DAMO-YOLOとYOLO11の比較
次のコンピュータービジョンプロジェクトでリアルタイム物体検出アーキテクチャを選ぶ際は、主要なモデル間の違いを理解しておくと役立ちます。このガイドでは、DAMO-YOLOとUltralytics YOLO11を技術的に比較し、アーキテクチャ、性能指標、トレーニング方法、最適なデプロイシナリオを取り上げます。
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: 2211.15444v2
- GitHub:tinyvision/DAMO-YOLO
- ドキュメント: DAMO-YOLOのドキュメント
YOLO11の詳細:
- 著者: Glenn Jocher、Jing Qiu
- 組織: Ultralytics
- 日付: 2024-09-27
- GitHub: ultralytics/ultralytics
- ドキュメント: YOLO11ドキュメント
アーキテクチャ設計の理念#
物体検出モデルの基盤となるアーキテクチャは、推論速度、精度、さまざまなハードウェア環境への適応性を左右します。
DAMO-YOLOはいくつかの学術的な革新を取り入れており、バックボーンを自動設計するためにNeural Architecture Search(NAS)に大きく依存しています。効率的なRepGFPN(再パラメーター化された汎用特徴ピラミッドネットワーク)で特徴融合を強化し、以前のアーキテクチャに見られた大規模な予測ヘッドを大幅に縮小するZeroHead設計を採用しています。このNAS主導のアプローチにより、DAMO-YOLOは特定のGPUで効率を高められますが、結果として得られるアーキテクチャは、多様なエッジデバイスへの汎用性に欠ける場合があります。
対照的に、YOLO11は長年にわたる基礎研究を土台とし、最適化された手作りのアーキテクチャを実現しています。簡潔なバックボーンと、冗長な計算を削減する効率的なネックを重視しています。YOLO11の主な利点の1つは、洗練されたパラメーター効率です。RT-DETRなどのTransformerベースモデルに典型的な大容量VRAMを必要とせず、高い特徴表現能力を実現します。そのためYOLO11は汎用性が高く、一般向けGPU、モバイルデバイス、専用エッジアクセラレーターでスムーズに動作します。
パフォーマンスとメトリクス#
パフォーマンスを評価するには、全体的な精度だけでなく、速度、モデルサイズ、計算負荷(FLOPs)のバランスも考慮する必要があります。
| モデル | サイズ (ピクセル) | mAPval50-95 | 速度 CPU ONNX (ms) | 速度 T4 TensorRT10 (ms) | パラメーター (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 |
| YOLO11n | 640 | 39.5 | 56.1 | 1.5 | 2.6 | 6.5 |
| YOLO11s | 640 | 47.0 | 90.0 | 2.5 | 9.4 | 21.6 |
| YOLO11m | 640 | 51.5 | 183.2 | 4.7 | 20.1 | 68.1 |
| YOLO11l | 640 | 53.4 | 238.6 | 6.2 | 25.3 | 87.2 |
| YOLO11x | 640 | 54.7 | 462.8 | 11.3 | 56.9 | 195.3 |
表に示すように、YOLO11は優れた性能バランスを実現しています。たとえば、YOLO11sバリアントは、DAMO-YOLOsよりもパラメーター数を大幅に抑えながら高い精度を達成します。メモリ要件の削減は、デプロイコストの低下とエッジデバイスでの応答性向上に直結します。
トレーニング手法と使いやすさ#
開発者は多くの時間をトレーニングパイプラインに費やすため、トレーニング効率は重要な課題です。
DAMO-YOLOは、知識蒸留に大きく依存する多段階のトレーニングプロセスを採用しています。ラベル割り当てにはAlignedOTA(最適輸送割り当て)を使用し、大規模な「教師」モデルをトレーニングして、小規模な「生徒」モデルに知識を蒸留することがよくあります。この方法では、必要なCUDAメモリ容量と収束までの総計算時間が大幅に増加します。
一方、Ultralyticsエコシステムではモデルのトレーニングが複雑にならないよう抽象化されています。YOLO11は使いやすさを重視して設計されており、シンプルなPython APIと包括的なCLIを備えています。エンジニアは単一のコマンドでカスタムデータセットのトレーニングを開始できます。トレーニングパイプラインはリソース効率に優れ、メモリ使用量の急増を抑えるため、より大きなモデルも標準的なハードウェアでトレーニングできます。
Ultralyticsモデルのトレーニングに定型コードは必要ありません。組み込みのデータ読み込み、拡張、損失計算のパイプラインが、すぐに利用できます。
Ultralyticsモデルをトレーニングしてエクスポートする簡単な例を紹介します。
from ultralytics import YOLO
# 事前トレーニング済みのYOLO11 smallモデルを読み込みます
model = YOLO("yolo11s.pt")
# カスタムデータセットでモデルをトレーニングします
model.train(data="coco8.yaml", epochs=100, imgsz=640, device=0)
# トレーニング済みモデルをデプロイ用にONNXへエクスポートします
model.export(format="onnx")実環境での用途と汎用性#
これらのアーキテクチャのどちらを選ぶかは、多くの場合、デプロイ環境で求められるタスクの範囲によって決まります。
DAMO-YOLOの適用領域#
