はじめる

DAMO-YOLOとYOLOv8の比較

研究者やエンジニアが速度と精度を高めるにつれ、リアルタイムコンピュータービジョンは進化し続けています。重要な節目となるモデルが、DAMO-YOLOとUltralytics YOLOv8です。どちらもレイテンシと平均適合率(mAP)のトレードオフ最適化を目指していますが、物体検出へのアーキテクチャ上のアプローチは根本的に異なります。

この技術比較では、各モデルの基盤となるアーキテクチャ、トレーニング方法、実用的なデプロイについて取り上げ、次のAIプロジェクトに適したツールの選択を支援します。

モデルの系譜と仕様#

これらのディープラーニングモデルの起源を理解すると、設計目標やデプロイ環境となるエコシステムについて、貴重な背景情報が得られます。

DAMO-YOLOの詳細#

DAMO-YOLOの詳細はこちら

Ultralytics YOLOv8の詳細#

アーキテクチャの革新#

両アーキテクチャのパフォーマンス特性は、それぞれ独自の構造上の選択に由来します。

DAMO-YOLOは、効率的なネットワーク構造を自動で見つけるため、Neural Architecture Search(NAS)に大きく依存しています。MAE-NASと呼ばれる手法を導入し、低レイテンシで高い性能を発揮するバックボーンを探索します。また、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)を使用して、異なる空間スケール間の特徴融合を強化します。

Alibabaのチームはトレーニングを改善するため、ZeroHead設計とAlignedOTAによるラベル割り当てを導入しました。また、学術ベンチマークで追加の精度を得るために、大規模な教師モデルが軽量な生徒モデルを導く複雑な知識蒸留プロセスも採用しています。

YOLOv8:効率性と柔軟性#

UltralyticsはYOLOv8で、開発者を第一に考えたアプローチを採用しました。YOLOv5のアンカーベース設計からアンカーフリーアーキテクチャへ移行し、バウンディングボックスの予測数を大幅に削減するとともに、推論を高速化しました。C2f (Cross-Stage Partial Bottleneck with 2 convolutions)モジュールの導入により、計算オーバーヘッドを過度に増やすことなく、勾配の流れと特徴表現が改善されました。

バウンディングボックスだけを対象とするモデルとは異なり、YOLOv8は当初からマルチタスク対応を前提に設計されています。統合されたPyTorchコードベースがインスタンスセグメンテーション、画像分類、姿勢推定をネイティブにサポートするため、エンジニアが個別のリポジトリを組み合わせる必要はありません。

効率的なトレーニング

Ultralyticsモデルは、大規模なTransformerベースのアーキテクチャよりトレーニング時のメモリ消費量が少なく、標準的な一般向けGPUで優れた結果を実現できます。

パフォーマンス比較#

生の指標を比較する際は、理論上の性能がハードウェア上のパフォーマンスにどう反映されるかを分析することが重要です。次の表は、モデルサイズごとのトレードオフを示しています。

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
YOLOv8n64037.380.41.473.28.7
YOLOv8s64044.9128.42.6611.228.6
YOLOv8m64050.2234.75.8625.978.9
YOLOv8l64052.9375.29.0643.7165.1
YOLOv8x64053.9479.114.3768.2257.8

DAMO-YOLOは蒸留技術によってパラメーター数と精度の優れた比率を実現していますが、YOLOv8はNanoからExtra-largeまで、幅広いモデルサイズを提供します。YOLOv8nはエッジ向けに十分に最適化されており、実用的な精度を保ちながらリソース消費を抑えます。

エコシステムと開発者エクスペリエンス#

学術論文と本番環境ですぐに使えるシステムを分ける主な要素は、エコシステムです。

DAMO-YOLOは大規模な知識蒸留パイプラインに依存するため、カスタムトレーニングが煩雑になることがあります。教師モデルの生成、知識の転移、NASベースのバックボーンの調整には、大容量のCUDAメモリと高度な設定が必要で、俊敏なエンジニアリングチームの作業を遅らせることがよくあります。

一方、Ultralyticsエコシステムは使いやすさを重視しています。Ultralytics Platformを通じて、開発者はシンプルなAPI、充実したドキュメント、堅牢な実験追跡の連携機能を利用できます。統合されたPythonフレームワークにより、複雑なパイプラインを簡単に構築できます。

from ultralytics import YOLO

# 事前学習済みのYOLOv8 Nanoモデルを読み込みます
model = YOLO("yolov8n.pt")

# データ拡張機能を標準搭載し、カスタムデータセットでモデルをトレーニングします
results = model.train(data="coco8.yaml", epochs=50, imgsz=640, device=0)

# トレーニング済みモデルをデプロイ用にONNX形式でエクスポートします
model.export(format="onnx")

このシンプルなワークフローとOpenVINOおよびTensorRTへのエクスポートを組み合わせることで、ローカルでのプロトタイピングからクラウドやエッジへのデプロイまでをスムーズに進められます。

実環境での用途と適したユースケース#

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、実行環境における運用上の制約によって決まります。

DAMO-YOLOの適用領域#

DAMO-YOLOは、Neural Architecture Searchを研究する学術環境や、複雑な再パラメーター化戦略の再現を試みる研究者に適しています。また、多段階トレーニングを処理できる計算リソースがチームにあれば、製造ラインでの高速な欠陥検出など、厳しく管理された産業用途でも優れた性能を発揮できます。

Ultralyticsが実運用で選ばれる理由#

ほとんどの商用プロジェクトでは、Ultralyticsモデルがより優れた性能バランスを提供します。

  • スマートリテール: YOLOv8のマルチタスク機能を活用し、在庫のバウンディングボックス検出と、顧客行動の分析に用いる姿勢推定の両方に対応します。
  • 農業: インスタンスセグメンテーションを活用し、トラクターからのリアルタイム映像で植物の正確な境界と雑草を検出します。
  • 航空画像: Oriented Bounding Boxes (OBB)を活用し、ドローンや衛星から撮影した画像内の回転した車両や船舶を正確に追跡します。
その他の注目モデル

より幅広い動向を調べている場合は、アンカーフリー検出をさらに進化させたYOLOv10やYOLO11との比較もご覧ください。

将来を見据えた選択:YOLO26#

YOLOv8は今も基盤となるモデルですが、この分野は進歩を続けています。新たに開発するすべてのプロジェクトには、YOLO26を推奨します。2026年1月にリリースされたYOLO26は、Ultralyticsのモデルラインアップにおける大きな前進です。

YOLO26はネイティブなエンドツーエンドNMSフリー設計(nms=False)を備え、有効にすると従来のNon-Maximum Suppressionによるボトルネックを解消します。Distribution Focal Loss(DFL)の削除と組み合わせることで、YOLO26nはYOLO11nよりCPU推論が最大43%高速になり、エッジコンピューティングやIoTハードウェアに適しています。

YOLO26は、大規模言語モデル(LLM)のトレーニング技術に着想を得たMuSGDオプティマイザーも導入し、収束を高速化して安定したトレーニングを実現します。新しいProgLoss + STALトレーニング戦略と組み合わせることで、YOLO26は小さな物体の認識を向上させ、デプロイにおいて速度と精度の両方を実現します。

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。