はじめる

DAMO-YOLOとYOLOv9の比較

リアルタイム物体検出は急速に進化し続けています。エンジニアリングチームや研究者が精度、推論速度、計算効率の適切なバランスを求めるなか、研究コミュニティから注目すべき2つのアーキテクチャが登場しました。それがDAMO-YOLOとYOLOv9です。どちらのモデルも、コンピュータービジョンに大きなアーキテクチャ上の革新をもたらします。

この技術ガイドでは、両モデルのアーキテクチャのアプローチ、トレーニング方法、実際のデプロイ能力を比較して分析します。また、現代のAI開発において幅広いソフトウェアエコシステムが果たす役割を解説し、Ultralytics Platformなどの統合プラットフォームや、YOLO26などの新世代モデルの利点を紹介します。

エグゼクティブサマリー:適切なアーキテクチャの選択#

どちらのモデルもディープラーニング研究における重要な節目ですが、対象とするデプロイの理念はやや異なります。

DAMO-YOLOは、Neural Architecture Search(NAS)を利用して特定の性能プロファイルを調整できる場面で最も力を発揮し、用途に合わせたエッジデプロイを検討するうえで興味深い研究対象となります。一方、YOLOv9はディープネットワークの情報ボトルネックの解消に焦点を当て、高いパラメーター効率を実現します。

ただし本番環境へのデプロイには、統合されたUltralyticsエコシステムが推奨されます。新しいプロジェクトには、最新のYOLO26モデルが高い精度と、複雑な後処理を不要にするオプションのエンドツーエンド設計を兼ね備えています。

コンピュータービジョンパイプラインを将来に備えて強化

DAMO-YOLOとYOLOv9は強力な学術モデルですが、本番環境へのデプロイには多くの場合、大規模なカスタムエンジニアリングが必要です。Ultralytics YOLO26は、シンプルで保守しやすいAPIを通じて高い性能を提供します。

技術仕様と開発者#

これらのモデルの起源と開発上の重点を知ることで、それぞれの強みを理解しやすくなります。

DAMO-YOLO#

Alibaba Groupの研究者が開発したDAMO-YOLOは、自動アーキテクチャ生成と効率的な特徴融合に重点を置いています。

DAMO-YOLOの詳細はこちら

YOLOv9#

ディープ畳み込みネットワークにおける情報損失への対策として導入されたYOLOv9は、トレーニング中の勾配情報の保持に重点を置いています。

YOLOv9の詳細を見る

アーキテクチャの革新#

DAMO-YOLOは、カスタマイズされた機械生成コンポーネントを特徴としています。バックボーンはNeural Architecture Search(NAS)で生成され、さまざまなハードウェア上で低レイテンシ推論を実現することを特に重視しています。

このアーキテクチャは、特徴融合に効率的な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)を採用しています。これにより計算オーバーヘッドを過度に増やすことなく、マルチスケール物体検出を強化できます。また、検出ヘッドを簡素化するZeroHead設計と、ラベル割り当てに用いるAlignedOTAを採用し、トレーニング中に知識蒸留による強化プロセスを組み合わせています。これらの技術は高速な推論を実現しますが、多段階の蒸留プロセスでは大量のVRAMと長いトレーニング時間が必要になることがよくあります。

YOLOv9:情報ボトルネックの解消#

YOLOv9は、ディープネットワークにおける根本的な問題、すなわち入力データが連続するレイヤーを通過するにつれて徐々に情報が失われる問題に取り組みます。

これに対処するため、著者らはディープレイヤーに不可欠な詳細を保持し、重み更新に信頼性の高い勾配を生成する補助的な教師あり学習フレームワーク、Programmable Gradient Information(PGI)を導入しました。PGIとともに、GELAN(汎用効率的レイヤー集約ネットワーク)アーキテクチャも導入されています。GELANはCSPNetとELANの長所を組み合わせ、情報の流れを最大化しながら浮動小数点演算(FLOPs)を厳密に最小化することで、パラメーター効率を最適化します。

パフォーマンス分析と指標#

パフォーマンスを評価すると、両モデルともCOCOなどの標準ベンチマークで高い平均適合率(mAP)を示します。YOLOv9は、同程度のパラメーター数でより高い精度を達成し、全体として最も高い精度を記録しています。これは、PGIアーキテクチャを活用して、難易度の高いデータセットでも高い忠実度を維持するためです。

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
YOLOv9t64038.3-2.32.07.7
YOLOv9s64046.8-3.547.226.7
YOLOv9m64051.4-6.4320.176.8
YOLOv9c64053.0-7.1625.5102.8
YOLOv9e64055.6-16.7758.1192.5

