PP-YOLOE+とYOLOv7の比較
コンピュータービジョンのパイプラインを構築する際、適切な物体検出モデルの選択は重要です。2022年に登場した2つの主要なアーキテクチャであるPP-YOLOE+とYOLOv7は、リアルタイム物体検出に重要な進歩をもたらしました。この技術比較では、両者のアーキテクチャ、トレーニング方法、実環境でのパフォーマンスを検証し、アプリケーションに適した判断を支援します。
モデルの概要#
PP-YOLOE+とYOLOv7はどちらも精度と速度の向上を目指して設計されましたが、異なる開発エコシステムと設計思想に基づいています。
PP-YOLOE+#
BaiduのPaddlePaddle Authorsが開発したPP-YOLOE+は、PP-YOLOEと初期のPP-YOLOv2を基盤としています。PaddlePaddleエコシステム向けに最適化された、効率的で高精度な物体検出器として導入されました。
- 著者: PaddlePaddle Authors
- 組織: Baidu
- 日付: 2022-04-02
- arXiv: 2203.16250
- GitHub: PaddleDetectionリポジトリ
- ドキュメント: PP-YOLOE+ドキュメント
YOLOv7#
Chien-Yao Wang、Alexey Bochkovskiy、Hong-Yuan Mark Liaoによって開発されたYOLOv7は、「学習可能な無料特典」を導入し、リリース当時のリアルタイム物体検出器の最先端ベンチマークを更新しました。
- 著者: Chien-Yao Wang、Alexey Bochkovskiy、Hong-Yuan Mark Liao
- 所属機関: 台湾、中央研究院情報科学研究所
- 日付: 2022-07-06
- arXiv: 2207.02696
- GitHub: YOLOv7リポジトリ
- ドキュメント: Ultralytics YOLOv7ドキュメント
アーキテクチャの革新#
PP-YOLOE+のアーキテクチャ#
PP-YOLOE+はアンカーフリー設計を採用しており、カスタムデータセット用にアンカーボックスを調整する必要がないため、デプロイが簡単です。CSPRepResNetバックボーンとCSPNetスタイルのPAN(経路集約ネットワーク)を組み込み、効果的なマルチスケール特徴融合を実現します。また、タスクアライメント学習(TAL)を使用して、トレーニング中に分類タスクと位置特定タスクを動的に整合させ、さまざまなコンピュータービジョンタスクで高い精度を確保します。
YOLOv7のアーキテクチャ#
YOLOv7は、拡張効率的レイヤー集約ネットワーク(E-ELAN)を導入するという異なるアプローチを採用しました。このアーキテクチャにより、元の勾配経路を損なうことなく、ネットワークがより多様な特徴を学習できるため、収束が改善されます。YOLOv7ではモデルの再パラメーター化も広く活用されており、特に計画的な再パラメーター化畳み込みは推論時に畳み込み層を統合することで、精度を損なわずに実行を高速化します。そのため、YOLOv7はマルチオブジェクトトラッキングや複雑なセキュリティ警報システムなど、GPUワークロードに適しています。
パフォーマンス分析#
速度、パラメーター数、精度(mAP)のバランスを考慮すると、モデルごとに特定のバリアントや対象ハードウェアに応じて得意分野が異なります。以下の表で各指標を比較します。
| 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+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 |
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
PP-YOLOE+xモデルはmAPがわずかに高い一方、YOLOv7の各バリアントはパラメーター数と精度の比率に非常に優れています。TensorRT最適化で非常に低いレイテンシを実現できるため、YOLOv7アーキテクチャは生のGPU処理性能を重視する場合に引き続き好まれます。
Ultralyticsの強み#
モデルのトレーニングとデプロイでは、モデル自体と同じくらいフレームワークの選択が重要です。Ultralyticsは、機械学習のライフサイクル全体を簡素化する統一Python APIにより、効率化されたユーザー体験を提供します。
- 適切に保守されたエコシステム: Ultralytics YOLOモデルは、継続的に更新されるエコシステム、充実したドキュメント、活発なコミュニティの恩恵を受けています。
