はじめる

DAMO-YOLOとYOLOv5

コンピュータービジョンの進化は、リアルタイム物体検出における継続的な革新によって特徴づけられています。開発者や研究者は現在、ビジョンパイプラインの設計にあたり、数多くのアーキテクチャから選択できます。この技術比較では、DAMO-YOLOとUltralytics YOLOv5を取り上げ、アーキテクチャ、学習方法、性能指標、最適なデプロイシナリオを解説します。

DAMO-YOLOの概要#

Alibaba GroupがリリースしたDAMO-YOLOは、検出速度と精度の向上を目指す複数の新しい技術を導入しました。

DAMO-YOLOの詳細を見る

アーキテクチャの革新#

DAMO-YOLOはNeural Architecture Search(NAS)を基盤としています。著者らはMAE-NASを使用して、レイテンシと精度のバランスを取るバックボーンを自動設計しました。このモデルは、異なるスケール間の特徴融合を改善する効率的なRepGFPN(再パラメーター化汎用特徴ピラミッドネットワーク)を導入しています。また、DAMO-YOLOは「ZeroHead」設計を取り入れ、複雑なマルチブランチ予測ヘッドを取り除き、推論時の再パラメーター化を多用する、よりシンプルで効率的な構造を採用しています。

学習を改善するため、モデルはラベル割り当てにAlignedOTAを使用し、大規模な知識蒸留プロセスを実施します。このプロセスでは、より大きな「教師」モデルが小さな「生徒」モデルを導き、高精度を実現します。

Ultralytics YOLOv5の概要#

Ultralytics YOLOv5は世界で最も広く採用されているビジョンアーキテクチャの一つであり、安定性、使いやすさ、充実したデプロイエコシステムで知られています。

エコシステムの標準#

YOLOv5は使いやすさの新たな基準を打ち立てました。PyTorch上にネイティブ実装されており、最適化されたCSPNetバックボーンとPANetネックを使用して、堅牢な特徴集約を実現します。後発モデルに見られるアンカーフリーの潮流に先行する一方で、洗練されたアンカーベースのアプローチと自動アンカー学習を組み合わせ、追加の調整なしでも優れた性能を発揮します。

YOLOv5の主な強みは、十分に保守されたエコシステムです。CometやWeights & Biasesなどのトラッキングツールと統合でき、ONNX、TensorRT、CoreMLなどの形式へのワンコマンドエクスポートにも対応しています。

YOLOv5を使い始める

YOLOv5はカスタムデータセットで簡単に学習できます。シンプルなAPIがプロトタイプから本番環境への移行を容易にするため、アジャイルなエンジニアリングチームに好まれています。

パフォーマンスと指標の比較#

これらのモデルを比較する際は、平均適合率(mAP)、推論速度、パラメーター数のバランスを確認することが重要です。

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
YOLOv5n64028.0-1.121.94.5
YOLOv5s64037.4-1.927.216.5
YOLOv5m64045.4-4.0321.249.0
YOLOv5l64049.0-6.6146.5109.1
YOLOv5x64050.7-11.8986.7205.7

トレードオフの分析#

DAMO-YOLOはパラメーター数に対して優れたmAPスコアを達成しており、その性能は蒸留学習フェーズに大きく支えられています。ただし、その代償として学習効率が低下します。複数段階の蒸留プロセスでは、まず大規模な教師モデルを学習する必要があり、必要なGPU計算リソースの時間とVRAMが大幅に増加します。

一方、YOLOv5はメモリ要件に優れています。Ultralytics YOLOモデルは、複雑な蒸留パイプラインやRT-DETRなどのTransformerベースのモデルと比べて、トレーニング時も推論時もメモリ使用量が少ないことで知られています。そのため、YOLOv5は一般向けハードウェアや、Google Colabのような利用しやすいクラウド環境で効率よくトレーニングできます。

実環境での用途と汎用性#

適切なアーキテクチャは、デプロイ環境によって異なることがよくあります。

DAMO-YOLOが優れている場面#

DAMO-YOLOは物体検出専用モデルです。特に、Neural Architecture Searchを研究するチームや、論文で詳述されている再パラメーター化技術の再現を目指すチームにとって、学術研究に適しています。蒸留学習を実行するための計算リソースが十分にあり、2Dバウンディングボックスの精度をわずかでも最大化することだけに注力するプロジェクトでは、DAMO-YOLOが有力な候補になります。

