundanz an ihrer Ursache reduziert.

Abb. 3. Beispiel für die Objekterkennung mit Ultralytics YOLO26.

Damit das funktioniert, muss sich auch das Training ändern. Statt zahlreiche Vorhersagen um dasselbe Objekt konkurrieren zu lassen, lernt das Modell, eine eindeutige Entscheidung zu treffen und so weniger, dafür sicherere Erkennungen zu erzeugen.

Das Ergebnis ist eine insgesamt einfachere Inferenz-Pipeline. Da doppelte Erkennungen bereits intern aufgelöst werden, ist während der Inferenz keine Nichtmaximalunterdrückung erforderlich. Die Modellausgabe enthält bereits die endgültigen Erkennungen.

Dieses End-to-End-Design vereinfacht auch die Bereitstellung. Ohne Nachverarbeitungsschritte oder plattformspezifische NMS-Implementierungen ist das exportierte Modell vollständig eigenständig und verhält sich in verschiedenen Inferenz-Frameworks und auf unterschiedlichen Hardwareplattformen einheitlich.

Wie unser Lead Partnership Engineer Francesco Mattioli erklärt: „Echtes End-to-End-Lernen bedeutet, dass das Modell alles von den Pixeln bis zu den Vorhersagen bewältigen sollte, ohne von Hand entwickelte Nachverarbeitungsschritte, die die Differenzierbarkeit beeinträchtigen und die Bereitstellung erschweren.“

Wie Ultralytics YOLO26 NMS entfernt#

Ultralytics YOLO26 entfernt die Nichtmaximalunterdrückung, indem es ändert, wie Erkennungen gelernt und erzeugt werden, statt sie durch Nachverarbeitung bereinigen zu lassen. Statt zahlreiche Vorhersagen um dasselbe Objekt konkurrieren zu lassen, wird YOLO26 darauf trainiert, eine eindeutige Eins-zu-eins-Beziehung zwischen Objekten und Ausgaben zu erlernen.

Dazu trägt ein spezieller One-to-One-Erkennungskopf bei, der parallel zu einem herkömmlichen One-to-Many-Erkennungskopf trainiert wird. Er hilft dem Modell, für jedes Objekt eine einzelne, zuverlässige Vorhersage statt vieler überlappender Kandidaten zu erzeugen. Jedem Objekt wird eine Vorhersage zugeordnet, wodurch doppelte Erkennungen auf natürliche Weise reduziert werden.

Dieses Verhalten wird durch konsistente Zuordnungsstrategien während des Trainings verstärkt. Sie ermutigen das Modell, pro Objekt eine sichere Entscheidung zu treffen, statt überlappende Vorhersagen zu erzeugen. Das Modell gibt letztlich weniger Vorhersagen aus, aber jede davon stellt eine endgültige Erkennung dar.

Warum der Verzicht auf DFL eine Erkennung ohne NMS ermöglicht#

Eine weitere wichtige Neuerung, die eine Inferenz ohne NMS in Ultralytics YOLO26 ermöglicht, ist der Wegfall von Distribution Focal Loss, kurz DFL. In früheren YOLO-Modellen wurde DFL eingesetzt, um die Regression von Begrenzungsrahmen zu verbessern. Dafür wurde eine Verteilung möglicher Positionen des Rahmens statt eines einzelnen Werts vorhergesagt.

Dieser Ansatz verbesserte zwar die Genauigkeit der Lokalisierung, erhöhte aber auch die Komplexität der Erkennungspipeline. Diese Komplexität wurde zu einer Einschränkung auf dem Weg zu einer echten End-to-End-Inferenz.

DFL brachte zusätzlichen Rechenaufwand und feste Regressionsbereiche mit sich. Dadurch wurde es für das Modell schwieriger, eindeutige Eins-zu-eins-Zuordnungen von Objekten zu erlernen, und die Abhängigkeit von Nachverarbeitungsschritten wie der Nichtmaximalunterdrückung nahm zu. Bei Ultralytics YOLO26 haben wir DFL entfernt und die Regression von Begrenzungsrahmen einfacher und direkter gestaltet.

