DAMO-YOLO対EfficientDet#
コンピュータービジョンの進化により、さまざまな実世界の要求に合わせて設計された強力なアーキテクチャが数多く生み出されてきました。大規模なスケーラビリティを優先するフレームワークがある一方で、リアルタイム推論の速度を重視するものもあります。この技術比較では、物体検出の課題に対する異なるアプローチを示す、非常に影響力のある2つのモデル、DAMO-YOLOとEfficientDetを検証します。両者のアーキテクチャを詳しく分析し、ベンチマーク性能を比較したうえで、新たにリリースされたUltralytics YOLO26が現代の本番環境へのデプロイに最適な選択肢である理由を探ります。
アーキテクチャの概要#
どちらのモデルも効率と精度のトレードオフに取り組むために設計されていますが、目標を達成するために根本的に異なるメカニズムを採用しています。
DAMO-YOLO：ニューラルアーキテクチャサーチによる高速化#
リアルタイム検出の限界を押し広げるために開発されたDAMO-YOLOは、自動検索技術を活用して、低レイテンシ環境に合わせた非常に効率的なネットワークを構築します。
DAMO-YOLOの詳細:
- 著者: Xianzhe Xu、Yiqi Jiang、Weihua Chen、Yilun Huang、Yuan Zhang、Xiuyu Sun
- 組織: Alibaba Group
- 日付: 2022-11-23
- Arxiv: https://arxiv.org/abs/2211.15444v2
- GitHub: https://github.com/tinyvision/DAMO-YOLO
DAMO-YOLOは、速度と精度の両方を最適化するニューラルアーキテクチャサーチ（NAS）バックボーンを中心に構築されています。Reparameterized Generalized Feature Pyramid Network（RepGFPN）を導入し、高い推論速度を維持しながら特徴量融合を強化します。さらに、ZeroHead設計により、検出ヘッドに通常伴う計算オーバーヘッドを最小限に抑えます。また、Aligned Optimal Transport Assignment（AlignedOTA）と蒸留の強化の恩恵も受けており、最小のバリアントでも大規模なモデルから豊かな表現を学習できます。
EfficientDet：複合スケーリングによるスケーラビリティ#
速度を最優先するアプローチとは対照的に、EfficientDetはさまざまな計算予算にわたる体系的なスケーラビリティに焦点を当てています。
EfficientDetの詳細:
- 著者: Mingxing Tan、Ruoming Pang、Quoc V. Le
- 組織: Google Brain
- 日付: 2019-11-20
- Arxiv: https://arxiv.org/abs/1911.09070
- GitHub: https://github.com/google/automl/tree/master/efficientdet
EfficientDetは、マルチスケールの特徴量融合を容易かつ高速に行えるBidirectional Feature Pyramid Network（BiFPN）を導入しています。レイヤーやチャネルを任意に追加してアーキテクチャを拡張する従来の手法とは異なり、EfficientDetは複合スケーリング手法を使用し、バックボーン、特徴量ネットワーク、ボックス／クラス予測ネットワークの解像度、深さ、幅を同時に一様にスケーリングします。これにより、ハイエンドハードウェア上で最先端の精度を実現しながら、リソースが限られた環境向けに小型のバリアントも提供できます。
パフォーマンスとメトリクスの比較#
これらのモデルを並べて比較すると、純粋な精度と推論速度のトレードオフが明確になります。以下の表では、主要な性能指標を示し、DAMO-YOLOの推論性能とEfficientDetモデルファミリーを比較しています。
| モデル | サイズ （ピクセル） | mAPval 50-95 | 速度 CPU ONNX （ms） | 速度 T4 TensorRT10 （ms） | パラメーター数 （M） | FLOPs （B） |
|---|---|---|---|---|---|---|
| DAMO-YOLOt | 640 | 42.0 | - | 2.32 | 8.5 | 18.1 |
| DAMO-YOLOs | 640 | 46.0 | - | 3.45 | 16.3 | 37.8 |
| DAMO-YOLOm | 640 | 49.2 | - | 5.09 | 28.2 | 61.8 |
| DAMO-YOLOl | 640 | 50.8 | - | 7.18 | 42.1 | 97.3 |
| EfficientDet-d0 | 640 | 34.6 | 10.2 | 3.92 | 3.9 | 2.54 |
| EfficientDet-d1 | 640 | 40.5 | 13.5 | 7.31 | 6.6 | 6.1 |
| EfficientDet-d2 | 640 | 43.0 | 17.7 | 10.92 | 8.1 | 11.0 |
| EfficientDet-d3 | 640 | 47.5 | 28.0 | 19.59 | 12.0 | 24.9 |
| EfficientDet-d4 | 640 | 49.7 | 42.8 | 33.55 | 20.7 | 55.2 |
| EfficientDet-d5 | 640 | 51.5 | 72.5 | 67.86 | 33.7 | 130.0 |
| EfficientDet-d6 | 640 | 52.6 | 92.8 | 89.29 | 51.9 | 226.0 |
| EfficientDet-d7 | 640 | 53.7 | 122.0 | 128.07 | 51.9 | 325.0 |
上記のとおり、EfficientDet-d7は総合精度が最も高く、厳格なクラウドベースのアプリケーションに適しています。一方、DAMO-YOLOシリーズはGPUハードウェア上で大幅に低いレイテンシを実現しながら非常に競争力のある精度を提供するため、リアルタイムのエッジデプロイにはより有力な候補です。
