RTDETRv2とYOLO11の比較
新しいコンピュータービジョンアーキテクチャにより、エッジデバイスやクラウドサーバーで実現できることが広がり続けています。リアルタイム物体検出で広く使われている選択肢が、RTDETRv2とYOLO11です。どちらも優れた性能を発揮しますが、アーキテクチャのアプローチは異なり、一方はTransformerベースの検出器、もう一方は高度に最適化された畳み込みニューラルネットワーク(CNN)です。
この比較では、両モデルのアーキテクチャ、性能指標、トレーニング手法、適したユースケースを取り上げ、次のアプリケーションに最適なモデルを選べるようにします。
RTDETRv2:Transformerベースの挑戦者#
オリジナルのReal-Time Detection Transformerを発展させたRTDETRv2は、CNNバックボーンから得られるマルチスケール特徴にアテンション機構を適用します。ハイブリッドエンコーダーとTransformerデコーダーが画像全体のコンテキストを捉えるため、複雑なシーンで大きく重なり合う物体の検出に役立ちます。
モデルの詳細:
- 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
- ドキュメント: RTDETRv2のドキュメント
アーキテクチャの強みと弱み#
RTDETRv2の主な革新点は、エンドツーエンドのNMSフリーアーキテクチャです。Non-Maximum Suppression(NMS)を取り除くことで、後処理パイプラインを簡素化します。さらに、マルチスケール特徴抽出機能がオリジナルのRT-DETRモデルから改良され、さまざまなサイズの物体をより適切に識別できるようになっています。
ただし、Transformerに依存するため、RTDETRv2は通常、トレーニング時のメモリ要件が高くなります。Transformerは一般に収束が遅く、従来のCNNより多くのCUDAメモリを必要とするため、一般向けハードウェアを使う研究者や、制約のあるエッジAI環境へのデプロイには適さない場合があります。
Ultralytics YOLO11:CNNの効率性#
これまでのYOLO研究を基に、Ultralytics YOLO11はCNNアーキテクチャを改良し、柔軟で開発者に使いやすいUltralyticsエコシステムを維持しながら、速度と精度のバランスを高めています。
モデルの詳細:
- 著者: Glenn Jocher、Jing Qiu
- 組織: Ultralytics
- 日付: 2024年9月27日
- GitHub: Ultralyticsリポジトリ
Ultralyticsの強み#
YOLO11の主な強みは、性能のバランスです。速度と精度のトレードオフにより、大規模なクラウドコンピューティングクラスターから軽量なモバイルデバイスまで、幅広いデプロイシナリオに適しています。
Ultralytics YOLOモデルは、トレーニングと推論で使用するメモリも少なくなっています。VRAMをすぐに使い切る可能性があるTransformerモデルとは異なり、YOLO11では標準的なGPUでより大きなバッチサイズを使用できます。また、YOLO11は物体検出にとどまらない汎用性を備え、インスタンスセグメンテーション、画像分類、姿勢推定、Oriented Bounding Boxes(OBB)をネイティブにサポートしています。
パフォーマンスと指標の比較#
以下の表では、COCOにおける精度と速度を比較しています。RTDETRv2は小型および中型スケールでわずかに高い精度を示します。一方、YOLO11にはnanoバリアントを含む5種類のモデルサイズがあり、同程度のサイズではすべてTensorRTのレイテンシーが低くなっています。
| 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) |
|---|---|---|---|---|---|---|
| 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 |
| YOLO11n | 640 | 39.5 | 56.1 | 1.5 | 2.6 | 6.5 |
| YOLO11s | 640 | 47.0 | 90.0 | 2.5 | 9.4 | 21.6 |
| YOLO11m | 640 | 51.5 | 183.2 | 4.7 | 20.1 | 68.1 |
| YOLO11l | 640 | 53.4 | 238.6 | 6.2 | 25.3 | 87.2 |
| YOLO11x | 640 | 54.7 | 462.8 | 11.3 | 56.9 | 195.3 |
YOLO11xは54.7%のmAPvalを達成し、RTDETRv2-xを0.4ポイント上回ります。FLOPsは少なく(195.3B対259B)、TensorRT推論も高速です(11.3 ms対15.03 ms)。YOLO11lはRTDETRv2-lと同じ53.4%を6.2 msで達成し、9.76 msを要するRTDETRv2-lより高速です。一方、RTDETRv2-sとRTDETRv2-mは、YOLO11sとYOLO11mをそれぞれ1.1ポイントと0.4ポイント上回りますが、レイテンシーは1.6~2倍です。nanoとsmallのYOLO11バリアントは、Raspberry Piのような制約のあるデバイスに適した軽量な選択肢です。
エコシステム、使いやすさ、トレーニング#
Ultralyticsモデルは、ユーザーが簡単に使えるよう設計されています。ultralytics Pythonパッケージは、データ拡張、分散トレーニング、モデルのエクスポートを処理する統一APIを提供します。RTDETRv2の研究用リポジトリでは、より多くの定型コードと設定が必要ですが、Ultralyticsはデータからデプロイまでを網羅する完全なパイプラインを提供します。
UltralyticsパッケージではYOLOモデルと並行してRT-DETRモデルも実行できるため、両方のモデルでUltralyticsの保守の行き届いたエコシステムを利用できます。これには、実験トラッキングのためのWeights & BiasesおよびCometとの統合も含まれます。
from ultralytics import RTDETR, YOLO
# Ultralytics APIを通じてRTDETRモデルを読み込みます
model_rtdetr = RTDETR("rtdetr-l.pt")
# 高度に最適化されたYOLO11モデルを読み込む
model_yolo = YOLO("yolo11n.pt")
# メモリを非常に効率的に使用してYOLO11をトレーニングする
results = model_yolo.train(data="coco8.yaml", epochs=100, imgsz=640)
# トレーニング済みYOLOモデルをONNX形式にエクスポートする
model_yolo.export(format="onnx")機械学習では、トレーニングの効率が重要です。Ultralyticsモデルは事前学習済みの重みから開始するため、カスタムデータでの転移学習がすばやく収束します。コードを書かずにデータセット、トレーニング実行、デプロイエンドポイントを管理するには、統合されたMLOpsワークフローを提供するUltralytics Platformをご利用ください。
