DAMO-YOLOとYOLOv7の比較
コンピュータービジョン研究では、精度と計算コストのバランスを取る効率的な物体検出モデルが開発されてきました。2022年に登場した注目すべきモデルがDAMO-YOLOとYOLOv7です。どちらもリアルタイムビジョンタスクを対象としていますが、まったく異なるアーキテクチャとトレーニング方法で成果を上げています。
この技術比較では、両モデルの異なるアプローチを取り上げ、アーキテクチャ、デプロイの可能性、性能指標を検証し、機械学習エンジニアが特定のコンピュータービジョンアプリケーションに適したツールを選べるよう支援します。
モデルの由来とメタデータ#
技術的な分析に入る前に、各モデルの背景を紹介します。
DAMO-YOLO#
Alibaba Groupの研究者が開発したDAMO-YOLOは、アーキテクチャの自動探索と蒸留によって速度と精度の両方を最適化するために導入されました。
- 著者: Xianzhe Xu、Yiqi Jiang、Weihua Chen、Yilun Huang、Yuan Zhang、Xiuyu Sun
- 組織: Alibaba Group
- 日付: 2022年11月23日
- arXiv: 2211.15444v2
- GitHub:tinyvision/DAMO-YOLO
YOLOv7#
リアルタイム検出器の最先端モデルとして2022年半ばにリリースされたYOLOv7は、デプロイコストを増やさずにトレーニング可能な「bag-of-freebies」を導入し、リアルタイム推論をさらに進化させました。
- 著者: Chien-Yao Wang、Alexey Bochkovskiy、Hong-Yuan Mark Liao
- 組織: 台湾、中央研究院情報科学研究所
- 日付: 2022年7月6日
- arXiv: 2207.02696
- ドキュメント:YOLOv7ドキュメント
UltralyticsはYOLOv7の重みやYAMLを公開していないため、YOLOv7をUltralyticsパッケージでネイティブにトレーニングすることはできません。上流リポジトリでトレーニングしたYOLOv7モデルは、ONNXまたはTensorRTにエクスポートし、Ultralyticsで推論を実行できます。
アーキテクチャの革新#
DAMO-YOLO:NASと蒸留#
DAMO-YOLOは、効率を高めるためにいくつかの技術を取り入れています。
- NASバックボーン: Neural Architecture Search(NAS)を使用して、レイテンシが重要な環境に合わせた効率的なバックボーン(MAE-NAS)を自動設計します。
- 効率的なRepGFPN: 複数のスケールにわたる特徴融合の効率を大幅に高める、改良版Generalized Feature Pyramid Networkです。
- ZeroHeadとAlignedOTA: 軽量な検出ヘッドと最適化されたラベル割り当て戦略(AlignedOTA)を採用し、計算オーバーヘッドを削減します。
- 蒸留の強化: 学習中に知識蒸留を多用し、パラメーター数を増やさずに小型モデルの性能を高めます。
YOLOv7:E-ELANとBag-of-Freebies#
YOLOv7は構造設計のアプローチを採用し、勾配経路の最適化と堅牢な学習戦略に重点を置きました。
- E-ELANアーキテクチャ: Extended Efficient Layer Aggregation Networkは、勾配経路の最短距離と最長距離を制御することで、モデルがより多様な特徴を学習できるようにし、効果的な学習の収束を実現します。
- モデルのスケーリング: 深さと幅を同時に拡大し、構造的な整合性を保つ、連結ベースのモデルに特化した複合スケーリング手法を導入します。
- トレーニング可能なBag-of-Freebies: 恒等接続を持たない再パラメーター化畳み込み(RepConv)や動的ラベル割り当て戦略などの手法を採用し、推論速度に影響を与えずにトレーニング中の精度を高めます。
パフォーマンス分析#
平均適合率(mAP)、速度、効率を評価すると、どちらのモデルも優れた性能を発揮しますが、対象とするセグメントはやや異なります。YOLOv7は高精度なGPUデプロイに重点を置く一方、DAMO-YOLOのNAS由来の構造は、限られたGPU予算で低レイテンシを実現することを目指しています。
| 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-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 |
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
指標が示すように、DAMO-YOLOには軽量なバリエーション(パラメーター数がわずか8.5Mのtinyモデルなど)がある一方、YOLOv7は全体的により高い精度を達成し、YOLOv7xはCOCOデータセットで53.1 mAPを記録しています。
Ultralyticsエコシステムの利点#