上記のとおり、YOLOv9-Eが最高精度を達成する一方、小型のDAMO-YOLOおよびYOLOv9バリアントは、TensorRT最適化によって競争力のある推論速度を維持しています。

トレーニング手法とエコシステム#

アーキテクチャそのものも重要ですが、実際のアプリケーションでは、エコシステムの使いやすさとトレーニング効率が最も重要です。

DAMO-YOLOは知識蒸留に依存しているため、対象となる「生徒」モデルに知識を転移する前に、扱いにくい「教師」モデルをトレーニングする必要があることがよくあります。この従来型の研究アプローチでは、メモリ要件とトレーニングサイクルの所要時間が大幅に増加します。同様に、YOLOv9の元のリポジトリでは複雑な設定ファイルを扱う必要があり、アジャイルな開発の妨げになることがあります。

一方、Ultralytics Platformは開発者体験を簡素化します。Ultralytics Pythonパッケージは定型コードを抽象化し、チームが最小限の労力でデータ拡張、ハイパーパラメーター調整、モデルのエクスポートを行えるようにします。

実世界でのアプリケーションとユースケース#

リソース要件と精度の特性に応じて、各アーキテクチャが適する業界は異なります。

  • エッジAIでのDAMO-YOLO: NASで最適化されたバックボーンを備えるDAMO-YOLOは、製造品質管理向けの専用アクセラレーターなど、ハードウェア固有の再パラメーター化が必要な組み込みシステムで検討されることがよくあります。
  • 高精度分析でのYOLOv9: 高いパラメーター効率とPGIによる勾配保持を備えるYOLOv9は、航空画像の分析や、混雑した小売環境での小さな物体の追跡など、密集した物体検出のシナリオに適しています。

ユースケースと推奨事項#

DAMO-YOLOとYOLOv9のどちらを選ぶかは、具体的なプロジェクト要件、デプロイの制約、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。

YOLOv9を選ぶ場合#

YOLOv9は、次のような用途に推奨されます。

  • 情報ボトルネックの研究: プログラム可能な勾配情報(PGI)や一般化効率的層集約ネットワーク(GELAN)のアーキテクチャを研究する学術プロジェクト。
  • 勾配フロー最適化の研究: 学習中の深層ネットワーク層における情報損失の理解と抑制に焦点を当てた研究。
  • 高精度検出のベンチマーク: アーキテクチャの比較において、YOLOv9の優れたCOCOベンチマーク性能を基準として必要とするシナリオ。

Ultralytics (YOLO26)を選ぶ場合#

ほとんどの新規プロジェクトでは、Ultralytics YOLO26が性能と開発者体験の最適な組み合わせを提供します。

  • 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。

Ultralyticsの強み:YOLO26への進化#

従来のアーキテクチャを比較しているユーザーが最新のUltralyticsエコシステム、特に最新のYOLO26モデルへ移行すると、明確な利点が得られます。

YOLO26はエンドツーエンドのNMSフリー設計によってデプロイを簡素化します。オプションのone-to-one head(nms=False)により、Non-Maximum Suppression(NMS)の後処理が不要になり、より高速でシンプルなデプロイアーキテクチャを実現します。Distribution Focal Loss(DFL)の削除も組み合わせることで、エッジデバイスや低消費電力デバイスとの互換性が向上します。

YOLO26は、LLMトレーニングに着想を得た、Stochastic Gradient DescentとMuonのハイブリッドであるMuSGDオプティマイザーも採用しています。Transformerを多用する代替モデルと比べてメモリ使用量を抑えながら、安定したトレーニング収束を実現します。

YOLO26による効率的なトレーニング

Ultralytics APIを使えば、実験追跡機能が組み込まれたYOLO26モデルを、わずか数行のPythonコードでトレーニングできます。

from ultralytics import YOLO

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

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

# トレーニング済みモデルをONNX形式にエクスポートします
model.export(format="onnx")

高度なインスタンスセグメンテーション、高精度な姿勢推定、標準的なバウンディングボックス検出のいずれが必要な場合でも、Ultralyticsフレームワークの汎用性により、チームはディープラーニング環境の設定に費やす時間を減らし、堅牢なAIソリューションのデプロイにより多くの時間を使えます。小さな物体の認識精度を高めるProgLoss + STALなどのトレーニング改善を備えたYOLO26は、新しいビジョンアプリケーションに推奨されます。

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。