ユースケースと推奨事項#
DAMO-YOLOとEfficientDetのどちらを選ぶかは、具体的なプロジェクト要件、デプロイの制約、エコシステムの好みによって異なります。
DAMO-YOLOを選択する場合#
DAMO-YOLOが適しているのは、次のような場合です。
- 高スループットの動画分析: バッチサイズ1のスループットが主要な指標となる、固定されたNVIDIA GPUインフラストラクチャ上での高FPS動画ストリーム処理。
- 産業用製造ライン: 組立ラインでのリアルタイム品質検査など、専用ハードウェア上でGPUレイテンシに厳しい制約があるシナリオ。
- ニューラルアーキテクチャサーチ研究: 自動アーキテクチャ探索（MAE-NAS）と、効率的に再パラメーター化されたバックボーンが検出性能に与える影響の研究。
EfficientDetを選ぶ場合#
EfficientDetは次の用途に推奨されます:
- Google CloudとTPUパイプライン: Google Cloud Vision APIまたはTPUインフラストラクチャーと密接に統合されたシステムで、EfficientDetがネイティブ最適化を利用できる場合。
- 複合スケーリングの研究: ネットワークの深さ、幅、解像度をバランスよくスケーリングする効果の研究に焦点を当てた学術的ベンチマーク。
- TFLiteによるモバイルデプロイ: Androidまたは組み込みLinuxデバイス向けに、TensorFlow Lite形式でのエクスポートが特に必要なプロジェクト。
Ultralytics (YOLO26)を選ぶタイミング#
ほとんどの新規プロジェクトでは、Ultralytics YOLO26が性能と開発者エクスペリエンスの最適な組み合わせを提供します。
- NMSフリーのエッジデプロイ: Non-Maximum Suppressionの後処理を複雑にすることなく、一貫した低レイテンシー推論が必要なアプリケーション。
- CPUのみの環境: 専用GPUアクセラレーションを持たないデバイスで、YOLO26の最大43%高速なCPU推論が決定的な優位性となる場合。
- 小さな物体の検出: aerial drone imageryやIoTセンサー分析など、ProgLossとSTALによって微小物体の精度が大幅に向上する難しいシナリオ。
最新の代替モデル: Ultralytics YOLO26#
DAMO-YOLOとEfficientDetはいずれも学術上の重要な成果ですが、実際のデプロイでは、よりバランスが取れ、機能が豊富で、開発者にとって使いやすいアプローチが求められることが多くあります。ここでUltralytics YOLO26が新たな業界標準を確立します。
2026年1月にリリースされたYOLO26は、Ultralytics YOLO11やYOLOv8など、前世代の成果を基盤としており、物体検出への取り組み方にパラダイムシフトをもたらします。
YOLO26は、ネイティブのエンドツーエンドNMSフリーデザインを特長としています。長年にわたって物体検出モデルのボトルネックとなってきた、ポストプロセス時のNon-Maximum Suppression（NMS）を排除することで、特にエッジハードウェア上で、よりシンプルで大幅に高速なデプロイパイプラインを実現します。
卓越した性能と汎用性#
YOLO26は速度を向上させるだけではなく、トレーニングの安定性と精度を再定義します。MuSGD Optimizerを導入しており、これはLLMのトレーニングにおける革新に着想を得たSGDとMuonのハイブリッドです。これにより、収束速度が大幅に向上し、トレーニング効率も優れたものになります。RT-DETRのような大規模なTransformerベースの代替モデルとは異なり、YOLO26はメモリ要件を非常に低く抑えるため、コンシューマー向けハードウェアでもトレーニングできます。
さらに、YOLO26はProgLoss + STALを組み込み、小物体認識を大幅に向上させています。これは、ドローンによる空撮画像やロボティクスなどのユースケースで重要です。低消費電力デバイス向けに最適化するため、YOLO26ではDistribution Focal Loss（DFL）を削除しており、前世代と比較してCPU推論を最大43%高速化しています。
エコシステムと使いやすさ#
EfficientDetのようなモデルにおける大きな課題の1つは、複雑な統合プロセスです。これに対して、Ultralytics Platformは、継続的に保守されたエンドツーエンドのエコシステムを提供します。統一されたAPIにより、ユーザーは検出、インスタンスセグメンテーション、ポーズ推定、画像分類、方向付きバウンディングボックス（OBB）の間を簡単に切り替えられます。
Ultralytics Pythonパッケージを使用してYOLO26のトレーニングと推論を実行する方法は、次のように簡単です。
from ultralytics import YOLO
# Load the state-of-the-art YOLO26 nano model
model = YOLO("yolo26n.pt")
# Train the model on your custom dataset with minimal memory footprint
results = model.train(data="coco8.yaml", epochs=50, imgsz=640)
# Run ultra-fast NMS-free inference
predictions = model.predict("image.jpg")まとめ#
DAMO-YOLO対EfficientDetを検討することで、ニューラルアーキテクチャサーチと複合スケーリングのトレードオフについて優れた洞察を得られますが、現代の開発者には、学術研究と本番環境の現実との隔たりを埋めるツールが必要です。
使いやすさ、活発なオープンソースコミュニティ、速度と精度の妥協のないバランスを重視する開発者にとって、Ultralytics YOLO26は決定的な選択肢です。NMSフリーアーキテクチャ、低いトレーニングオーバーヘッド、包括的なUltralyticsエコシステムとのシームレスな統合により、次のコンピュータービジョンプロジェクトに最適なフレームワークとなっています。