Statt sich auf verteilungsbasierte Ausgaben zu stützen, lernt das Modell, genaue Rahmenkoordinaten so vorherzusagen, dass weniger, dafür sicherere Erkennungen möglich sind. Diese Änderung trägt dazu bei, überlappende Vorhersagen bereits an ihrer Ursache zu reduzieren, und stimmt die Regression der Begrenzungsrahmen auf das End-to-End-Design von Ultralytics YOLO26 ohne NMS ab.

Ultralytics YOLO26 kommt ohne NMS aus und lässt sich einfach bereitstellen#

Durch das Design ohne NMS ist Ultralytics YOLO26 ein echtes End-to-End-Modell. Das hat wichtige Auswirkungen auf den Export von Modellen.

Beim Export wird ein trainiertes Modell in ein Format umgewandelt, das sich außerhalb der Trainingsumgebung ausführen lässt, zum Beispiel ONNX, TensorRT, CoreML oder OpenVINO. Bei herkömmlichen Pipelines scheitert dieser Prozess oft daran, dass die Nichtmaximalunterdrückung nicht Teil des Modells selbst ist.

Durch den Wegfall von NMS vermeidet Ultralytics YOLO26 dieses Problem vollständig. Das exportierte Modell enthält bereits alles, was für die Ausgabe endgültiger Erkennungen erforderlich ist. In aktuellen Ultralytics-Versionen wählst du den NMS-freien One-to-One-Erkennungskopf mit nms=False beim Vorhersagen, Validieren oder Exportieren aus. Der standardmäßige One-to-Many-Erkennungskopf mit NMS bleibt für etwas höhere Genauigkeit verfügbar; der Leitfaden zur End-to-End-Erkennung erläutert beide Optionen.

Dadurch ist das exportierte Modell vollständig eigenständig und lässt sich besser zwischen Inferenz-Frameworks und Hardwareplattformen übertragen. Dasselbe Modell verhält sich einheitlich, unabhängig davon, ob es auf Servern, reinen CPU-Systemen, eingebetteten Geräten oder Edge-Beschleunigern eingesetzt wird. Die Bereitstellung wird einfacher, weil genau das ausgeführt wird, was du exportierst.

Diese Einfachheit ist besonders für Edge-Anwendungen wichtig. So lässt sich YOLO26 beispielsweise problemlos auf Geräten wie Drohnen einsetzen, etwa zur Überwachung von Nutzpflanzen, zur Inspektion von Feldern und zur Analyse des Pflanzengesundheitszustands. Bei solchen Anwendungen machen begrenzte Rechen- und Energieressourcen komplexe Nachverarbeitungspipelines unpraktikabel. Da das Modell die endgültigen Erkennungen direkt ausgibt, läuft es zuverlässig auf ressourcenschwacher Hardware, ohne zusätzliche Verarbeitungsschritte.

Abb. 4. Ultralytics YOLO26 lässt sich problemlos auf Edge-Geräten wie Drohnen bereitstellen.

Kurz gesagt: Die Inferenz ohne NMS vereinfacht Export und Bereitstellung und ermöglicht übersichtlichere, zuverlässigere Bildverarbeitungssysteme. NMS war eine Umgehungslösung. Ultralytics YOLO26 braucht solche Lösungen nicht mehr.

Die wichtigsten Erkenntnisse#

Ultralytics YOLO26 kann auf die Nicht-Maximum-Unterdrückung verzichten, indem es das eigentliche Problem doppelter Erkennungen löst, anstatt sie nachträglich zu bereinigen. Dank des End-to-End-Designs kann das Modell direkt die endgültigen Erkennungen ausgeben. Dadurch werden Export und Bereitstellung einfacher und auf unterschiedlicher Hardware einheitlicher. NMS war für frühere Systeme eine nützliche Umgehungslösung, ist für YOLO26 aber nicht mehr erforderlich.

Tritt unserer Community bei und sieh dir unser GitHub-Repository an, um mehr über KI zu erfahren. Auf unseren Lösungsseiten erfährst du mehr über KI in der Landwirtschaft und Computer Vision im Einzelhandel. Entdecke unsere Lizenzoptionen und leg noch heute mit KI für Computer Vision los!