RTDETRv2 vs DAMO-YOLO#
コンピュータービジョンの分野は常に進化しており、研究者やエンジニアは、速度、精度、効率のバランスを完璧に実現するモデルの構築に取り組んでいます。この分野で大きな注目を集めている代表的な2つのアーキテクチャが、Baiduによって開発されたRTDETRv2と、Alibaba Groupによって開発されたDAMO-YOLOです。どちらのモデルもリアルタイムの物体検出の限界を押し広げていますが、優れた結果を実現するために、根本的に異なるアーキテクチャ思想を採用しています。
この技術比較では、両者のアーキテクチャ、トレーニング手法、実環境でのデプロイ性能を詳しく検証します。また、より広範なエコシステム、特に高度に最適化されたUltralytics Platformや最先端のYOLO26アーキテクチャとの比較についても説明します。
アーキテクチャのイノベーション#
これらのモデルのコアメカニズムを理解することは、本番環境に適したツールを選択するタスクを担う機械学習エンジニアにとって不可欠です。
RTDETRv2：Transformerアプローチ#
初代RT-DETRの成功を基盤として、RTDETRv2はハイブリッドエンコーダーとTransformerデコーダーを利用します。この設計により、モデルはグローバルコンテキストを非常に効果的に処理できるため、密集したシーンで重なり合う物体を見分ける性能に優れています。このアーキテクチャの最も大きな利点は、NMSフリー（非最大抑制）の設計をネイティブで採用していることです。NMSの後処理ステップをなくすことで、RTDETRv2は推論パイプラインを効率化し、さまざまなハードウェア構成においてより安定したレイテンシを実現します。
DAMO-YOLO：CNNの効率性を向上#
一方、DAMO-YOLOは非常に成功を収めているCNNベースのYOLO系譜を基盤としながら、画期的な機能強化を複数導入しています。ニューラルアーキテクチャサーチ（NAS）を活用してバックボーンを最適化し、特徴抽出の効率を最大化します。さらに、効率的なRepGFPN（再パラメーター化汎用特徴ピラミッドネットワーク）とZeroHead設計に加え、AlignedOTAおよび蒸留強化技術を組み込んでいます。これらの革新により、DAMO-YOLOは高い競争力を持つmAPvalスコアを維持しながら、高速な推論を実現します。
RTDETRv2がNMSなしでグローバルな特徴理解を実現するためにアテンション機構を活用するのに対し、DAMO-YOLOはNASと高度な蒸留によって従来型CNNの効率を最大化します。そのため標準的な後処理が必要ですが、特定のハードウェアでは明確な速度上の利点を提供します。
パフォーマンスとメトリクスの比較#
モデルをデプロイする際には、平均適合率（mAP）、推論速度、パラメーター数などの性能指標が非常に重要です。以下に、2つのモデルファミリーを詳しく比較します。
| モデル | サイズ （ピクセル） | mAPval 50-95 | 速度 CPU ONNX （ms） | 速度 T4 TensorRT10 （ms） | パラメーター数 （M） | FLOPs （B） |
|---|---|---|---|---|---|---|
| RTDETRv2-s | 640 | 48.1 | - | 5.03 | 20 | 60 |
| RTDETRv2-m | 640 | 51.9 | - | 7.51 | 36 | 100 |
| RTDETRv2-l | 640 | 53.4 | - | 9.76 | 42 | 136 |
| RTDETRv2-x | 640 | 54.3 | - | 15.03 | 76 | 259 |
| DAMO-YOLOt | 640 | 42.0 | - | 2.32 | 8.5 | 18.1 |
| DAMO-YOLOs | 640 | 46.0 | - | 3.45 | 16.3 | 37.8 |
| DAMO-YOLOm | 640 | 49.2 | - | 5.09 | 28.2 | 61.8 |
| DAMO-YOLOl | 640 | 50.8 | - | 7.18 | 42.1 | 97.3 |
結果の分析#
表から分かるように、RTDETRv2-xは54.3のmAPvalで最高精度を達成しており、COCOデータセットのような複雑な検証タスクにおけるTransformerアーキテクチャの威力を示しています。ただし、その代償としてパラメーター数（76M）とFLOPsが大幅に増加します。
一方、DAMO-YOLOt（Tiny）は非常に軽量で、必要なパラメーター数はわずか8.5Mです。そのため、CUDAメモリが大幅に制限される環境で非常に高速な選択肢となります。DAMO-YOLOは、レガシーなエッジデバイスにおいて、速度と精度のバランスに優れたトレードオフを一般的に提供します。
エコシステム、使いやすさ、そしてUltralyticsの優位性#
公式のRT-DETR GitHubやDAMO-YOLO GitHubのような独立したリポジトリでは、これらのモデルをトレーニングするための基本コードを利用できます。しかし、本番パイプラインへの統合には、多くの場合、大量のボイラープレートコードと手動最適化が必要です。