理論上のアーキテクチャも重要ですが、モデルの実用性はエコシステムによって決まります。YOLO26などのUltralyticsネイティブモデルは、十分に保守されたエコシステムと優れた使いやすさの恩恵を受けます。
- 性能のバランス: Ultralyticsモデルは推論速度と検出精度のバランスに優れており、エッジデバイスとクラウドベースのモデルデプロイの両方に適しています。
- メモリ要件: 大規模なTransformerベースのモデルとは異なり、Ultralytics YOLOモデルはトレーニング中のCUDAメモリ要件を低く抑えます。そのため、バッチサイズを大きくでき、コンシューマー向けハードウェアでもトレーニングを効率化できます。
- 柔軟性: Ultralyticsフレームワークは物体検出にとどまらず、インスタンスセグメンテーションや姿勢推定などのタスクにも対応し、開発者に包括的なコンピュータービジョンツールキットを提供します。
Ultralyticsパッケージを使うと、最適化されたデータローダーと事前学習済み重みを活用し、データセットから学習済みモデルまで迅速に進められます。
コード例:UltralyticsでYOLOv7を実行する#
YOLOv7の使用例で説明されているとおりに上流版YOLOv7のONNXエクスポートを変換すると、Ultralytics Python APIで実行できます。
from ultralytics import YOLO
# Ultralytics向けに変換したYOLOv7 ONNXモデルを読み込みます
model = YOLO("yolov7-ultralytics.onnx", task="detect")
# 推論を実行
predictions = model.predict("https://ultralytics.com/images/bus.jpg", save=True)新たなスタンダード:YOLO26の紹介#
YOLOv7とDAMO-YOLOは2022年に大きな進歩をもたらしましたが、ビジョンAIの分野は急速に進化しています。現在、新しいプロジェクトを始めるチームには、2026年1月にリリースされたUltralytics YOLO26を推奨します。
YOLO26は性能と使いやすさの両方を向上させています。
- エンドツーエンドのNMSフリーデザイン: YOLO26はネイティブのエンドツーエンドヘッド(
nms=False)を提供します。Non-Maximum Suppression(NMS)の後処理をなくすことで、デプロイのロジックをより高速かつシンプルにします。このアプローチはYOLOv10で初めて導入されました。 - MuSGD Optimizer: Moonshot AIのKimi K2で使われた手法など、大規模言語モデルの学習技術に着想を得て、YOLO26はSGDとMuonを組み合わせ、安定した学習動態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)を取り除き、アーキテクチャを簡素化したYOLO26は、低消費電力のエッジコンピューティング向けに最適化されています。YOLO26nはCPUでYOLO11nより最大43%高速に動作します。
- ProgLoss + STAL: 新しい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、小物体認識を明確に対象として改善します。これは航空画像、ロボティクス、セキュリティ監視の用途に不可欠な機能です。
- タスク固有の改良: 標準的な検出に加え、YOLO26はセグメンテーション向けのマルチスケールプロトタイピング、姿勢推定向けのRLE、Oriented Bounding Boxes (OBB)向けの専用角度損失など、多様なタスクに合わせた改良を備えています。
最適なユースケース#
適切なアーキテクチャは、デプロイ先の環境とプロジェクトの制約によって異なります。
DAMO-YOLOを選ぶ場合:
- 厳しいレイテンシ要件のもと、専用GPUハードウェアにデプロイする場合は、DAMO-YOLOの小型でNASにより探索されたバリエーションを利用すると、パラメーター数を抑えられます。
- ニューラルアーキテクチャ探索や知識蒸留を研究する場合です。
YOLOv7を選ぶ場合:
YOLO26を選ぶ場合(推奨):
- コンピュータービジョンアプリケーションをゼロから構築し、高精度に加えて高速なCPU推論とエッジ推論が必要な場合です。
- NMSオペレーターの制約に対処せずに、CoreMLやTensorRTへのエクスポートなど、迅速でシンプルなデプロイが必要な場合です。
- クラウドトレーニング、データセット管理、自動デプロイにUltralytics Platformの機能を最大限に活用したい場合。
Ultralyticsエコシステムを利用すると、開発者は実環境のアプリケーションで高い予測性能を維持しながら、エンジニアリングにかかる時間を大幅に削減できます。
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。