DAMO-YOLOとYOLOXの比較
リアルタイムのコンピュータービジョンは進化を続けています。注目すべき2つのマイルストーンはDAMO-YOLOとYOLOXで、それぞれが高速かつ高精度な物体検出に独自の革新をもたらしました。どちらのモデルもオープンソースコミュニティに大きく貢献しており、機械学習エンジニアにとって、アーキテクチャの違い、トレーニング方法、最適なデプロイシナリオを理解することは有益です。
このガイドでは両モデルの技術的な詳細を解説し、Ultralytics YOLO26のような最新の代替モデルが、現在の本番環境でより優れた性能と使いやすさを提供する理由を説明します。
モデルの概要#
DAMO-YOLOの詳細#
Alibaba Groupの研究者チームによって開発されたDAMO-YOLOは、自動アーキテクチャ探索を活用する効率的な物体検出手法として発表されました。
- 著者: Xianzhe Xu、Yiqi Jiang、Weihua Chen、Yilun Huang、Yuan Zhang、Xiuyu Sun
- 組織: Alibaba Group
- 日付: 2022-11-23
- arXiv: https://arxiv.org/abs/2211.15444v2
- GitHub: https://github.com/tinyvision/DAMO-YOLO
- ドキュメント: DAMO-YOLOのドキュメント
YOLOXの詳細#
Megviiの研究者によって開発されたYOLOXは、YOLOシリーズをアンカーフリー設計に切り替えることで、研究コミュニティと産業界の隔たりを埋めることを目指しました。これにより、当時の性能を向上させながらアーキテクチャを簡素化しました。
- 著者: Zheng Ge、Songtao Liu、Feng Wang、Zeming Li、Jian Sun
- 組織: Megvii
- 日付: 2021-07-18
- arXiv: https://arxiv.org/abs/2107.08430
- GitHub: https://github.com/Megvii-BaseDetection/YOLOX
- ドキュメント: YOLOXドキュメント
アーキテクチャの分析#
DAMO-YOLOのアーキテクチャ#
DAMO-YOLOはニューラルアーキテクチャ探索(NAS)を積極的に活用しています。主な構成要素は次のとおりです。
- MAE-NASバックボーン: 最大エントロピーに基づく探索を用いて、推論速度と精度のバランスが取れたバックボーンを探索します。
- 効率的なRepGFPN: 特徴融合に適した大規模なネック設計で、さまざまな物体スケールにわたってモデルの高い精度を維持します。
- ZeroHead: シンプルで軽量な検出ヘッドにより、最終的な予測レイヤーの計算オーバーヘッドを削減します。
YOLOXのアーキテクチャ#
YOLOXは異なるアプローチを採用し、構造の簡潔さとアンカーフリー設計に重点を置いています。
- アンカーフリー機構: 事前定義されたアンカーを使わず、バウンディングボックスの座標を直接予測することで、YOLOXは設計パラメーターの数とヒューリスティックな調整の必要性を減らします。
- 分離型ヘッド: 分類タスクと回帰タスクを異なる特徴ブランチに分けることで、収束速度と全体的な精度を改善します。
- SimOTAラベル割り当て: 正解ラベルに対して正例サンプルを動的に割り当てる戦略で、トレーニング効率を高めます。
DAMO-YOLOは厳しい制約下で効率的なアーキテクチャを見つけるために機械主導のNASを使用する一方、YOLOXは人間が設計した簡素化(アンカーフリーヘッドなど)によって物体検出パイプラインを効率化します。
パフォーマンス比較#
これらのモデルを評価するには、平均適合率(mAP)、推論速度、パラメーター数を確認する必要があります。以下の表では、両アーキテクチャの標準バリアントと軽量バリアントを比較しています。
| 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-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 |
| YOLOXnano | 416 | 25.8 | - | - | 0.91 | 1.08 |
| YOLOXtiny | 416 | 32.8 | - | - | 5.06 | 6.45 |
| YOLOXs | 640 | 40.5 | - | 2.56 | 9.0 | 26.8 |
| YOLOXm | 640 | 46.9 | - | 5.43 | 25.3 | 73.8 |
| YOLOXl | 640 | 49.7 | - | 9.04 | 54.2 | 155.6 |
| YOLOXx | 640 | 51.1 | - | 16.1 | 99.1 | 281.9 |
YOLOXxは絶対値で最高のmAP 51.1を達成しますが、DAMO-YOLOlはパラメーター数が半分未満(42.1M対99.1M)でありながら、競争力のあるmAP 50.8を実現し、TensorRTの実行速度も大幅に高速です。
トレーニング手法#
DAMO-YOLOのトレーニング#
DAMO-YOLOはトレーニング中に複雑な知識蒸留の強化処理を使用します。多くの場合、まず大型の「教師」モデルをトレーニングし、その知識を小型の「生徒」モデルに蒸留します。また、動的なラベル割り当てにはAlignedOTAを採用します。この手法は効果的ですが、多段階のトレーニングプロセスによって、必要なGPU計算時間とメモリーのオーバーヘッドが大幅に増加します。
