はじめる

DAMO-YOLOとYOLO26

コンピュータービジョンのアーキテクチャは、高精度と低レイテンシーの推論を両立する必要性に後押しされ、進化を続けています。この比較では、DAMO-YOLOとUltralytics YOLO26を取り上げ、アーキテクチャ上の革新、トレーニング方法、最適なユースケースを解説します。

ビジョンモデルをエッジデバイスにデプロイする場合も、高スループットのクラウドパイプラインを構築する場合も、各モデルの違いを理解することで、情報に基づいたアーキテクチャの選択が可能になります。

DAMO-YOLO:大規模なニューラルアーキテクチャ探索#

アリババグループが開発したDAMO-YOLOは、2022年11月23日にリリースされました。Xianzhe Xu、Yiqi Jiang、Weihua Chen、Yilun Huang、Yuan Zhang、Xiuyu Sunが設計したこのモデルは、ニューラルアーキテクチャ探索 (NAS) を用いた効率的なアーキテクチャの自動探索に重点を置いています。

元の研究についてはarXiv論文を確認するか、DAMO-YOLOのGitHubリポジトリでソースコードをご覧ください。

主なアーキテクチャ上の特徴#

DAMO-YOLOは、リアルタイム物体検出向けに複数の技術革新を導入しています。

  • MAE-NASバックボーン: DAMO-YOLOは最大エントロピーに基づく探索を用いて、効率的なバックボーンを見つけます。このNASアプローチでは、特定のハードウェア上で検出精度と推論速度のバランスが取れたアーキテクチャを探索します。
  • Efficient RepGFPN: 大規模なネック設計により特徴融合を大幅に改善し、航空画像に見られるような複雑なシーンの分析に役立ちます。
  • ZeroHeadデザイン: 最終的な予測レイヤーの計算量を最小限に抑える、シンプルな検出ヘッドです。
  • AlignedOTAと蒸留: DAMO-YOLOはAligned Optimal Transport Assignment(AlignedOTA)を用いてラベル割り当ての曖昧さを解消し、知識蒸留による強化戦略を組み合わせ、大規模な教師ネットワークを使って小規模な生徒モデルの精度を高めます。

DAMO-YOLOの詳細はこちら

Ultralyticsの強み: YOLO26#

2026年1月14日にGlenn JocherとJing QiuがUltralyticsでリリースしたYOLO26は、高性能なビジョンAIを使いやすく提供する、現在推奨されているUltralyticsモデルです。YOLO11とYOLOv10を基盤に、エッジ優先のデプロイ、マルチタスクの汎用性、使いやすさを重視して一から設計されています。

YOLO26の革新#

Ultralytics YOLO26は、最新のコンピュータービジョンアプリケーションを対象に、複数の機能を導入しています。

  • エンドツーエンドのNMSフリー設計: YOLO26のネイティブなone-to-one head(nms=False)により、Non-Maximum Suppression(NMS)の後処理が不要になります。YOLOv10のNMSフリートレーニングを基盤とするこのエンドツーエンドのアプローチは、デプロイパイプラインを簡素化し、予測可能で低レイテンシな推論を実現します。
  • CPU推論が最大43%高速: エッジコンピューティング向けにアーキテクチャが最適化されたYOLO26は、エッジデバイスや標準的なCPUで高速な推論を実現します。YOLO26nはYOLO11nより最大43%高速で、バッテリー駆動のIoTデバイスに適しています。
  • MuSGDオプティマイザー: LLMトレーニング(Moonshot AIのKimi K2など)に着想を得たYOLO26は、SGDとMuonを組み合わせたハイブリッド方式を取り入れています。これにより、大規模言語モデルのトレーニングの安定性をコンピュータービジョンにもたらし、より高速で信頼性の高い収束を実現します。
  • DFLの削除: Distribution Focal Lossを削除することでモデルグラフが簡素化され、ONNXやTensorRTなどの形式へのエクスポートも簡単になります。
  • ProgLoss + STAL: プログレッシブロスと小さな対象を考慮したラベル割り当て戦略により、小さな物体の認識が大幅に向上します。これはドローン運用や農業に欠かせない機能です。
タスク固有の機能強化

YOLO26は、複数のモダリティに特化した改良を備えています。インスタンスセグメンテーション向けのマルチスケールプロト、姿勢推定向けのResidual Log-Likelihood Estimation(RLE)、回転バウンディングボックス(OBB)検出の境界問題を軽減する高度な角度損失です。

パフォーマンス比較#

これらのモデルを評価する際は、精度(mAP)と計算効率(速度およびFLOPs)のバランスが最も重要です。以下の表では、業界標準のCOCOデータセットを使用して各モデルを比較しています。

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-YOLOt64042.0-2.328.518.1
DAMO-YOLOs64046.0-3.4516.337.8
DAMO-YOLOm64049.2-5.0928.261.8
DAMO-YOLOl64050.8-7.1842.197.3
YOLO26n64040.938.91.72.45.5
YOLO26s64048.687.22.59.520.9
YOLO26m64053.1220.04.720.468.4
YOLO26l64055.0286.26.224.886.8
YOLO26x64057.5525.811.855.7194.4

