はじめる

PP-YOLOE+とYOLOv5

コンピュータービジョン向けのディープラーニングフレームワークを選ぶ際、開発者は速度、精度、デプロイのしやすさの最適なバランスを見つけるため、さまざまなアーキテクチャを比較します。この比較では、物体検出におけるPP-YOLOE+とYOLOv5の技術的な違いを検証します。アーキテクチャ、パフォーマンス指標、最適なデプロイシナリオを分析することで、リアルタイムロボティクス、エッジデプロイ、クラウドベースの動画分析など、次のプロジェクトに向けた適切な判断ができます。

モデルの由来とメタデータ#

どちらのモデルも優れたエンジニアリングチームによって開発されましたが、対象とするエコシステムはやや異なります。その起源を理解すると、アーキテクチャ設計の選択に関する背景がわかります。

PP-YOLOE+の詳細:

PP-YOLOE+の詳細はこちら

YOLOv5の詳細:

アーキテクチャの比較#

PP-YOLOE+のアーキテクチャ#

PP-YOLOE+はBaiduエコシステムにおける発展形で、PP-YOLOv2などの従来モデルを基盤としています。Cross Stage Partial(CSP)ネットワークの原則と再パラメーター化手法を組み合わせ、特徴抽出を強化する最適化済みのCSPRepResNetバックボーンを導入しています。これにより、トレーニング中は高い精度を保ちつつ、推論時にはよりシンプルなアーキテクチャに統合して高速化できます。

さらに、PP-YOLOE+はタスクアライメント学習(TAL)と効率的なタスク整合ヘッド(ET-head)を採用しています。この組み合わせは、密な物体検出器でよく見られるボトルネックである、分類タスクと位置特定タスクの不整合を解消することを目的としています。設計は優れていますが、アーキテクチャはPaddlePaddleフレームワークと密接に結び付いているため、他の主要なMLライブラリを標準化しているチームでは統合が難しくなる場合があります。

YOLOv5のアーキテクチャ#

一方、YOLOv5は、学術研究と企業の本番環境の両方で業界標準となっているPyTorchを基盤に開発されました。優れた勾配フローとパラメーター効率で知られる、改良版CSPDarknet53バックボーンを使用しています。

YOLOv5の代表的な機能であるAutoAnchorアルゴリズムは、学習前に特定のカスタムデータセットに基づいてアンカーボックスのサイズを動的に確認・調整します。これにより、バウンディングボックスのハイパーパラメーターを手動で調整する必要がなくなります。モデルの経路集約ネットワーク(PANet)ネックは、堅牢なマルチスケール特徴融合を実現し、さまざまなサイズの物体を効果的に検出します。

PyTorchデプロイの簡素化

YOLOv5はPyTorch上に直接構築されているため、ONNXやTensorRTなどの最適化形式へのエクスポートに必要なミドルウェア設定は、フレームワーク固有のツールチェーンに依存するモデルより大幅に少なくて済みます。

パフォーマンス分析#

これらのモデルを評価するには、平均適合率(mAP)とレイテンシのトレードオフを検討する必要があります。以下の表に、モデルサイズごとの指標を示します。

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)
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
YOLOv5n64028.0-1.121.94.5
YOLOv5s64037.4-1.927.216.5
YOLOv5m64045.4-4.0321.249.0
YOLOv5l64049.0-6.6146.5109.1
YOLOv5x64050.7-11.8986.7205.7

PP-YOLOE+は大きなスケール(Xバリアントなど)で非常に競争力のあるmAPを達成しますが、小型モデルではYOLOv5の方が高速で、パラメーター数も少なくなります。YOLOv5 Nano(YOLOv5n)のパラメーター数はわずか190万であり、メモリー要件が厳しい制約付きエッジデバイスに適しています。さらに、YOLOモデルのトレーニングで消費されるCUDAメモリーは、RT-DETRのような大規模なTransformerベースのモデルより一般に少なくなります。