YOLOXのトレーニング#
YOLOXはMixUpやMosaicなどの強力なデータ拡張戦略を使用します。ただし、著者らは、最後の15エポックでこうした強力な拡張を無効にすると、モデルが自然な画像分布に適応し、最終的な精度が大幅に向上することを確認しました。
最適なユースケース#
- DAMO-YOLO: サーバー側の蒸留パイプラインを利用でき、対象ハードウェア(特定のNVIDIA GPUなど)が大規模なネックを持つNASアーキテクチャの恩恵を直接受けられる、重要度の高い産業用デプロイに最適です。
- YOLOX: 純粋なアンカーフリー方式を求める開発者に適しています。軽量な
YOLOXnanoにより、レガシーAndroidデバイス、エッジコンピューティング、パラメーター数が最大のボトルネックとなる非常に制約の厳しいIoTセンサーでも実用的です。
Ultralyticsの強み:YOLO26の登場#
DAMO-YOLOとYOLOXは重要なマイルストーンですが、現在の開発者には、より包括的で汎用性が高く、使いやすいソリューションが必要です。Ultralytics Platformと新たにリリースされたUltralytics YOLO26は、まさにその点で優れています。
2026年1月にリリースされたYOLO26は、サポート対象のコンピュータービジョンタスクにおいて、推奨されるUltralyticsモデルです。従来のアーキテクチャに対して、いくつかの改善を導入しています。
- エンドツーエンドのNMS不要設計: YOLO26のオプションのone-to-oneヘッド(
nms=False)は、Non-Maximum Suppression(NMS)の後処理を省略します。これにより、従来の検出ヘッドに伴うレイテンシのボトルネックを回避し、デプロイを大幅に簡素化して高速化できます。 - CPU推論が最大43%高速化: Distribution Focal Loss(DFL)を削除し、レイヤーを最適化することで、YOLO26はCPUやエッジハードウェア上で高速な推論を実現します。YOLO26nはCPU上でYOLO11nより最大43%高速です。
- MuSGDオプティマイザー: 大規模言語モデル(LLM)のトレーニング手法に着想を得て、YOLO26ではMuSGDオプティマイザー(SGDとMuonのハイブリッド)を導入しています。これにより、YOLOXの従来のトレーニング設定と比べて、安定したトレーニングと高速な収束を実現します。
- ProgLoss + STAL: Progressive Loss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、ドローン映像やロボティクスにより適したモデルになります。
- 汎用性: 物体検出に特化したDAMO-YOLOとは異なり、YOLO26は整備の行き届いた同一のエコシステム内で、インスタンスセグメンテーション、分類、姿勢推定、回転バウンディングボックス(OBB)をネイティブに処理できます。
Ultralyticsで簡単に利用#
Ultralytics Python APIにより、開発者エクスペリエンスが効率化されます。YOLO26モデルのトレーニングでは、定型コードが大幅に少なくて済み、DAMO-YOLOの複雑な蒸留パイプラインも不要です。また、Ultralyticsモデルは、重いTransformerベースのモデルと比べて、トレーニング時のCUDAメモリー要件も低くなっています。
from ultralytics import YOLO
# 最新のUltralytics YOLO26 nanoモデルを読み込みます
model = YOLO("yolo26n.pt")
# 1行のコードでカスタムデータセットを使ってモデルをトレーニングします
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# 画像に対して高速なNMSフリー推論を実行します
results = model("https://ultralytics.com/images/bus.jpg", nms=False)
# ONNXまたはTensorRTにエクスポートします
model.export(format="onnx")Ultralytics Platformを使ってモデルに自動アノテーションを付与し、トレーニングしてエッジにデプロイできます。データのバージョン管理とクラウドGPUのプロビジョニングもプラットフォームが処理します。
結論#
DAMO-YOLOとYOLOXのどちらを選ぶかは、具体的な制約によって異なります。DAMO-YOLOはNASを通じて特定のGPU上で優れた速度と精度の比率を実現し、YOLOXは軽量なエッジシナリオに適したシンプルなアンカーフリー設計を提供します。
ただし、活発なコミュニティを持つ最新かつ継続的にメンテナンスされているソリューションを求めるチームには、Ultralytics YOLO26アーキテクチャをおすすめします。オプションのNMS不要推論、高速なCPU推論、検出・セグメンテーション・姿勢推定タスク向けの統合APIにより、研究から実際の本番環境への移行に適しています。
その他の最新アーキテクチャに関心のある開発者は、包括的なUltralyticsドキュメントで利用できるUltralytics YOLO11や、RT-DETRのようなTransformerベースのモデルもご検討ください。
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。