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、プロジェクト固有のデプロイ制約によって決まります。
RTDETRv2が適している分野: RTDETRv2のTransformerバックボーンは、グローバルコンテキストが必要となる、物体が密集し、強く遮蔽されたシナリオで高い効果を発揮します。学術研究や、物体間の関係性のモデリングより計算予算を重視しないアプリケーションでよく使用されています。
YOLO11が適している分野: YOLO11は、実用的な実環境へのデプロイに適しています。メモリフットプリントが小さく推論が高速なため、次の用途に向いています:
- スマート製造: 産業用PCを使って、生産ラインでリアルタイムに欠陥を検出します。
- 農業: ドローンにデプロイして、作物の生育状況をリアルタイムで監視し、収穫ロボットを自動化します。
- 小売分析: 大規模なサーバークラスターを必要とせず、複数のカメラストリームを同時に処理して、行列管理や在庫追跡を行います。
ユースケースと推奨事項#
RT-DETRとYOLO11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。
RT-DETRを選ぶケース#
RT-DETRは、次のような用途に適しています。
- Transformerベースの検出研究: NMSを使わないエンドツーエンドの物体検出に向けて、注意機構やTransformerアーキテクチャを検討するプロジェクト。
- レイテンシに柔軟性がある高精度シナリオ: 検出精度を最優先し、推論レイテンシがやや高くても許容できるアプリケーション。
- 大きなオブジェクトの検出: 主に中型から大型のオブジェクトが存在し、Transformerのグローバル注意機構が本質的な優位性をもたらすシーン。
YOLO11を選ぶ場合#
YOLO11は、次の用途に推奨されます:
- 本番環境でのエッジデプロイ: Raspberry PiやNVIDIA Jetsonのようなデバイス上で、信頼性と継続的な保守が非常に重要となる商用アプリケーションに適しています。
- マルチタスクのビジョンアプリケーション: 検出、セグメンテーション、分類、姿勢推定、OBBを単一の統合フレームワーク内で必要とするプロジェクト。
- 迅速なプロトタイピングとデプロイメント: 効率化されたUltralytics Python APIを使って、データ収集から本番環境への移行を迅速に進めたいチーム。
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のないデバイスでは、YOLO26nのCPU推論がYOLO11nより最大43%高速であることが大きな強みになります。
- 小物体検出: ドローンによる航空画像やIoTセンサー分析など、ProgLossとSTALによって小物体の精度が向上する難易度の高いシナリオに適しています。
今後の展望:YOLO26の登場#
新しいプロジェクトを始める場合は、2026年1月にリリースされた、Ultralyticsの推奨モデルであるUltralytics YOLO26もご検討ください。両方のアプローチの考え方を組み合わせています。オプションのエンドツーエンドNMSフリーヘッド(nms=False。YOLOモデルにはYOLOv10が導入)は、CNNの速度を保ちながら、RTDETRv2と同様にNMSの後処理を排除します。
YOLO26はLLMのトレーニング手法に着想を得たMuSGDオプティマイザーを採用し、安定した高速な収束を実現します。また、YOLO26nはDistribution Focal Loss(DFL)の削除により、YOLO11nよりCPU推論が最大43%高速です。Progressive LossとSmall-Target-Aware Label Assignment(ProgLoss + STAL)は小さな物体の認識を向上させるため、YOLO26は新しいコンピュータービジョンパイプラインに推奨されるモデルです。
実証済みの汎用性を重視してYOLO11を選ぶ場合も、アテンション機構を重視してRTDETRv2を選ぶ場合も、エッジ性能を重視してYOLO26を選ぶ場合も、UltralyticsドキュメントではYOLO11、YOLO26、オリジナルのRT-DETRのトレーニングとデプロイについて解説しています。
コメント1
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。
UltralyticsAssistantUltralytics
👋 Hello, thank you for starting this discussion about comparing RTDETRv2 and YOLO11 🚀! We’re thrilled to see your interest in exploring the strengths and ideal use cases of these models.
For those looking to dive deeper, the Comparison Guide is a great resource to start with. It highlights key differences and performance metrics, helping you make informed decisions based on your project needs.
If you have specific questions about YOLO11 performance or implementation, feel free to provide more details so we can assist better. For custom training or real-world applications, including dataset examples or logs would be immensely helpful!
💡 Pro Tip: Keep your
ultralyticspackage up to date to leverage the latest features and fixes. Simply run:pip install -U ultralyticsFor real-time discussions, join our Discord 🎧. Alternatively, connect with our community on Discourse or our Subreddit to share insights and experiences.
An Ultralytics engineer will review and assist with your discussion soon. Stay tuned! 😊