- メモリー要件: Ultralyticsは、データ読み込みとトレーニングの処理を最適化しています。Ultralytics YOLOモデルのトレーニングで必要なCUDAメモリーは、重いTransformerベースのアーキテクチャに比べて大幅に少なく、開発者はコンシューマー向けハードウェアでより大きなバッチサイズを使用できます。
- 学習効率: 強力なデータ拡張戦略と組み込みのハイパーパラメーター調整を活用することで、Ultralyticsはすぐに利用できる事前学習済み重みを用いて、モデルを迅速に収束させます。
シンプルなAPIの実装#
UltralyticsパッケージはYOLOv7のネイティブトレーニングをサポートしていません(上流版YOLOv7のエクスポートを実行する方法についてはYOLOv7のドキュメントを参照してください)。一方、最新のUltralytics YOLOモデルのトレーニングは、複雑なトレーニングスクリプトに代わり、わずか数行のコードで実行できます。
from ultralytics import YOLO
# 事前学習済みYOLO26モデルを読み込みます
model = YOLO("yolo26n.pt")
# カスタム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)
# デプロイ用にTensorRTへエクスポートします
model.export(format="engine", device=0)新たなスタンダード:YOLO26の紹介#
PP-YOLOE+とYOLOv7は物体検出におけるマイルストーンですが、AIの状況は急速に変化しています。新しいコンピュータービジョンプロジェクトには、Ultralytics YOLO26を推奨します。2026年1月にリリースされたYOLO26は、エッジファーストのビジョンAIを大きく前進させるモデルです。
YOLO26が旧世代のアーキテクチャを上回る理由:
- エンドツーエンドのNMSフリー設計: YOLO26はネイティブなエンドツーエンドモデルです。オプションのワンツーワンヘッド(
nms=False)を使って、非極大値抑制(NMS)の後処理を省くことで、YOLOv10が初めて導入した方式により、予測可能な推論レイテンシを実現します。 - DFLの削除: 分布焦点損失を削除することでエクスポート処理が簡素化され、低消費電力エッジデバイスとの互換性が大幅に向上します。
- CPU推論が最大43%高速: スマートシティのIoTセンサーなど、専用GPUがないシナリオでも、YOLO26はCPU上で効率的に動作するよう最適化されており、YOLO26nはYOLO11nより最大43%高速です。
- MuSGDオプティマイザー: Moonshot AIのKimi K2など、高度なLLMトレーニング手法に着想を得たYOLO26は、SGDとMuonを組み合わせたハイブリッドを採用し、安定したトレーニングと迅速な収束を実現します。
- ProgLoss + STAL: プログレッシブロスと小型ターゲットを考慮したラベル割り当てにより、小物体検出が大幅に向上します。これは、ドローンによる航空画像や製造上の欠陥検出などのユースケースで重要です。
最適なユースケースとデプロイシナリオ#
PP-YOLOE+を使用する場面#
BaiduとPaddlePaddleのエコシステムを深く活用している場合、PP-YOLOE+が適しています。デプロイ先がPaddleモデル向けの専用ハードウェアを使用する場合、PP-YOLOE+は高精度と緊密な統合を提供します。産業製造の自動化で高い効果を発揮します。
YOLOv7を使用する場合#
YOLOv7は、特にTensorRTを利用するNVIDIAハードウェアへのデプロイで、汎用的な高性能推論に適した選択肢です。PyTorchエコシステムとの統合により、学術研究や、リアルタイムの群衆管理、姿勢推定などのカスタム商用パイプラインで高い汎用性を発揮します。
検討すべきその他のモデル#
具体的なニーズによっては、幅広い本番対応の柔軟性を備えたYOLO11や、従来の畳み込みネットワークよりTransformerベースの検出が持つ特定の利点が必要な場合のRT-DETRとの比較もご検討ください。
結論#
PP-YOLOE+とYOLOv7は、どちらもリアルタイム物体検出を大きく改善しました。PP-YOLOE+はPaddlePaddleを標準とする環境で優れた性能を発揮し、YOLOv7はPyTorchエコシステムを通じて柔軟性と高い性能を提供します。
しかし、コンピュータービジョンソリューションが進化し続ける中、最新のツールを活用することが不可欠です。Ultralytics PlatformとYOLO26などの次世代アーキテクチャを採用することで、開発者は速度、精度、使いやすさの面でアプリケーションを最新の状態に保てます。
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。