GitHubでページを編集 (EN)

PP-YOLOE+ 対 YOLOv7: リアルタイム物体検出アーキテクチャの比較

コンピュータビジョン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極めて重要です。2022年に登場したPP-YOLOE+とYOLOv7という2つの重要なアーキテクチャは、リアルタイム物体検出において強力な進歩をもたらしました。本技術比較では、両者のアーキテクチャ、学習手法、そして実環境でのパフォーマンスを深く掘り下げ、皆様のアプリケーション開発において最適な判断を下せるよう支援します。

モデルの概要

PP-YOLOE+とYOLOv7はどちらも精度と速度の限界を押し上げるよう設計されていますが、それぞれ異なる開発エコシステムと設計哲学に基づいています。

PP-YOLOE+

BaiduのPaddlePaddleチームによって開発されたPP-YOLOE+は、オリジナルのPP-YOLOv2をベースに構築されています。これは、PaddlePaddleエコシステム向けに最適化された、効率的かつ高精度な物体検出器を提供するために導入されました。

PP-YOLOE+の詳細はこちら

YOLOv7

Chien-Yao Wang、Alexey Bochkovskiy、Hong-Yuan Mark Liaoによって開発されたYOLOv7は、「trainable bag-of-freebies（学習可能なバッグ・オブ・フリービーズ）」を導入し、リリース当時、リアルタイム物体検出器として新たな最先端ベンチマークを打ち立てました。

YOLOv7の詳細はこちら

アーキテクチャの革新

PP-YOLOE+ アーキテクチャ

PP-YOLOE+はアンカーフリー（anchor-free）パラダイムを強力に活用しており、カスタムデータセットに対してアンカーボックスを調整する必要をなくすことで、デプロイメントプロセスを簡素化しています。強力なRepResNetバックボーンと、マルチスケールの特徴抽出を効果的に行うCSPNetスタイルのPAN（Path Aggregation Network）を組み込んでいます。さらに、Task Alignment Learning (TAL) コンセプトを活用し、学習中に分類タスクと位置特定タスクを動的に調整することで、多様なコンピュータビジョンタスクにおいて高い精度を保証します。

YOLOv7 アーキテクチャ

YOLOv7は、Extended Efficient Layer Aggregation Network (E-ELAN) を導入することで、異なるアプローチをとりました。このアーキテクチャにより、ネットワークは元の勾配経路を損なうことなく、より多様な特徴を学習でき、収束の向上につながります。また、YOLOv7はモデルの再パラメータ化、具体的には「計画された再パラメータ化畳み込み（planned re-parameterized convolutions）」を多用しており、推論中に畳み込み層を統合することで精度を犠牲にせずに実行速度を高速化します。これにより、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アラームシステムといったタスクにおいて非常に強力な性能を発揮します。

エコシステムの違い

PP-YOLOE+はBaiduのPaddlePaddleフレームワークと密接に統合されていますが、YOLOv7はPyTorchで構築されました。PyTorchは歴史的に大きなコミュニティを誇り、ONNXやTensorRTのようなデプロイメントパイプラインとの親和性が非常に高いのが特徴です。

性能分析

速度、パラメータ数、精度（mAP）のバランスを考慮する場合、モデルは特定のバリエーションやターゲットハードウェアに応じて一長一短があります。以下に、それらの指標に関する包括的な比較を示します。

モデルサイズ
(ピクセル)		mAPval
50-95		速度
CPU ONNX
(ms)		速度
T4 TensorRT10
(ms)		パラメータ
(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
YOLOv7l64051.4-6.8436.9104.7
YOLOv7x64053.1-11.5771.3189.9

PP-YOLOE+xモデルはわずかに高いmAPを達成しますが、YOLOv7のバリエーションは、パラメータ数と精度の比率において非常に強力です。YOLOv7のアーキテクチャは、TensorRT最適化によって非常に低いレイテンシを実現できる生のGPU処理において、依然として選ばれ続けています。

Ultralyticsの利点

これらのモデルの学習とデプロイを行う際、モデルそのものと同様に、選択するフレームワークも重要です。Ultralyticsを活用することで、機械学習のライフサイクル全体を簡素化する、高度に統合されたPython APIにより、合理化されたユーザー体験を提供します。

