PP-YOLOE+とDAMO-YOLOの比較
コンピュータービジョンの研究では、リアルタイム物体検出向けに多くの専用アーキテクチャが開発されてきました。産業や研究用途のモデルを評価する際、2022年に登場した代表的な2つのフレームワーク、BaiduのPP-YOLOE+とAlibaba GroupのDAMO-YOLOがよく候補に挙がります。両モデルは、新しいバックボーン、改善されたラベル割り当て戦略、専用の特徴融合手法を導入し、アンカーフリー検出を発展させました。
このガイドでは、PP-YOLOE+とDAMO-YOLOの技術的な分析として、アーキテクチャ、トレーニング方法、デプロイ上の強みを取り上げます。また、特定のデプロイ制約に合ったツールを選べるよう、これらのフレームワークとUltralytics YOLO26のような最新ソリューションとの比較も検証します。
PP-YOLOE+:洗練された産業用物体検出#
Baiduエコシステム内で開発されたPP-YOLOE+は、オリジナルのPP-YOLOEを段階的に改良し、PaddlePaddle深層学習フレームワーク向けに大幅に最適化したモデルです。サーバーグレードのハードウェアで精度と推論速度を最大化するよう設計されており、産業検査やスマートリテールのアプリケーションに有力な候補です。
アーキテクチャの革新#
PP-YOLOE+は、従来のアンカーフリー検出器を改善するため、複数のアーキテクチャ上の強化を導入しています。
- CSPRepResNetバックボーン: RepVGG形式のアーキテクチャとクロスステージ部分接続(CSP)を組み合わせたバックボーンで、特徴抽出能力と推論レイテンシのバランスに優れています。
- Task Alignment Learning(TAL): PP-YOLOE+は、トレーニング中に分類タスクと回帰タスクを連携させる動的なラベル割り当て戦略を採用し、トレーニング時と推論時の性能差を縮小します。
- Efficient Task-aligned Head(ET-head): 空間解像度を損なわずに特徴を高速処理するよう設計された効率的な検出ヘッドで、高いmAP指標の維持に役立ちます。
PP-YOLOE+の詳細:
- 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+ドキュメント
DAMO-YOLO:エッジでのニューラルアーキテクチャ探索#
Alibaba DAMO Academyが開発したDAMO-YOLOは、明確に異なるアプローチを採用しています。バックボーンを手作業で設計する代わりに、研究チームはNeural Architecture Search(NAS)を用いて、厳しいレイテンシー制約に適した効率的なネットワーク構造を探索しました。
主な特徴と学習パイプライン#
DAMO-YOLOは、自動化と蒸留を重視した手法により、低レイテンシと高精度を実現します。
- MAE-NASバックボーン: DAMO-YOLOは最大エントロピーNeural Architecture Searchを用いて、パラメーター数と精度のトレードオフに特化して最適化されたバックボーンを構築します。
- Efficient RepGFPN: 再パラメーター化されたGeneralized Feature Pyramid Networkにより、堅牢なマルチスケール特徴融合を実現します。これにより、1つのフレーム内でサイズが大きく異なる物体を検出しやすくなります。
- ZeroHead設計: 推論時の計算オーバーヘッドを大幅に削減する、シンプルな検出ヘッドです。
- 蒸留による性能強化: 小型モデルの性能を高めるため、DAMO-YOLOは複雑な知識蒸留プロセスを大いに活用します。このプロセスでは、大きな教師モデルが生徒モデルを導きます。
DAMO-YOLOの詳細:
- 著者: Xianzhe Xu、Yiqi Jiang、Weihua Chen、Yilun Huang、Yuan Zhang、Xiuyu Sun
- 組織: Alibaba Group
- 日付: 2022-11-23
- arXiv: 2211.15444v2
- GitHub:tinyvision/DAMO-YOLO
- ドキュメント: DAMO-YOLOのドキュメント
PP-YOLOE+とDAMO-YOLOはどちらも理論的に堅牢な革新をもたらしていますが、それぞれのフレームワーク(PaddlePaddleおよびAlibaba固有の環境)に強く依存しています。そのため、標準化されたクラウド環境やエッジ環境へモデルを移植する際に、障壁となる可能性があります。
パフォーマンス分析#
これらのモデルを評価する際は、レイテンシー、計算複雑度(FLOPs)、平均適合率(mAP)のトレードオフによって、最適なデプロイ環境が決まります。
| 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) |
|---|---|---|---|---|---|---|
| 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 |
| 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 |
