DAMO-YOLO 対 YOLO11#
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択する際、主要モデル間の微妙な違いを理解することが重要です。本包括的なガイドでは、DAMO-YOLOとUltralytics YOLO11を比較し、それぞれのアーキテクチャ、パフォーマンス指標、トレーニング手法、実際のデプロイシナリオにおける最適な用途を詳しく技術分析します。
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: 2211.15444v2
- GitHub: tinyvision/DAMO-YOLO
- ドキュメント: DAMO-YOLO Documentation
YOLO11の詳細:
- 著者: Glenn Jocher、Jing Qiu
- 組織: Ultralytics
- 日付: 2024-09-27
- GitHub: ultralytics/ultralytics
- Docs: YOLO11ドキュメント
アーキテクチャ設計の方針#
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、複数の学術的イノベーションを導入しており、バックボーンの自動設計にニューラルアーキテクチャサーチ (NAS) を大きく活用しています。効率的なRepGFPN（再パラメータ化汎化特徴ピラミッドネットワーク）によって特徴量融合を強化し、従来のアーキテクチャでよく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、特定のGPU上では高い効率を実現できますが、結果として得られるアーキテクチャは、さまざまなエッジデバイスにシームレスに汎化するために必要な柔軟性を欠く場合があります。
一方、YOLO11は長年にわたる基礎研究を基盤として、高度に最適化された手作業設計のアーキテクチャを実現しています。合理化されたバックボーンと、冗長な計算を削減する非常に効率的なネックに重点を置いています。YOLO11の主な利点の一つは、洗練されたパラメーター効率です。RT-DETRのようなTransformerベースのモデルで一般的に必要となる大量のVRAMを使わずに、高度な特徴表現を実現します。そのためYOLO11は非常に汎用性が高く、コンシューマー向けGPU、モバイルデバイス、専用エッジアクセラレーター上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、最高精度だけでなく、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） | 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 |
| YOLO11n | 640 | 39.5 | 56.1 | 1.5 | 2.6 | 6.5 |
| YOLO11s | 640 | 47.0 | 90.0 | 2.5 | 9.4 | 21.5 |
| YOLO11m | 640 | 51.5 | 183.2 | 4.7 | 20.1 | 68.0 |
| YOLO11l | 640 | 53.4 | 238.6 | 6.2 | 25.3 | 86.9 |
| YOLO11x | 640 | 54.7 | 462.8 | 11.3 | 56.9 | 194.9 |
表が示すように、YOLO11は非常に優れたパフォーマンスバランスを実現しています。たとえば、YOLO11sバリアントは、パラメーター数を大幅に削減しながら、DAMO-YOLOsを精度で上回っています。メモリ要件の削減は、デプロイコストの低下に直結し、エッジデバイス上でより俊敏なパフォーマンスを実現します。
トレーニング手法と使いやすさ#
開発者はトレーニングパイプラインに大半の時間を費やすため、トレーニング効率は極めて重要な課題です。
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、小規模な「student」モデルに知識を蒸留するために、より大規模な「teacher」モデルのトレーニングを必要とすることがよくあります。この手法では、最適な収束を達成するために必要なCUDAメモリ使用量と全体的な計算時間が大幅に増加します。
一方、Ultralyticsエコシステムはモデルのトレーニングに伴う複雑さを抽象化します。YOLO11は非常に使いやすく設計されており、合理化されたPython APIと包括的なCLIインターフェースを備えています。これにより、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本質的にリソース効率が高く、メモリスパイクを最小限に抑えるため、標準的なハードウェアでも大規模なモデルをトレーニングできます。
Ultralyticsモデルのトレーニングにボイラープレートコードは一切必要ありません。組み込みのデータローディング、データ拡張、損失計算パイプラインは、すぐに使える状態で完全に最適化されています。
以下は、Ultralyticsモデルのトレーニングとデプロイがいかに簡単かを示す簡単な例です。
from ultralytics import YOLO
# Load a pretrained YOLO11 small model
model = YOLO("yolo11s.pt")
# Train the model effortlessly on a custom dataset
model.train(data="coco8.yaml", epochs=100, imgsz=640, device=0)
# Export the trained model to ONNX for seamless deployment
model.export(format="onnx")実際の用途と汎用性#
これらのアーキテクチャのどちらを選択するかは、デプロイ環境で必要となるタスクの幅に左右されることがよくあります。
DAMO-YOLOの適した用途#
DAMO-YOLOは厳密にはオブジェクト検出フレームワークです。チームが再パラメータ化を探索したり、特定のニューラルアーキテクチャ探索実験を再現したりする学術研究環境で優れています。また、NAS生成のバックボーンに完全に一致する非常に制約されたGPUアクセラレータがある、厳しく制限された産業環境にもデプロイできます。
Ultralyticsの優位性#
YOLO11を含むUltralyticsモデルは、その比類のない汎用性とよく保守されたエコシステムにより、実際の商用アプリケーションで輝きを放ちます。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。医療画像処理におけるインスタンスセグメンテーションから、スポーツにおける生体力学分析のための姿勢推定まで、単一の統合されたコードベースですべてを処理します。
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状態を監視し、収穫機械を自動化します。
- 小売分析: スマート監視を導入して顧客の往来を分析し、在庫管理を自動化します。
- 物流・サプライチェーン: 高速で移動するコンベヤーベルト上でOriented Bounding Boxes (OBB)を使用し、バーコードや荷物を高速検出します。
ユースケースと推奨事項#
DAMO-YOLOとYOLO11のどちらを選択するかは、具体的なプロジェクト要件、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。
YOLO11を選ぶタイミング#
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重要となる、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、ポーズ推定、OBBを必要とするプロジェクト。
- **迅速なプロトタイピングとデプロイメント:**合理化されたUltralytics Python APIを使用して、データ収集から本番環境まで迅速に移行する必要があるチーム。
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。
次世代モデル: YOLO26の紹介#
YOLO11は依然として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状況は急速に変化しています。新しいプロジェクトを開始する開発者にとって、最新の**YOLO26**モデルは、新たな最先端モデルに相当します。
2026年1月にリリースされたYOLO26には、画期的な進歩がいくつか導入されています。
- エンドツーエンドのNMSフリー設計: Non-Maximum Suppressionの後処理を排除することで、YOLO26はより高速で決定論的な推論時間を実現し、デプロイパイプラインを大幅に簡素化します。
- 最大43%高速なCPU推論: Distribution Focal Loss (DFL) を削除することで、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非常に適したモデルになっています。
- MuSGD Optimizer: Moonshot AIに着想を得たLLMトレーニングのイノベーションを統合したこのハイブリッドオプティマイザーにより、トレーニング中の安定した高速収束を実現します。
- 高度な損失関数: ProgLoss + STALを活用するYOLO26は、小さな物体の認識性能を大幅に向上させています。これは航空画像やロボティクスにおいて重要です。
まとめ#
DAMO-YOLOとYOLO11はどちらも、高速で正確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がアーキテクチャサーチと蒸留に関する興味深い学術的知見を提供する一方、Ultralytics YOLO11（および画期的なYOLO26）は、より優れた開発者体験を提供します。
より低いメモリ要件、充実したドキュメント、マルチタスク機能、強力なUltralytics Platformとの統合により、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エンタープライズエンジニアにとって、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している場合は、YOLO26 vs RT-DETRを比較することで、Transformerベースの代替モデルについてさらに詳しく理解できます。