DAMO-YOLOは物体検出専用のフレームワークです。再パラメーター化を研究するチームや、特定のNeural Architecture Search実験の再現に取り組むチームなど、学術研究に適しています。また、特定のGPUアクセラレーターとNASで生成されたバックボーンが適合する、厳しい制約のある産業環境にも導入できます。
Ultralyticsの強み#
YOLO11を含むUltralyticsモデルは、汎用性と適切に保守されたエコシステムにより、商用アプリケーションで広く使われています。DAMO-YOLOとは異なり、Ultralyticsフレームワークは複数のタスクをネイティブにサポートします。医療画像のインスタンスセグメンテーションから、スポーツの生体力学的解析における姿勢推定まで、単一の統合されたコードベースですべてに対応できます。
YOLO11を活用している業界には、次のようなものがあります。
- スマート農業: 物体検出を活用して作物の健康状態を監視し、農業機械による収穫を自動化します。
- 小売分析: スマート監視を導入して顧客の流れを分析し、在庫管理を自動化します。
- 物流とサプライチェーン: 高速で移動するコンベアベルト上で、回転バウンディングボックス(OBB)を用いてバーコードや荷物を高速に検出します。
ユースケースと推奨事項#
DAMO-YOLOとYOLO11のどちらを選ぶかは、プロジェクト固有の要件、デプロイ上の制約、エコシステムに関する好みによって決まります。
DAMO-YOLOを選ぶケース#
DAMO-YOLOが適しているケース:
- 高スループットの動画分析: バッチサイズ1でのスループットが主要な指標となる、固定のNVIDIA GPUインフラストラクチャ上で高FPSの動画ストリームを処理する用途。
- 産業用製造ライン: 組み立て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探索の研究: 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を研究する用途。
YOLO11を選ぶ場合#
YOLO11は、次の用途に推奨されます:
- 本番環境でのエッジデプロイメント: 信頼性と継続的なメンテナンスが最優先となる、Raspberry PiやNVIDIA Jetsonなどのデバイス上での商用アプリケーション。
- マルチタスクビジョンアプリケーション: 単一の統合フレームワーク内で検出、セグメンテーション、姿勢推定、OBBを必要とするプロジェクトです。
- 迅速なプロトタイピングとデプロイメント: 効率化されたUltralytics Python APIを使って、データ収集から本番環境への移行を迅速に進めたいチーム。
Ultralytics (YOLO26)を選ぶ場合#
多くの新規プロジェクトにおいて、Ultralytics YOLO26はパフォーマンスと開発者体験を最適なバランスで提供します。
- NMSフリーのエッジデプロイ: Non-Maximum Suppression(NMS)の後処理を複雑にすることなく、安定した低レイテンシ推論を必要とするアプリケーション。
- CPUのみの環境: 専用GPUアクセラレーションを備えていないデバイスでは、YOLO26が最大43%高速なCPU推論(YOLO26nとYOLO11nの比較)を実現し、明確な優位性を発揮します。
- 小物体検出: ドローンによる航空画像やIoTセンサーの分析など、ProgLossとSTALによって小さな物体の精度が大幅に向上する難しいシナリオ。
次世代モデル:YOLO26の紹介#
YOLO11は今も強力で信頼性の高い選択肢ですが、コンピュータービジョンの分野は急速に進歩しています。新しいプロジェクトを始める開発者には、最新のYOLO26モデルを出発点として推奨します。
2026年1月にリリースされたYOLO26には、いくつかの進歩が取り入れられています。
- エンドツーエンドのNMSフリー設計: オプションのone-to-one head(
nms=False)により、YOLO26はNon-Maximum Suppressionの後処理を省略し、推論時間を短縮して予測可能性を高め、デプロイパイプラインを簡素化します。 - CPU推論が最大43%高速: Distribution Focal Loss(DFL)を削除したことで、YOLO26nはCPU上でYOLO11nより最大43%高速に動作し、専用GPUを持たないエッジデバイスや低消費電力デバイスに適しています。
- MuSGDオプティマイザー: Moonshot AIに着想を得たLLMトレーニング技術をビジョン分野に導入したこのハイブリッドオプティマイザーは、トレーニング中の安定した高速収束を実現します。
- 高度なトレーニング技術: ProgLoss + STALにより、YOLO26は小さな物体の認識を向上させます。これは航空画像やロボティクスに欠かせない機能です。
結論#
DAMO-YOLOとYOLO11はどちらも、高速で高精度なコンピュータービジョンの発展に大きく貢献してきました。DAMO-YOLOはアーキテクチャ探索と蒸留に関する興味深い学術的知見を提供しますが、Ultralytics YOLO11(および新しいYOLO26)は、よりスムーズな開発者体験を実現します。
メモリ要件の低さ、充実したドキュメント、マルチタスク機能、Ultralytics Platformとの統合を備えたUltralyticsモデルは、堅牢でスケーラブルなAIソリューションの構築を目指す研究者や企業のエンジニアに、引き続き最も推奨される選択肢です。その他の高度なアーキテクチャを検討する場合は、YOLO26とRT-DETRの比較で、Transformerベースの代替モデルについてさらに詳しく確認できます。
コメント
質問したり、結果を共有したり、ほかの人をサポートしたりできます。