Ultralyticsの強み#

アーキテクチャを選ぶ際、生の指標は判断材料の一部にすぎません。開発者体験、エコシステムのサポート、デプロイパイプラインが、プロジェクトの実環境での成否を左右することがよくあります。この点でUltralyticsモデルは優れています。

使いやすさ#

UltralyticsのPython APIを使うと、複雑な定型コードを抽象化できます。開発者は最小限のコードでトレーニングを開始し、パフォーマンスを検証して、モデルをデプロイできます。ドキュメントは充実しており、継続的に保守され、大規模なグローバルオープンソースコミュニティに支えられています。

さまざまなタスクに対応する汎用性#

PP-YOLOE+は専用の物体検出器ですが、Ultralyticsエコシステムでは、統一された単一のAPIで複数のコンピュータービジョンタスクに取り組めます。YOLOv5とその後継モデルを使えば、標準的なバウンディングボックスからインスタンスセグメンテーション、分類ワークフローへ簡単に移行できます。

コード例: YOLOv5の学習#

数行のコードだけで使い始められます。このシンプルさにより、研究開発サイクルを大幅に短縮できます。

from ultralytics import YOLO

# 事前学習済みYOLOv5のSmallモデルを読み込む
model = YOLO("yolov5su.pt")  # YOLOv5u: ultralyticsパッケージ向けのアンカーフリーYOLOv5重み

# 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)

# 画像に対して高速な推論を実行する
predictions = model("https://ultralytics.com/images/bus.jpg")
predictions[0].show()

実際のユースケース#

PP-YOLOE+を選ぶ場合: 組織がBaiduのソフトウェアスタックに深く組み込まれている場合や、PaddlePaddleフレームワークが必須となる専用ハードウェアに大きく依存している場合、PP-YOLOE+は優れた性能を発揮します。既存のPaddle統合を利用する、特化型の製造パイプラインでよく使われています。

YOLOv5を選ぶ場合: 多くの開発者、研究者、企業にとって、YOLOv5は引き続き有力な選択肢です。PyTorchを基盤としているため、トラッキング用のWeights & Biasesなどのツールとすぐに連携でき、NVIDIA GPUアクセラレーション向けのTensorRTやAppleデバイス向けのCoreMLへスムーズにエクスポートできます。農作物のモニタリングから高速ドローンナビゲーションまで、幅広い分野で高い性能を発揮します。

物体検出の未来: Ultralytics YOLO26#

YOLOv5は画期的なモデルですが、コンピュータービジョンは進歩しています。2026年1月にリリースされたYOLO26を、すべての新規開発に推奨します。Ultralytics Platformから利用できるYOLO26は、効率性の新たな基準を打ち立てます。

YOLO26の主な技術革新:

  • エンドツーエンドのNMSフリー設計: YOLO26のオプションのone-to-one head(nms=False)は、Non-Maximum Suppression(NMS)の後処理を完全に省略します。これにより、レイテンシーの変動が抑えられ、デプロイパイプラインが大幅に簡素化されます。
  • CPU推論が最大43%高速: Distribution Focal Loss(DFL)を削除することで、YOLO26はGPUを搭載しないエッジデバイスでの速度を大幅に向上させ、YOLO26nはYOLO11nより最大43%高速に動作します。
  • 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たこのハイブリッドオプティマイザーは、トレーニングの動態を安定させ、カスタムデータセットでの収束を高速化します。
  • タスク固有の強化: ProgLossと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)を備え、小さな物体の精度を高めます。航空画像のOriented Bounding Box (OBB)検出をネイティブにサポートします。

最新のビジョンモデルを検討している場合は、前世代のYOLO11や、RT-DETRのようなTransformerベースのアプローチとの比較も参考になるでしょう。堅牢なエコシステムと継続的なアーキテクチャの進歩により、Ultralyticsは最新のコンピュータービジョンタスクに適した有力な選択肢となっています。

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。