RTDETRv2とYOLO26
リアルタイム物体検出モデルは、速度、精度、デプロイ効率で評価されます。このページでは、現在の2つのアプローチ、TransformerベースのRTDETRv2と、エッジデプロイ向けに設計された畳み込みニューラルネットワーク(CNN)であるUltralytics YOLO26を比較します。アーキテクチャ、パフォーマンス指標、最適なユースケースを取り上げ、次のコンピュータービジョンプロジェクトに適したモデルの選択を支援します。
RTDETRv2:リアルタイム検出Transformer#
RTDETRv2は、オリジナルのRT-DETRアーキテクチャを基盤とし、ビジョンTransformerのグローバルなコンテキスト認識能力とリアルタイムアプリケーションに必要な速度を組み合わせています。
主な特徴:
- 著者: Wenyu Lv、Yian Zhao、Qinyao Chang、Kui Huang、Guanzhong Wang、Yi Liu
- 組織: Baidu
- 日付: 2024-07-24
- リンク: arXiv、GitHub、ドキュメント
アーキテクチャと強み#
従来のアンカーベース検出器とは異なり、RTDETRv2はTransformerベースのアプローチを採用し、後処理での非極大値抑制(NMS)を不要にします。アテンション機構により、複雑なシーンや重なり合う物体に対応しやすくなっています。「Bag-of-Freebies」トレーニングの改良により、ハイエンドGPUで実用的な推論速度を保ちながら、COCOデータセットでの精度を高めます。
制限事項#
RTDETRv2はベンチマークで優れた結果を達成しますが、本番環境での実行は難しい場合があります。Transformerアーキテクチャは一般に、CNNよりもトレーニング時と推論時に多くのメモリを使用するため、リソースに制約のあるエッジAIデバイスへのデプロイが難しくなることがあります。また、Transformerのトレーニングには通常、より大きなバッチサイズと多くのCUDAメモリが必要なため、ハードウェアが限られる環境ではボトルネックになる可能性があります。
YOLO26:エッジファーストのビジョンAI#
2026年1月にリリースされたUltralytics YOLO26は、最新のUltralytics YOLOモデルであり、新しいプロジェクトに推奨される選択肢です。本番環境へのデプロイを簡素化し、エッジハードウェアで効率的に推論できるよう設計されています。
主な特徴:
- 著者: Glenn Jocher、Jing Qiu
- 組織: Ultralytics
- 日付: 2026年1月14日
- リンク: GitHub、ドキュメント
アーキテクチャの革新#
YOLO26では、モデルのデプロイにおける一般的な課題に対応するため、複数の変更が導入されています。
- エンドツーエンドのNMSフリー設計: YOLOv10がYOLOモデルに導入したNMSフリー学習を基盤として、YOLO26はネイティブなエンドツーエンド推論に対応しています。オプションの1対1ヘッド(
nms=False)はNMSの後処理を省略するため、レイテンシのばらつきが抑えられ、本番環境での推論時間をより予測しやすくなります。 - CPU推論が最大43%高速: アーキテクチャの改良とDistribution Focal Loss(DFL)の削除により、YOLO26nはYOLO11nよりCPUで最大43%高速に動作します。そのため、専用GPUを搭載しないエッジコンピューティングデバイスに適しています。
- MuSGDオプティマイザー: Moonshot AIのKimi K2など、大規模言語モデル(LLM)のトレーニング手法に着想を得て、YOLO26はSGDとMuonを組み合わせたハイブリッド型のMuSGDオプティマイザーを採用し、より安定したトレーニングと高速な収束を実現します。
- ProgLoss + STAL: Progressive LossとSmall-Target-Aware Label Assignment(STAL)は、小さな物体の認識を向上させます。これは、航空画像やドローンを使った監視を伴うアプリケーションで重要です。
標準的な検出に加えて、YOLO26にはタスク固有の改良が含まれています。セグメンテーションタスク向けのセマンティックセグメンテーション損失とマルチスケールprotoモジュール、姿勢推定向けのResidual Log-Likelihood Estimation(RLE)、そしてOriented Bounding Box(OBB)検出の境界に関する問題を解決する専用の角度損失です。
パフォーマンス比較#
以下の表では、COCO検証セットにおける精度(mAP)と計算効率を比較しています。同程度のサイズでは、YOLO26はRTDETRv2より高いmAPを達成し、TensorRTのレイテンシーも低くなっています。
| 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 |
| YOLO26n | 640 | 40.9 | 38.9 | 1.7 | 2.4 | 5.5 |