DAMO-YOLOtはPP-YOLOE+tよりTensorRTのレイテンシーが低く、DAMO-YOLOは極小・小規模の物体でより高い精度を示すため、高スループットの動画ストリームで高い競争力を発揮します。一方、PP-YOLOE+はextra-large(x)バリアントまで良好にスケールし、推論時間が二次的な要件となる複雑な画像でトップクラスの精度を実現します。
Ultralyticsの強み:2022年のアーキテクチャを超えて進化#
PP-YOLOE+とDAMO-YOLOは重要な節目となるモデルですが、現代の開発では、さらなる汎用性、より簡単なトレーニングパイプライン、より少ないメモリー要件が求められます。Ultralytics Platformは、旧来のモデルで必要だった複雑な蒸留やフレームワーク固有のセットアップを避け、効率化された操作環境でこれらのニーズに応えます。
現在、最高の性能バランスを求める開発者にとって、Ultralytics YOLO26は実環境でのデプロイ効率を大きく前進させるモデルです。
YOLO26が業界をリードする理由#
2026年1月にリリースされたYOLO26は、YOLO11を基盤に、本番環境向けの複数の機能を備えています。
- エンドツーエンドのNMSフリー設計: YOLO26はオプションのone-to-one head(
nms=False)により、Non-Maximum Suppression(NMS)の後処理を完全に省略できます。これにより、デプロイロジックが簡素化され、一貫性のある予測可能な推論レイテンシーを実現します。 - MuSGDオプティマイザー: 大規模言語モデルのトレーニング手法に着想を得て、YOLO26は安定したトレーニングと迅速な収束を実現するハイブリッドMuSGDオプティマイザーを採用し、GPUの稼働時間を節約します。
- CPU推論の高速化: Distribution Focal Loss(DFL)を削除し、ネットワークグラフを最適化することで、YOLO26nはYOLO11nよりCPU推論が最大43%高速になり、エッジAIデバイスに適した有力な選択肢となります。
- ProgLoss + STAL: 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戦略により、小さな物体の認識精度が大幅に向上します。これはドローン運用やリモートセンシングに不可欠です。
- マルチタスクの汎用性: 検出に特化したPP-YOLOE+とは異なり、YOLO26はインスタンスセグメンテーション、画像分類、姿勢推定、oriented bounding boxes(OBB)をネイティブにサポートします。
使いやすさとトレーニング効率#
DAMO-YOLOモデルの学習では、大規模な教師・生徒型蒸留パイプラインを管理する必要があります。一方、Ultralyticsモデルの学習は、競合アーキテクチャと比べてCUDAメモリの使用量を抑えながら、わずか数行のPythonで実行できます。
from ultralytics import YOLO
# YOLO26モデルを初期化します
model = YOLO("yolo26n.pt")
# MuSGDオプティマイザーを使用してモデルを学習します
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, optimizer="MuSGD")
# エンドツーエンドの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")理想的なユースケースと推奨事項#
適切なコンピュータービジョンアーキテクチャの選択は、チームのエコシステム統合状況とデプロイ先に大きく左右されます。
- パイプライン全体がBaiduのPaddlePaddleエコシステムに深く組み込まれている場合は、PP-YOLOE+を選択してください。精度の最大化を第一の目標とする、高性能サーバー上での静止画像分析には、今でも適した選択肢です。
- DAMO-YOLOを選ぶべき場合: ニューラルアーキテクチャ探索アルゴリズムを対象とした研究を行う場合、または厳しいTensorRTレイテンシ目標を達成するための複雑な蒸留パイプラインを維持できるエンジニアリングリソースがある場合に適しています。
- 現代の本番環境のほぼすべてのシナリオには、Ultralytics YOLO26を選択してください。Ultralyticsエコシステムでは、充実したドキュメント、少ないメモリー要件、効率的なAPIを利用できます。自動品質管理システムの構築からRaspberry Pi上でのリアルタイム追跡まで、YOLO26のNMSフリーアーキテクチャは、すぐに高速で安定した高精度の結果を提供します。
ほかのソリューションを検討している開発者向けに、Ultralyticsのドキュメントでは広く採用されているYOLOv8や堅牢なYOLO11に関する豊富なリソースも提供しており、あらゆるコンピュータービジョンの課題に適したモデルを選べます。
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。