  • 十分に維持管理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、堅牢なドキュメント、そして活発なコミュニティの恩恵を受けています。
  • メモリ要件: Ultralyticsは、データ読み込みと学習のプロセスを大幅に最適化しています。Ultralytics YOLOモデルの学習は、通常、重いTransformerベースのアーキテクチャと比較して遥かに少ないCUDAメモリで済むため、開発者は民生用ハードウェアでもより大きなバッチサイズを利用できます。
  • 学習効率: 堅牢なデータ拡張戦略と組み込みのハイパーパラメータ調整を活用することで、Ultralyticsは、即座に利用可能な事前学習済み重みを使用してモデルを迅速に収束させます。

シンプルなAPIの実装

Ultralyticsを使用してYOLOv7モデルを学習させるには、わずか数行のコードで済み、複雑な学習スクリプトを完全に抽象化できます。

from ultralytics import YOLO

# Load a pretrained YOLOv7 model
model = YOLO("yolov7.pt")

# Train the model on your custom dataset
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Export to TensorRT for deployment
model.export(format="engine", device=0)

新しい標準: 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の分野は急速に進化しています。新しいコンピュータビジョンプロジェクトには、Ultralytics YOLO26を強く推奨します。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における飛躍的な進歩を象徴しています。

なぜYOLO26が古いアーキテクチャを上回るのか:

  • 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。Non-Maximum Suppression (NMS) の後処理を排除することで、YOLOv10で最初に見られた画期的な特性である、予測可能で決定論的な推論レイテンシを保証します。
  • DFLの削除: Distribution Focal Loss (DFL) を削除したことで、エクスポートプロセスが簡素化され、低電力エッジデバイスでの互換性が大幅に向上しました。
  • 最大43%高速なCPU推論: 専用GPUを持たないシナリオ（スマートシティのIoTセンサーなど）において、YOLO26はCPU上で直接効率的に動作するように徹底的に最適化されています。
  • MuSGDオプティマイザー: 高度なLLM学習技術（Moonshot AIのKimi K2など）に触発されたYOLO26は、SGDとMuonのハイブリッドを使用しており、非常に安定した学習と高速な収束を実現します。
  • ProgLoss + STAL: これらの改善された損失関数は、小物体検出において顕著な向上をもたらします。これは、ドローンの航空画像や製造欠陥検査などのユースケースにおいて極めて重要です。

YOLO26の詳細はこちら

理想的なユースケースとデプロイシナリオ

PP-YOLOE+の使用時期

PP-YOLOE+は、BaiduやPaddlePaddleのエコシステムに深く統合されている環境で真価を発揮します。デプロイ対象がPaddleモデル向けに最適化された特殊なハードウェアを利用している場合（特定のアジアの製造パイプラインなど）、PP-YOLOE+は優れた精度とシームレスな統合を提供します。産業製造オートメーションにおいて非常に効果的です。

YOLOv7を使用すべき場面

YOLOv7は、汎用的な高性能推論において依然として優れた選択肢です。特にTensorRTを利用したNVIDIAハードウェアへのデプロイにおいてその強みを発揮します。PyTorchエコシステムへの統合により、学術研究や、リアルタイムの群衆管理や複雑な姿勢推定タスクのように、ネットワークの構造的整合性が重要視されるカスタム商業パイプラインにおいて非常に汎用性が高いモデルです。

検討すべきその他のモデル

具体的なニーズに応じて、幅広い生産対応の柔軟性を持つYOLO11や、従来の畳み込みネットワークよりもビジョントランスフォーマー特有の利点を必要とするプロジェクトであればRT-DETRと比較検討することをお勧めします。

結論

PP-YOLOE+とYOLOv7はどちらも、リアルタイム物体検出の世界に重要な改善をもたらしました。PP-YOLOE+はPaddlePaddleを中心とした環境で優れていますが、YOLOv7はPyTorchおよびUltralyticsエコシステムを通じて驚くべき柔軟性とパフォーマンスを提供します。

しかし、コンピュータビジョンソリューションが進化し続ける中で、最新のツールを活用することは不可欠です。Ultralytics PlatformとYOLO26のような次世代アーキテクチャを採用することで、開発者はアプリケーションの速度、精度、使いやすさを最先端のレベルに保つことができます。

Contributors
GitHubでページを編集 (EN)
GLglenn-jocher12

コメント