はじめる

YOLO11とPP-YOLOE+

本番環境にコンピュータービジョンアプリケーションを導入する際、適切なニューラルネットワークアーキテクチャを選ぶことが重要です。この比較では、代表的な2つのリアルタイム物体検出モデルであるUltralytics YOLO11とBaiduのPP-YOLOE+を検証します。どちらも優れた性能を発揮しますが、精度、推論速度、開発者向けエコシステムへのアプローチは大きく異なります。

以下のインタラクティブなグラフでは、両モデルの速度と精度のトレードオフを示しており、ハードウェアの制約に最適なモデルを特定するのに役立ちます。

モデルの起源と技術的な系譜#

これらのモデルの起源と設計思想を理解することで、それぞれの強みや最適なユースケースを把握するための貴重な背景情報が得られます。

YOLO11の詳細#

Ultralyticsが開発したYOLO11は、推論速度、パラメーター効率、使いやすさのバランスを取りながら、YOLOシリーズを改良したモデルです。統合されたマルチタスク対応と、開発者に使いやすいPython APIで知られています。

PP-YOLOE+の詳細#

PP-YOLOE+はPP-YOLOEの改良版で、PP-YOLOv2を発展させたものであり、PaddlePaddleフレームワークを基盤としています。CSPRepResNetバックボーンやTask Alignment Learning(TAL)などのアーキテクチャ変更により、特にハイエンドGPUでの精度を向上させています。

PP-YOLOE+の詳細はこちら

アーキテクチャの違い#

YOLO11とPP-YOLOE+のアーキテクチャには、それぞれ異なる設計上の優先事項が反映されています。

YOLO11は、効率的なバックボーンとアンカーフリー検出ヘッドを組み合わせています。C3k2ブロックとSpatial Pyramid Pooling - Fast(SPPF)を使用して、計算オーバーヘッドを最小限に抑えながらマルチスケールの特徴を捉えます。これにより、エッジNPUやモバイルCPUなど、リソースに制約のあるデバイスで推論レイテンシを削減できます。YOLO11は、インスタンスセグメンテーション、画像分類、姿勢推定、回転境界ボックス(OBB)検出も標準でサポートしています。

PP-YOLOE+は、CSPRepResNetバックボーン、CSPPANネック、Efficient Task-aligned head(ET-head)を使用しています。再パラメーター化により学習中の表現能力を高め、その後、推論用にパラメーターを標準畳み込みへ統合します。これにより高い平均適合率(mAP)を実現しますが、大型のバリエーションはYOLO11の同等モデルより多くのパラメーターを持つため(Lスケールで52.2M対25.3M)、軽量なエッジデバイスよりもサーバーGPUに適しています。

マルチタスクの汎用性

標準的なバウンディングボックス以外にも対応する必要があるプロジェクトでは、Ultralytics YOLO11が同じAPI内でセグメンテーション、分類、姿勢推定、OBB検出をネイティブにサポートするため、複数の独立したリポジトリを統合する場合と比べて開発の負担を軽減できます。

性能とベンチマーク#

以下の表では、精度(mAP)、ハードウェアごとの推論速度、モデル効率(パラメーター数とFLOPs)を比較しています。各列の最良値は太字で示しています。

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)
YOLO11n64039.556.11.52.66.5
YOLO11s64047.090.02.59.421.6
YOLO11m64051.5183.24.720.168.1
YOLO11l64053.4238.66.225.387.2
YOLO11x64054.7462.811.356.9195.3
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

分析#

YOLO11は、ほとんどのサイズでより優れた性能バランスを実現しています。YOLO11mはPP-YOLOE+mより高いmAP(51.5対49.8)を少ないパラメーター数(20.1M対23.43M)で達成し、TensorRT推論も高速です(4.7 ms対5.56 ms)。最大スケールでは両モデルともmAP 54.7ですが、YOLO11xはパラメーター数が大幅に少なく(56.9M対98.42M)、高速です(11.3 ms対14.3 ms)。PP-YOLOE+は小型モデルで競争力があります。PP-YOLOE+tはYOLO11nよりレイテンシが高い一方でmAPがわずかに上回り(39.9対39.5)、PP-YOLOE+sは精度が低い代わりにYOLO11sよりパラメーター数とFLOPsが少なくなっています。小型のYOLO11モデルは、モデルの学習とデプロイ時に必要なメモリも少なくて済みます。