Ultralyticsの強み#

実環境での本番運用では、Ultralyticsモデルの使いやすさと汎用性が優れた選択肢となります。YOLOv5は検出、インスタンスセグメンテーション、画像分類に対応しており、Ultralyticsエコシステム全体を通じて、開発者はタスクを簡単に切り替えられます。

たとえば、Ultralyticsファミリーの新しいモデルは、姿勢推定と回転バウンディングボックス(OBB)検出にもネイティブ対応しています。このマルチタスク機能により、チームは単一の統合されたPython APIを使用して、自動ナンバープレート認識と車両セグメンテーションを組み合わせるような複雑なパイプラインを構築できます。

ユースケースと推奨事項#

DAMO-YOLOとYOLOv5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。

YOLOv5を選ぶ場合#

YOLOv5は、次のような場合に推奨されます。

  • 本番環境での実績:YOLOv5の長年にわたる安定性の実績、充実したドキュメント、大規模なコミュニティが重視される既存のデプロイ環境に適しています。
  • リソースが限られたトレーニング: GPUリソースが限られており、YOLOv5の効率的なトレーニングパイプラインと低いメモリ要件が有利となる環境です。
  • 幅広いエクスポート形式への対応: ONNX、TensorRT、CoreML、LiteRTなど、多様な形式でのデプロイが必要なプロジェクトです。

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。

次世代への展望:YOLO26への移行#

YOLOv5は今も広く使われ、DAMO-YOLOは興味深い学術的知見をもたらしていますが、最先端技術は進化しています。2026年1月にリリースされたUltralytics YOLO26は、ビジョン分野に大きな進歩をもたらします。

YOLO26は、エッジデプロイにおける従来のボトルネックとトレーニングの不安定さに対処します。

  • エンドツーエンドのNMSフリーデザイン: YOLO26のオプションのエンドツーエンドヘッド(nms=False)は、Non-Maximum Suppression(NMS)の後処理をなくします。これによりデプロイのロジックがシンプルになり、レイテンシのばらつきが抑えられるため、高速なロボティクスや自律システムに適しています。
  • MuSGD Optimizer: Moonshot AIのKimi K2など、大規模言語モデル(LLM)の学習における革新に着想を得て、YOLO26はSGDとMuonを組み合わせたMuSGD Optimizerを使用し、安定した学習と高速な収束を実現します。
  • CPU推論が最大43%高速: Distribution Focal Loss(DFL)を取り除くことで、YOLO26nはCPU上のONNXでYOLO11nより最大43%高速に動作します。
  • ProgLoss + STAL: 段階的損失関数と小物体を考慮したラベル割り当てにより、小物体認識が大幅に向上します。これは、ドローンの航空画像やIoTセンサーのデータストリームを分析するうえで重要です。

コード例:シンプルな実装#

Ultralyticsパッケージを使用すると、わずか数行のコードでモデルをトレーニングしてデプロイできます。YOLOv5を使う場合も、推奨モデルのYOLO26にアップグレードする場合も、インターフェースは一貫していて直感的です。

from ultralytics import YOLO

# YOLO26のsmallモデルを読み込みます
model = YOLO("yolo26s.pt")

# カスタムデータセットでトレーニングします
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# 画像に対して推論を実行し、結果を表示
predictions = model("https://ultralytics.com/images/bus.jpg")
predictions[0].show()

# エッジデプロイ用にモデルをエクスポート
model.export(format="onnx")

結論#

DAMO-YOLOとYOLOv5は、いずれもコンピュータービジョン分野の発展に大きく貢献してきました。DAMO-YOLOはNeural Architecture Searchと蒸留の可能性を示しており、研究者にとって興味深い研究対象です。一方、YOLOv5は性能のバランス、低いメモリ要件、使いやすさから、実用的な選択肢であり続けています。

現在、新しいプロジェクトを始める開発者には、Ultralytics Platformを利用してYOLO26を採用することを推奨します。YOLO26は、YOLOv5の使いやすいエコシステムと新しいアーキテクチャの進歩を組み合わせ、クラウドとエッジのAIアプリケーションの両方で高精度と高速な推論を実現します。開発者は、特定のレガシーハードウェア要件に応じて、YOLOv6やYOLOXなどの効率的なモデルも検討できます。

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。