EfficientDetとPP-YOLOE+
物体検出モデルの着実な進化が、コンピュータービジョンの発展を支えてきました。その重要な節目として、GoogleのEfficientDetとBaiduのPP-YOLOE+が挙げられます。どちらも計算効率と検出精度のバランスを取っていますが、設計思想は根本的に異なります。
このガイドでは、次のコンピュータービジョンアプリケーションに適したニューラルネットワークを選べるよう、両モデルのアーキテクチャ、トレーニング手法、実環境でのデプロイシナリオを検証します。
アーキテクチャの革新と設計思想#
エッジデバイスでもクラウドサーバーでも、本番環境にこれらのモデルを効果的にデプロイするには、基盤となるアーキテクチャを理解することが重要です。
EfficientDet:複合スケーリングの力#
Google Researchが開発したEfficientDetは、その場しのぎのスケーリングを体系的な複合スケーリング手法に置き換え、検出器のスケーリング方法を変えました。
- 著者: Mingxing Tan、Ruoming Pang、Quoc V. Le
- 組織: Google Research
- 日付: 2019-11-20
- arXiv: 1911.09070
- GitHub: google/automl
- ドキュメント: EfficientDetドキュメント
EfficientDetの中核的な革新は、双方向特徴ピラミッドネットワーク(BiFPN)にあります。特徴をトップダウンに合算するだけの従来のFPNとは異なり、BiFPNは学習可能な重みを導入し、トップダウンとボトムアップの両方向でスケール間の特徴融合を行います。これにより、ネットワークは異なる入力特徴の重要度を学習できます。EfficientNetバックボーンと組み合わせることで、解像度、深さ、幅を同時に拡大し、さまざまな計算予算に対応するモデルファミリー(d0からd7)を実現します。
EfficientDetをデプロイする際は、対象ハードウェアを慎重に検討してください。d0はモバイルデバイスに適していますが、d7までスケールアップするには相当量のGPUメモリと計算能力が必要です。
PP-YOLOE+:PaddlePaddleの可能性を広げる#
PP-YOLOE+は前世代モデルの成果を引き継ぎ、BaiduのPaddlePaddleチームによって、高スループットのサーバーデプロイ向けに最適化された高精度モデルとして開発されました。
- 著者: PaddlePaddle Authors
- 組織: Baidu
- 日付: 2022-04-02
- arXiv: 2203.16250
- GitHub: PaddlePaddle/PaddleDetection
- ドキュメント: PP-YOLOE+の設定
PP-YOLOE+は、Cross Stage Partialネットワークと再パラメーター化手法を組み合わせ、推論レイテンシを増やさずに特徴抽出を強化するCSPRepResNetバックボーンを備えています。ET-head(効率的なタスク整合型ヘッド)は、分類タスクと位置特定タスクの整合性を大幅に改善します。また、アンカーフリー設計と動的ラベル割り当て(TAL)を採用し、トレーニングプロセスを効率化するとともに、多様なデータセットに対する汎化性能を向上させています。
パフォーマンス指標とベンチマーク#
リアルタイム推論向けのモデルを選ぶ際は、平均適合率(mAP)と計算速度のバランスを評価することが重要です。以下の表に、両モデル群の主な性能指標を示します。
| 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) |
|---|---|---|---|---|---|---|
| EfficientDet-d0 | 512 | 34.6 | - | 3.92 | 3.9 | 2.54 |
| EfficientDet-d1 | 640 | 40.5 | - | 7.31 | 6.6 | 6.1 |
| EfficientDet-d2 | 768 | 43.0 | - | 10.92 | 8.1 | 11.0 |
| EfficientDet-d3 | 896 | 47.5 | - | 19.59 | 12.0 | 24.9 |
| EfficientDet-d4 | 1024 | 49.7 | - | 33.55 | 20.7 | 55.2 |
| EfficientDet-d5 | 1280 | 51.5 | - | 67.86 | 33.7 | 130.0 |
| EfficientDet-d6 | 1280 | 52.6 | - | 89.29 | 51.9 | 226.0 |
| EfficientDet-d7 | 1536 | 53.7 | - | 128.07 | 51.9 | 325.0 |
| PP-YOLOE+t | 640 | 39.9 | - | 2.84 | 4.85 | 19.15 |
| PP-YOLOE+s | 640 | 43.7 | - | 2.62 | 7.93 | 17.36 |
| PP-YOLOE+m | 640 | 49.8 | - | 5.56 | 23.43 | 49.91 |
| PP-YOLOE+l | 640 | 52.9 | - | 8.36 | 52.2 | 110.07 |
| PP-YOLOE+x | 640 | 54.7 | - | 14.3 | 98.42 | 206.59 |