トレーニングのエコシステムと使いやすさ#

モデルの実用性の多くは、開発者がカスタムのコンピュータービジョンデータセットでどれだけ簡単に学習させ、本番環境に導入できるかによって決まります。

Ultralyticsの強み#

Ultralyticsは開発者の使いやすさを重視しています。YOLO11は複雑な定型コードを必要とせず、シンプルなPython APIまたはCLIから学習できます。また、Ultralytics Platformでは、ノーコードでの学習、データセット管理、ONNX、CoreML、TensorRTなどの形式へのワンクリックエクスポートが可能です。

YOLOモデルは学習時のメモリ効率にも優れており、Transformerベースのアーキテクチャや大規模な再パラメーター化モデルで発生するVRAMの大きなオーバーヘッドを避けられるため、一般向けハードウェアでも学習できます。

from ultralytics import YOLO

# 事前学習済みYOLO11モデルを読み込みます
model = YOLO("yolo11n.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")
results[0].show()

PP-YOLOE+のエコシステム#

PP-YOLOE+はPaddleDetectionエコシステムで動作します。このフレームワークは高機能でBaiduの産業向けソリューションと深く統合されていますが、開発者は特定の深層学習フレームワークであるPaddlePaddleを採用する必要があります。そのため、すでにPyTorchを標準としているチームにとっては、学習コストが高くなる可能性があります。PP-YOLOE+モデルを一般的なエッジ形式にエクスポートする場合も、Ultralyticsに組み込まれたエクスポートパイプラインと比べて追加の変換手順が必要になることがあります。Ultralyticsのパイプラインでは、1つのコマンドでYOLO11をONNX、TensorRT、さらにはPaddlePaddleに変換できます。

最適なユースケース#

これらのモデルのどちらを選ぶかは、具体的なデプロイ環境によって異なります。

  • アジャイルな開発、エッジコンピューティング、モバイルアプリケーションには、YOLO11を選択してください。高速な推論、少ないメモリ使用量、幅広いエクスポート機能により、標準的なCPUでのリアルタイムな小売在庫管理、ドローンによる航空画像分析、複雑なマルチタスクパイプラインなどに適しています。
  • 本番パイプラインがすでにPaddlePaddleエコシステム上に構築されている場合、またはメモリ制約やハードウェア互換性(Paddleに最適化されたハードウェア以外)が主な懸念事項ではないハイエンド専用推論サーバーにデプロイする場合は、PP-YOLOE+を選択してください。

次世代モデル:YOLO26の紹介#

YOLO11は引き続き優れた選択肢ですが、新規プロジェクトにはUltralyticsがYOLO26を推奨しています。2026年1月にリリースされたYOLO26は、効率と精度の両面で前世代のモデルを上回ります。

YOLO26の主な革新点:

  • エンドツーエンドのNMSフリー設計: YOLO26のオプションのone-to-oneヘッド(nms=False)は、Non-Maximum Suppression(NMS)の後処理を省略します。これによりレイテンシが低下し、デプロイロジックが簡素化されます。このアプローチは、YOLOv10で初めて導入されました。
  • CPU推論が最大43%高速: YOLO26nはCPUでYOLO11nより最大43%高速に動作するため、GPUを搭載しないエッジデバイスでもリアルタイム性能の向上に役立ちます。
  • MuSGDオプティマイザー: 大規模言語モデル(LLM)の学習に着想を得た、SGDとMuonのハイブリッドです。収束を速め、学習をより安定させます。
  • ProgLoss + STAL: Progressive LossとSmall-Target-Aware Label Assignment(STAL)により、小さな物体の認識性能が向上します。これはドローンアプリケーションやセキュリティ監視に欠かせない機能です。
  • DFLの削除: Distribution Focal Lossを削除することで、モデルのエクスポートが簡素化され、幅広いエッジデバイスとの互換性が向上します。

速度、シンプルなエクスポート、精度を重視する新規プロジェクトにはYOLO26を推奨します。Ultralytics Platformで学習とデプロイを行えます。

他のアーキテクチャを評価する場合は、RT-DETRとYOLO11の比較をご覧いただくか、YOLO11とYOLOv8、YOLOv9、YOLOv10の比較をご確認ください。

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。