ここでUltralyticsエコシステムが、開発者の作業を大幅に簡素化します。UltralyticsはRTDETRv2のようなモデルを統合APIに直接統合しているため、ユーザーは1行のコードでモデルのトレーニング、検証、エクスポートを実行できます。さらに、Ultralyticsのモデルは、重量級のTransformerベースのスタンドアロンリポジトリと比較して、トレーニング中に必要なメモリが少ないことで知られています。
コード例：シームレスな統合#
Ultralytics Pythonライブラリを利用して推論を実行する方法は、次のように簡単です。Transformerモデルを使用する場合でも、最先端のCNNを使用する場合でも、APIは一貫しています。
from ultralytics import RTDETR, YOLO
# Load an RTDETRv2 model for complex scene understanding
model_rtdetr = RTDETR("rtdetr-l.pt")
# Load the latest Ultralytics YOLO26 model for ultimate edge performance
model_yolo26 = YOLO("yolo26n.pt")
# Run inference on a sample image effortlessly
results_rtdetr = model_rtdetr("https://ultralytics.com/images/bus.jpg")
results_yolo = model_yolo26("https://ultralytics.com/images/bus.jpg")
# Display the results
results_yolo[0].show()Ultralytics APIを使用すると、シンプルなmodel.export(format="engine")コマンドで、トレーニング済みモデルをTensorRT、ONNX、CoreMLなどの形式にスムーズにエクスポートでき、デプロイ時の負担を大幅に軽減できます。
理想的なユースケース#
これらのアーキテクチャのどちらを選択するかは、プロジェクト固有の要件によって決まります。
- RTDETRv2は、VRAMが豊富なサーバー側の処理で優れた性能を発揮します。グローバルコンテキストの認識能力は、遮蔽が頻繁に発生する医用画像や密集した群衆の分析に最適です。
- DAMO-YOLOは、組み込みIoTアプリケーションや、少ないパラメーター数と高いFPSが必須となる高速な産業検査ラインに非常に適しています。
未来：Ultralytics YOLO26#
RTDETRv2とDAMO-YOLOにはそれぞれ利点がありますが、コンピュータービジョンの分野は急速に進歩しています。新規プロジェクトでは、最新の**Ultralytics YOLO26**が、速度、精度、開発者エクスペリエンスを究極の形で融合しています。
YOLO26はエンドツーエンドNMSフリー設計を採用し、膨大な計算オーバーヘッドなしでTransformerの主な利点を実現します。大規模言語モデルのトレーニングに着想を得た革新的なMuSGD Optimizerを組み込み、安定した高速収束を実現します。さらに、DFL Removal（エクスポートの簡素化とエッジデバイスや低消費電力デバイスとの互換性向上のためにDistribution Focal Lossを削除）により、YOLO26はCPU推論を最大43%高速化し、エッジコンピューティングにおける他に類を見ないモデルとなっています。また、ProgLoss + STALにより損失関数が改善され、IoT、ロボティクス、航空画像で重要となる小物体認識も大幅に向上します。
バウンディングボックスのみに厳密に制限されたモデルとは異なり、YOLO26ファミリーは比類のない汎用性を備えています。インスタンスセグメンテーションや姿勢推定から回転バウンディングボックス（OBB）まで、幅広いタスクをサポートし、すべてを直感的なUltralytics Platformでシームレスに管理できます。
モデルの詳細と参考資料#
RTDETRv2#
- 著者： Wenyu Lv、Yian Zhao、Qinyao Chang、Kui Huang、Guanzhong Wang、Yi Liu
- 組織： Baidu
- 日付： 2024-07-24
- Arxiv： 2407.17140
- GitHub: RT-DETRリポジトリ
DAMO-YOLO#
- 著者: Xianzhe Xu、Yiqi Jiang、Weihua Chen、Yilun Huang、Yuan Zhang、Xiuyu Sun
- 組織: Alibaba Group
- 日付: 2022-11-23
- Arxiv: 2211.15444v2
- GitHub: DAMO-YOLOリポジトリ
その他の比較に関心がある方は、RTDETRv2とYOLO11の比較またはDAMO-YOLOとYOLOv8の比較に関するガイドもご覧ください。これらのモデルがUltralyticsファミリーの過去の世代に対してどのような性能を発揮するかを確認できます。