上記のとおり、YOLO26は一貫して、パラメーター数とFLOPsを大幅に削減しながら高い精度を実現します。その結果、トレーニングと推論の両方で、より効率的なアーキテクチャとなっています。

トレーニング効率と使いやすさ#

DAMO-YOLOの複雑さ#

DAMO-YOLOは競争力のある精度を実現しますが、そのトレーニング方法は複雑です。Neural Architecture Search(NAS)と大規模な知識蒸留に依存するため、カスタムモデルのトレーニングには多くの場合、相当なGPUリソースと専門知識が必要です。大規模な教師モデルをトレーニングし、小規模な生徒モデルに知識を蒸留するこの多段階プロセスは、カスタムデータセットで迅速に反復開発を行おうとするエンジニアリングチームの作業を遅らせる可能性があります。

効率化されたUltralyticsの体験#

対照的に、Ultralytics YOLO26はすぐに使い始められるように設計されています。トレーニング、検証、デプロイのライフサイクル全体を、シンプルで統一されたPython APIとCLIから利用できます。また、YOLO26はTransformerベースのRT-DETRなどのモデルと比べて、トレーニング時に必要なCUDAメモリが大幅に少ないため、研究者は一般向けハードウェアで高精度なモデルをトレーニングできます。

Ultralytics Pythonパッケージを使ってYOLO26モデルをトレーニング、評価、エクスポートする例を紹介します。

from ultralytics import YOLO

# 最新のYOLO26 nanoモデルを読み込みます
model = YOLO("yolo26n.pt")

# COCO8データセットでモデルを50エポックトレーニングする
results = model.train(data="coco8.yaml", epochs=50, imgsz=640)

# 検証セットでモデルのパフォーマンスを評価
metrics = model.val()

# サンプル画像で推論を実行する
results = model("https://ultralytics.com/images/bus.jpg")
results[0].show()

# デプロイ用にモデルをONNX形式へエクスポートします
model.export(format="onnx")

ノーコード環境を希望するチームには、Ultralytics Platformが、データセットのアノテーション、クラウドトレーニング、デプロイのための直感的なインターフェースを提供します。

実際の用途#

適切なアーキテクチャの選択は、対象のデプロイ環境とハードウェアの制約に大きく左右されます。

産業用品質管理#

高速な製造自動化では、DAMO-YOLOは専用GPUハードウェア上で優れた性能を発揮できます。しかし、最新の組立ラインにはYOLO26が適しています。エンドツーエンドのNMSフリー設計により、予測可能でジッターの少ないレイテンシが実現されます。これは、視覚データとロボットアクチュエーターをリアルタイムで同期させる際に不可欠です。

エッジAIとモバイルデバイス#

バッテリー駆動デバイスにコンピュータービジョンを導入するには、高い効率が求められます。DAMO-YOLOが特定のRepGFPNネックに依存する一方、YOLO26n(Nano)はエッジコンピューティング向けに最適化されています。DFLの削除と、YOLO11nよりCPU推論が最大43%高速であることから、スマートカメラ、モバイルアプリケーション、セキュリティ警報システムに適しています。

マルチタスクのプロジェクト要件#

物体検出に加えて、スポーツで姿勢推定を用いて選手の動きを分析したり、インスタンスセグメンテーションを使ってピクセル単位の正確な境界を抽出したりする必要がある場合、YOLO26は単一の統合されたコードベースでこれらすべてのタスクをネイティブにサポートします。DAMO-YOLOはバウンディングボックス検出に限定されています。

ユースケースと推奨事項#

DAMO-YOLOとYOLO26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、エコシステムの好みによって異なります。

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。

YOLO26を選ぶ場合#

YOLO26は、次の用途に推奨されます:

  • NMSを使用しないエッジデプロイ: 非最大抑制の後処理を複雑化させずに、安定した低レイテンシー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、YOLO26nのCPU推論がYOLO11nより最大43%高速であることが明確な利点になります。
  • 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。

結論#

どちらのアーキテクチャも、ディープラーニングにおける重要な成果です。DAMO-YOLOは、特定のハードウェアベンチマークに合わせて調整した場合に、Neural Architecture Searchと蒸留技術で何が実現できるかを示しています。

しかし、本番環境ですぐに使えるソリューションを求める開発者、研究者、企業には、Ultralytics YOLO26がより優れた選択肢です。エンドツーエンドのNMSフリー設計、最大43%高速なCPU推論(YOLO26nとYOLO11nの比較)、マルチタスクへの対応、そして適切に保守されたUltralyticsエコシステムとの統合を兼ね備えており、現実のコンピュータービジョンの課題を解決するための、現在最も堅牢で実用的なツールです。

Ultralyticsエコシステムの他のモデルを試したいユーザーは、Ultralytics Platformで事前学習済みのYOLO11モデルとYOLOv8モデルを利用できます。また、TransformerベースのRT-DETRについては、Ultralyticsのドキュメントで説明しています。

コントリビューター

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。