| YOLO26s | 640 | 48.6 | 87.2 | 2.5 | 9.5 | 20.9 |
| YOLO26m | 640 | 53.1 | 220.0 | 4.7 | 20.4 | 68.4 |
| YOLO26l | 640 | 55.0 | 286.2 | 6.2 | 24.8 | 86.8 |
| YOLO26x | 640 | 57.5 | 525.8 | 11.8 | 55.7 | 194.4 |
YOLO26xは57.5 mAPを達成し、RTDETRv2-xを3.2ポイント上回ります。パラメーター数は少なく(55.7M対76M)、TensorRT推論も高速です(11.8 ms対15.03 ms)。YOLO26は通常、メモリ使用量も少ないため、リアルタイムのエッジ展開により適しています。
エコシステムと使いやすさ#
生の性能だけでなく、それを支えるエコシステムも、モデルを研究から本番環境へどれだけ迅速に移行できるかを左右します。Ultralytics Platformでは、Ultralyticsモデルのデータセットアノテーション、トレーニング、デプロイを一か所で行えます。
適切にメンテナンスされた統合エコシステム#
RTDETRv2は主に研究用リポジトリとして提供されているため、カスタムタスクでは複雑な環境設定や手動スクリプトが必要になる場合があります。Ultralytics YOLO26は、トレーニング、検証、予測、エクスポートに使えるシンプルなAPIを備えた、成熟した十分にテスト済みのPythonパッケージとして提供されています。
Weights & BiasesとCometとの統合機能が組み込まれているため、実験のトラッキングをすぐに利用できます。RTDETRv2が物体検出に特化しているのに対し、YOLO26は同じフレームワーク内でインスタンスセグメンテーション、セマンティックセグメンテーション、深度推定、画像分類、姿勢推定、OBB検出にも対応しています。
コード例:シンプルな実装#
Ultralytics Python APIでは、数行のコードでモデルを読み込み、推論を実行し、エクスポートできます。また、同じパッケージでRT-DETRとYOLO26の両方を実行できます。
from ultralytics import RTDETR, YOLO
# RT-DETRモデルを読み込む
model_rtdetr = RTDETR("rtdetr-l.pt")
# YOLO26モデルを読み込みます
model_yolo = YOLO("yolo26n.pt")
# 画像に対して推論を実行する
results_rtdetr = model_rtdetr("https://ultralytics.com/images/bus.jpg")
results_yolo = model_yolo("https://ultralytics.com/images/bus.jpg")
# YOLO26の結果を表示する
results_yolo[0].show()
# YOLO26をONNX形式にエクスポート
model_yolo.export(format="onnx")ユースケースと推奨事項#
RT-DETRとYOLO26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。
YOLO26を選ぶ場合#
YOLO26は、次の用途に推奨されます:
- 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-Only Environments: 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、YOLO26の最大43%高速なCPU推論(YOLO26n対YOLO11n)が大きな優位性をもたらします。
- 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。
その他のアーキテクチャを検討する#
YOLO26は推奨される開始点ですが、以前のモデルも引き続き役立ちます。YOLO11は現在も完全にサポートされており、YOLO11を基盤とする既存システムに適しています。詳細はRT-DETRとYOLO11の比較をご覧ください。旧世代のアーキテクチャについては、EfficientDetとYOLO26の比較で、物体検出アーキテクチャがどれほど進化したかをご確認いただけます。
まとめ#
RTDETRv2とYOLO26はどちらもリアルタイム物体検出を進化させます。本番環境へのスムーズな移行、小さなメモリフットプリント、幅広いタスクへの対応を重視するチームには、Ultralytics YOLO26をおすすめします。オプションのNMSフリー推論、CPUでの高速な処理、Ultralyticsエコシステムにより、クラウドサーバーでもリソースが限られたRaspberry Piでも、ビジョンAIプロジェクトを拡張できます。
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。