はじめる

PP-YOLOE+とYOLOv10

リアルタイム物体検出を改善する新しいモデルが登場し、コンピュータービジョンは進化を続けています。この技術比較では、異なるエコシステム向けに設計された有力な2つのアーキテクチャ、PP-YOLOE+とYOLOv10を検証します。また、Ultralytics PlatformやYOLO26モデルのような、統合された使いやすいツールへと分野が移行していることも解説します。

モデルの概要#

コンピュータービジョンプロジェクトの基盤を適切に選択するには、各モデルのアーキテクチャ上のトレードオフ、デプロイ上の制約、エコシステムのサポートを明確に理解する必要があります。

PP-YOLOE+の概要#

BaiduのPaddlePaddle開発者によって開発されたPP-YOLOE+は、PaddleDetectionエコシステムにおける従来モデルを発展させたものです。

強み: PP-YOLOE+は、PaddlePaddleフレームワークと深く統合された環境で優れた性能を発揮します。CSPRepResNetバックボーンを導入し、タスクに合わせたラベル割り当て戦略(TAL)を採用することで、高い平均適合率(mAP)を実現します。産業用途で一般的なサーバーグレードGPU向けに最適化されています。

弱み: PP-YOLOE+の主な課題はPaddlePaddleエコシステムへの強い依存であり、PyTorchに慣れた開発者には直感的でない場合があります。また、後処理に従来型の非極大値抑制(NMS)が必要となるため、レイテンシとデプロイの複雑さが増します。

PP-YOLOE+の詳細はこちら

YOLOv10の概要#

清華大学の研究者によってリリースされたYOLOv10は、推論パイプラインからNMSを取り除くことで、アーキテクチャに大きな変化をもたらしました。

強み: YOLOv10の際立った特徴は、NMS不要のトレーニングを実現する一貫性のあるデュアルアサインメントです。これによりモデルは、二次的なフィルタリング処理を必要とせずにバウンディングボックスをネイティブに予測できるため、モデルデプロイが大幅に簡素化され、エッジデバイス上でも高速になります。パラメーター数の少なさと高精度を両立しています。

弱み: 標準的な2Dの物体検出では高効率ですが、YOLOv10はインスタンスセグメンテーションや姿勢推定など、ほかの重要なコンピュータービジョンタスクをネイティブにサポートしていません。そのため、複雑なマルチタスクパイプラインでの汎用性が限られます。

YOLOv10の詳細を見る

高度な代替案をご検討ですか?

リアルタイム検出の最新技術を検討している場合は、高精度なビジョンアプリケーション向けにYOLO11やTransformerベースのRT-DETRをご検討ください。

パフォーマンスと指標の比較#

標準化されたベンチマークで各モデルの性能を理解することは、適切なアーキテクチャを選ぶうえで非常に重要です。以下の表では、モデルのサイズ、精度、レイテンシを比較します。

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)
PP-YOLOE+t64039.9-2.844.8519.15
PP-YOLOE+s64043.7-2.627.9317.36
PP-YOLOE+m64049.8-5.5623.4349.91
PP-YOLOE+l64052.9-8.3652.2110.07
PP-YOLOE+x64054.7-14.398.42206.59
YOLOv10n64038.5-1.842.36.7
YOLOv10s64046.3-2.497.221.6
YOLOv10m64051.1-4.7415.459.1
YOLOv10b64052.5-5.7419.192.0
YOLOv10l64053.2-7.2824.4120.3
YOLOv10x64054.4-10.7029.5160.4

技術分析#

データを分析すると、いくつかの重要な傾向が見られます。YOLOv10のnanoモデルとsmallモデルはエッジ効率を重視しており、YOLOv10nのパラメーター数はわずか230万、FLOPsは6.7Bです。軽量設計とNMS不要のアーキテクチャを組み合わせることで、TensorRTやOpenVINOを利用するプラットフォームでレイテンシを大幅に削減します。

一方、PP-YOLOE+は大型モデルのクラスで高い性能を発揮し、X-largeモデルはmAPでYOLOv10xをわずかに上回ります(54.7%対54.4%)。ただし、パラメーター数は3倍以上(98.42M対29.5M)になるため、メモリに制約のある環境ではYOLOv10xのほうが大幅に効率的です。

Ultralyticsエコシステムの利点#

PP-YOLOE+とYOLOv10はいずれも優れた技術的成果を示していますが、現代のMLエンジニアリングでは、優れたアーキテクチャだけでは不十分であり、適切にメンテナンスされたエコシステムが必要です。

