はじめる

PP-YOLOE+とYOLOv9の比較

研究者や開発者が精度と推論速度を高めるにつれて、リアルタイムコンピュータービジョンは進歩し続けています。PP-YOLOE+とYOLOv9を比較すると、モデルアーキテクチャとエコシステム設計における2つの異なる考え方が見えてきます。

この技術比較では、アーキテクチャの革新、パフォーマンス指標、トレーニング手法、最適なユースケースを分析し、次のデプロイに適した物体検出モデルを選ぶ際に役立つ情報を提供します。

モデルの系譜と技術的基盤#

これらのモデルの起源とアーキテクチャ上の選択を理解することは、コンピュータービジョンプロジェクトへの適合性を判断するうえで重要です。

PP-YOLOE+の概要#

BaiduのPaddlePaddle開発者によって開発されたPP-YOLOE+は、2022年4月2日に発表されました。PaddleDetectionフレームワークにおける従来のバージョンを基盤とし、高性能な物体検出を実現します。

PP-YOLOE+は、PaddlePaddleエコシステムでのデプロイに最適化された、堅牢なアンカーフリーアーキテクチャを採用しています。変更を加えたCSPRepResNetバックボーンとET-headを使用し、特徴抽出とバウンディングボックス回帰を改善します。平均適合率(mAP)は高いものの、PaddlePaddleフレームワークへの依存により、PyTorchやTensorFlowに慣れた開発者には統合作業が煩雑になる場合があります。

PP-YOLOE+の詳細はこちら

YOLOv9の概要#

台湾の中央研究院情報科学研究所に所属するChien-Yao Wang氏とHong-Yuan Mark Liao氏が発表したYOLOv9は、ディープネットワークにおける情報ボトルネックへの対処を大きく前進させました。

  • 著者: Chien-Yao Wang、Hong-Yuan Mark Liao
  • 所属機関: 台湾、中央研究院情報科学研究所
  • 日付: 2024-02-21
  • arXiv: 2402.13616
  • GitHub: WongKinYiu/yolov9

YOLOv9の主な貢献は、プログラマブル勾配情報(PGI)です。これは、特徴がディープニューラルネットワークを通過する際の情報損失を軽減します。汎用効率的レイヤー集約ネットワーク(GELAN)と組み合わせることで、YOLOv9はパラメーター効率と計算フローを最大化します。また、Ultralyticsエコシステムにもネイティブに統合されており、研究と商用アプリケーションの両方で容易に利用できます。

YOLOv9の詳細を見る

その他のUltralyticsモデル

最新の選択肢を検討している場合は、YOLO11やRT-DETRもご覧ください。Transformerベースの精度とリアルタイムのエッジ性能のバランスが、それぞれ異なります。

パフォーマンスと指標の比較#

生のパフォーマンスを分析すると、YOLOv9は優れたパラメーター効率を示します。パラメーター数とFLOPsを抑えながら同等以上の精度を達成し、モデルのトレーニング時に必要なVRAMを削減できます。

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
YOLOv9t64038.3-2.32.07.7
YOLOv9s64046.8-3.547.226.7
YOLOv9m64051.4-6.4320.176.8
YOLOv9c64053.0-7.1625.5102.8
YOLOv9e64055.6-16.7758.1192.5

表に示すように、YOLOv9cは、同等のPP-YOLOE+l(52.2M)より大幅に少ないパラメーター数(25.5M)で、優れた53.0 mAPを達成します。メモリー使用量が少ないため、GPUリソースに制約のある開発者にはYOLOv9が適しています。

エコシステム、汎用性、使いやすさ#

YOLOv9の大きな強みは、適切に保守されているUltralyticsエコシステムとの統合です。PP-YOLOE+では複雑なPaddlePaddle設定ファイルを扱う必要がありますが、YOLOv9ではシンプルなPython APIを利用できます。

Ultralytics Python APIを使うと、開発者は事前トレーニング済みの重みを読み込み、データ拡張を管理して、最小限の定型コードでトレーニングを開始できます。

from ultralytics import YOLO

# 事前学習済みのYOLOv9モデルを読み込みます
model = YOLO("yolov9c.pt")

# 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)

# 画像に対して推論を実行する
results = model("https://ultralytics.com/images/bus.jpg")

# モデルをONNXフォーマットにエクスポート
model.export(format="onnx")

Ultralyticsエコシステムは、幅広い汎用性も提供します。バウンディングボックス検出に加えて、フレームワークはインスタンスセグメンテーション、姿勢推定、回転バウンディングボックス(OBB)検出をネイティブにサポートします。そのため、複雑な実環境のパイプラインにも効率よくモデルを適応できます。