比較すると、PP-YOLOE+は一般に、同等のパラメーター数でより高い精度を達成し、特に大型バリアント(lおよびx)でその傾向が顕著です。GPUスループット向けに最適化されており、バッチ処理を行うサーバーデプロイの有力な候補です。一方、小型のEfficientDetモデルはパラメーター数とFLOPsが非常に少なく、メモリに厳しい制約がある環境で有利です。
最適なユースケースとデプロイ戦略#
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、既存の技術スタックとデプロイ先のハードウェアによって決まります。
EfficientDetを選ぶケース:
- AutoMLワークフロー: Googleのエコシステムに深く投資しており、自動アーキテクチャ探索機能に依存している場合。
- リソースが限られたエッジ環境: 下位モデル(d0、d1)はパラメーター数が少なく(3.9M、6.6M)、モデルサイズに厳しい制約があるデバイスに適しています。
PP-YOLOE+を選ぶケース:
- ハイエンドGPUサーバー: スマートシティの監視向けに数百のビデオストリームを同時処理するなど、NVIDIAハードウェアで最大スループットが求められる場面。
- PaddlePaddleエコシステム: 開発チームがすでにBaiduのディープラーニングフレームワークを使っている場合、PP-YOLOE+は簡単に統合できます。
Ultralyticsの強み:YOLO26の紹介#
EfficientDetとPP-YOLOE+は優れたモデルですが、最新のプロジェクトには、高い性能と使いやすさを兼ね備えたソリューションが必要です。ここで、Ultralytics YOLO26が、最新のコンピュータービジョンアプリケーションに推奨される選択肢として際立ちます。
2026年1月にリリースされたYOLO26は、ネイティブのエンドツーエンドNMSフリーデザインを導入しました。従来モデルで継続的なボトルネックとなっていた後処理の非極大値抑制(NMS)を任意で省略することで(nms=False)、YOLO26はデプロイを簡素化し、推論レイテンシーのばらつきを低減します。
YOLO26はエッジデプロイ向けにも最適化されています。Distribution Focal Loss(DFL)を削除することで、ONNXやTensorRTなどの形式へのエクスポートプロセスが簡素化され、YOLO26nはYOLO11nよりもCPU推論が最大43%高速です。そのため、バッテリー駆動のIoTデバイスに適しています。
YOLO26には、SGDとMuonを組み合わせたハイブリッド型のMuSGD Optimizerが採用されています。LLMトレーニングの進歩に着想を得たこのオプティマイザーは、安定したトレーニングと迅速な収束を実現し、GPUの計算時間を節約します。
開発者は、YOLO26の段階的な損失関数と小さなターゲットを考慮したラベル割り当て(ProgLoss + STAL)によるメリットも得られます。これらは、小物体認識の精度を高めます。これは、航空画像や精密農業のアプリケーションに欠かせない要件です。
Ultralyticsを使用したデプロイ#
Ultralyticsの最大の強みは、統合されたエコシステムにあります。複雑で独自仕様のトレーニングスクリプトが必要なモデルとは異なり、YOLO26はシンプルなAPIを提供します。カスタムデータセットでモデルをトレーニングするには、数行のPythonコードで済みます。
from ultralytics import YOLO
# 事前トレーニング済みのYOLO26モデルを読み込みます
model = YOLO("yolo26n.pt")
# COCO8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=100, imgsz=640)
# 新しい画像で推論を実行します
predictions = model("https://ultralytics.com/images/bus.jpg")
# デプロイ用にONNX形式へエクスポートします
model.export(format="onnx")標準的な検出から、インスタンスセグメンテーションや姿勢推定などの専門的なタスクまで、YOLO26はマルチスケールプロトタイプと残差対数尤度推定(RLE)を備え、使いやすい同一のフレームワーク内でネイティブにサポートします。
その他の注目モデル#
特定のエンタープライズ要件に合わせてアーキテクチャを評価する場合は、前世代のUltralytics YOLO11も検討する価値があります。YOLO11は、堅牢で本番環境での実績があるモデルです。Transformerベースのアーキテクチャが求められるアプリケーションには、RT-DETRが興味深い選択肢となりますが、トレーニング時には、より効率的なYOLOの各種モデルよりも多くのCUDAメモリを必要とするのが一般的です。
まとめると、EfficientDetは原理に基づくスケーリングを提供し、PP-YOLOE+は特定のフレームワーク内で優れたGPUスループットを実現しますが、Ultralytics YOLO26は現在利用できる中で、最もバランスに優れ、汎用性が高く、開発者に使いやすいソリューションです。ネイティブなエンドツーエンドアーキテクチャと幅広い統合機能により、次世代のビジョンAIに推奨される基盤となっています。
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。