Ultralyticsは、データ収集とアノテーション、トレーニング、デプロイを大幅に簡素化するPythonパッケージを提供しています。大規模な研究用フレームワークや旧世代のTransformerモデルと比べ、Ultralyticsのアーキテクチャはトレーニング時に必要なCUDAメモリがわずかで済むため、より大きなバッチサイズを使用し、反復を高速化できます。Ultralyticsパッケージは幅広い汎用性も備えており、画像分類、OBB(回転バウンディングボックス)、堅牢な物体追跡を標準でサポートします。

YOLO26の登場:次世代モデル#

2026年1月にリリースされたUltralytics YOLO26は、YOLOv10などのモデルから得られた重要な知見を取り入れつつ、その制約に対処しています。

YOLO26の主なイノベーション:

  • エンドツーエンドのNMSフリーデザイン: YOLOv10がYOLOモデルに導入したNMSフリー学習を基盤として、YOLO26ではオプションのエンドツーエンドヘッド(nms=False)を利用できます。このヘッドはNMSの後処理を排除し、多様なハードウェアへのデプロイを高速かつ簡素にします。
  • DFLの削除: Distribution Focal Loss(DFL)を取り除くことでモデルアーキテクチャのエクスポートを簡素化し、低消費電力のエッジAIデバイスとの互換性を高めます。
  • 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(Moonshot AIのKimi K2など)に着想を得て、YOLO26はSGDとMuonを組み合わせたハイブリッド方式を採用しています。これによりトレーニングが安定し、収束が大幅に高速化します。
  • CPU推論が最大43%高速: 実環境向けに最適化されたYOLO26nは、CPU処理に依存するアプリケーションでYOLO11nより最大43%高速です。そのため、スマート監視やモバイルへのデプロイに適しています。
  • ProgLoss + STAL: Progressive Lossと小さな物体を考慮したラベル割り当て戦略により、小さな物体の認識性能が大幅に向上します。これは、航空画像やロボティクスで重要な要素です。
  • タスク固有の改良: YOLOv10とは異なり、YOLO26はセグメンテーション向けのマルチスケールprotoと、姿勢推定向けのResidual Log-Likelihood Estimation(RLE)をネイティブでサポートしています。

実践的な実装#

Ultralyticsモデルは簡単に使い始められるよう設計されています。わずか数行のコードで、最新のデータ拡張パイプラインを使用したトレーニングを開始できます。

from ultralytics import YOLO

# 特におすすめのYOLO26モデルを読み込む
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
# Transformerアーキテクチャと比べて、メモリ使用量が大幅に最適化されています
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device=0)

# エンドツーエンドのNMSフリー推論を実行する
inference_results = model("https://ultralytics.com/images/bus.jpg", nms=False)

# デプロイ用にONNXまたはTensorRTへ直接エクスポートする
model.export(format="onnx", simplify=True)

ユースケースと推奨事項#

PP-YOLOE+とYOLOv10のどちらを選ぶかは、プロジェクト固有の要件、デプロイ上の制約、エコシステムに関する好みによって異なります。

PP-YOLOE+を選ぶ場合#

PP-YOLOE+は、次のような用途に適しています。

  • PaddlePaddleエコシステムとの統合: BaiduのPaddlePaddleフレームワークとツールを基盤とする既存インフラストラクチャを持つ組織。
  • Paddle Liteによるエッジデプロイ: Paddle LiteまたはPaddle推論エンジン向けに特別に最適化された推論カーネルを備えるハードウェアへのデプロイ。
  • サーバー側での高精度検出: フレームワークへの依存が問題にならない、強力なGPUサーバー上で検出精度を最大化することを優先するシナリオ。

YOLOv10を選ぶ場合#

YOLOv10は、次のような用途に推奨されます。

  • NMSを使用しないリアルタイム検出: 非最大抑制を使用しないエンドツーエンド検出によって、デプロイを簡素化できるアプリケーション。
  • 速度と精度のバランス: さまざまなモデルスケールで、推論速度と検出精度の優れたバランスが必要なプロジェクト。
  • レイテンシーが安定している必要のあるアプリケーション: ロボティクスや自律システムなど、予測可能な推論時間が重要なデプロイシナリオ。

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、YOLO26が最大43%高速なCPU推論(YOLO26nとYOLO11nの比較)を実現し、明確な優位性を発揮します。
  • 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。

結論#

PP-YOLOE+は、Baiduのエコシステムと産業用サーバー環境を採用しているチームにとって、引き続き信頼できる選択肢です。YOLOv10は、NMSなしのリアルタイム検出が実現可能であることを示した、重要な学術的マイルストーンです。

ただし、精度、推論速度、マルチタスク機能の最適な組み合わせを求める開発者には、Ultralytics YOLO26を推奨します。トレーニング効率とエッジファーストのデプロイにおける革新により、YOLO26は本番環境に適した堅牢で汎用性の高いコンピュータービジョンソリューションとなっています。

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。