エクスポートオプション

Ultralyticsフレームワークでトレーニングしたモデルは、TensorRTやOpenVINOなど複数のフォーマットにエクスポートでき、多様なハードウェアで高度に最適化された推論を実現します。

ユースケースと推奨事項#

PP-YOLOE+とYOLOv9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。

YOLOv9を選ぶ場合#

YOLOv9は、次のような用途に推奨されます。

  • 情報ボトルネックの研究: プログラム可能な勾配情報(PGI)や一般化効率的層集約ネットワーク(GELAN)のアーキテクチャを研究する学術プロジェクト。
  • 勾配フロー最適化の研究: 学習中の深層ネットワーク層における情報損失の理解と抑制に焦点を当てた研究。
  • 高精度検出のベンチマーク: アーキテクチャの比較において、YOLOv9の優れたCOCOベンチマーク性能を基準として必要とするシナリオ。

Ultralytics (YOLO26)を選ぶ場合#

多くの新規プロジェクトにおいて、Ultralytics YOLO26はパフォーマンスと開発者体験を最適なバランスで提供します。

  • 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、YOLO26nのCPU推論がYOLO11nより最大43%高速であることが明確な利点になります。
  • 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。

今後を見据えて:YOLO26の優位性#

PP-YOLOE+とYOLOv9はいずれも高性能ですが、新たにリリースされたYOLO26は、本番環境における自然な次の選択肢です。2026年1月にリリースされたYOLO26は、エッジコンピューティングとクラウドデプロイの両方を想定して設計されており、以下の革新により、新しいコンピュータービジョンプロジェクトに推奨されるモデルです。

  • 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推論をサポートしており、nms=Falseで実行する場合、後処理での非極大値抑制(NMS)が不要です。これにより、デプロイパイプラインが大幅に簡素化され、レイテンシも低減します。
  • CPU推論が最大43%高速: エッジコンピューティング向けにアーキテクチャを最適化することで、YOLO26nはCPUのみのハードウェア上でYOLO11nより最大43%高速に動作します。
  • DFLの削除: Distribution Focal Lossを削除することで、エクスポートが簡単になり、低消費電力のエッジデバイスとの互換性も向上しています。
  • MuSGDオプティマイザー: Moonshot AIのKimi K2を支える手法など、大規模言語モデルのトレーニング手法に着想を得たSGDとMuonのハイブリッドにより、安定したトレーニングと迅速な収束を実現します。
  • ProgLoss + STAL: Progressive Lossと小型ターゲットを考慮したラベル割り当てにより、小物体認識が大幅に向上します。これは、航空画像やロボティクスに不可欠な改善です。
  • タスク固有の改良: YOLO26には、セグメンテーション向けのマルチスケールprotoや、姿勢推定向けのResidual Log-Likelihood Estimation(RLE)など、特定のタスクに合わせたアーキテクチャが含まれています。

データセットのアノテーション、クラウドトレーニング、モデル監視のためのオールインワンソリューションであるUltralytics Platformを通じて、YOLO26モデルを簡単にトレーニングおよびデプロイできます。

実際の用途#

これらのアーキテクチャのどちらを選ぶかは、多くの場合、デプロイ先の環境によって決まります。

PP-YOLOE+は、PaddlePaddleフレームワークとBaiduのハードウェアスタックが企業インフラに深く組み込まれている産業製造環境で、よく導入されています。厳密なリアルタイム要件よりも最高精度を優先する静止画像分析で高い性能を発揮します。

YOLOv9は、迅速なリアルタイム推論が求められる動的な環境で優れた性能を発揮します。パラメーター効率に優れているため、自律型ドローンのナビゲーションやエッジベースのセキュリティシステムに適しています。また、VRAM消費量が少ないため、コンシューマー向けGPUでトレーニングする研究者も導入しやすくなります。

スマートシティの交通管理や高速ロボティクスで最高の性能を求める場合は、NMSのオーバーヘッドなしでエンドツーエンド推論を選択できる、新しいYOLO26を推奨します。

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。