YOLO11対PP-YOLOE+の比較#
プロダクション環境でcomputer visionアプリケーションをデプロイする際には、最適なニューラルネットワークアーキテクチャの選択が極めて重要です。この技術的比較では、リアルタイム物体検出分野における2つの主要なモデル、Ultralytics YOLO11とBaiduのPP-YOLOE+を検証します。どちらのアーキテクチャも優れたパフォーマンスを提供しますが、精度、推論速度、および開発者エコシステムの課題に対するアプローチは大きく異なります。
以下は、これらモデルのパフォーマンス境界を示すインタラクティブなチャートです。ハードウェア制約に最適なモデルを見つけるための参考にしてください。
モデルの起源と技術的系譜#
これらモデルの起源と設計哲学を理解することは、それぞれの強みと理想的なユースケースを知る上で重要な文脈となります。
YOLO11の詳細#
Ultralyticsによって開発されたYOLO11は、YOLOシリーズを高度に洗練させたモデルであり、高速推論、極めて高いパラメータ効率、そして比類のない使いやすさのバランスを重視しています。統合されたマルチタスク機能と、開発者に優しいPython APIで広く知られています。
- 著者： Glenn Jocher and Jing Qiu
- 組織: Ultralytics
- 日付: 2024-09-27
- GitHub: https://github.com/ultralytics/ultralytics
- ドキュメント: YOLO11 Documentation
PP-YOLOE+の詳細#
PP-YOLOE+は、PaddlePaddleフレームワークに基づいて構築されたPP-YOLOv2の進化版です。CSPRepResNetバックボーンやTask Alignment Learning (TAL) などのアーキテクチャ変更を導入し、特にハイエンドGPUにおける精度の限界を押し広げています。
- 著者: PaddlePaddle 著者陣
- 組織: Baidu
- 日付: 2022-04-02
- Arxiv: https://arxiv.org/abs/2203.16250
- GitHub: https://github.com/PaddlePaddle/PaddleDetection/
- Docs: PP-YOLOE+ Configuration Docs
アーキテクチャの違い#
YOLO11とPP-YOLOE+の基本的なアーキテクチャデザインは、computer vision分野におけるそれぞれの異なる優先順位を反映しています。
YOLO11は、高度に最適化されたバックボーンとアンカーフリーの検出ヘッドを基盤としています。C3k2ブロックとSpatial Pyramid Pooling - Fast (SPPF)を活用し、最小限の計算オーバーヘッドでマルチスケール特徴量をキャプチャします。この設計は、エッジNPUやモバイルCPUなどのリソースが制限されたデバイスでinference latencyを削減する上で非常に有利です。さらに、YOLO11はマルチタスク学習に向けてネイティブに設計されており、instance segmentation、pose estimation、oriented bounding box (OBB) detectionを標準でサポートしています。
**PP-YOLOE+**は、CSPRepResNetバックボーンとEfficient Task-alignedヘッド（ET-head）を導入しています。トレーニング中の表現力を高めるためにレップパラメータ化テクニックを多用し、推論時にはそれらのパラメータを標準の畳み込みに統合します。これにより優れたmean Average Precision (mAP)がもたらされますが、その結果生じるモデルはパラメータとメモリフットプリントの面で重くなる傾向があり、軽量なエッジデバイスよりも堅牢なサーバーGPUでのデプロイに適しています。
標準的なバウンディングボックスを超えた機能が必要なプロジェクトであれば、Ultralytics YOLO11はセグメンテーション、姿勢推定、分類を同一のAPI内でネイティブにサポートしており、複数の異なるリポジトリを統合する場合と比較して開発オーバーヘッドを大幅に削減できます。
性能とベンチマーク#
パフォーマンスを評価する際は、精度(mAP)、様々なハードウェアでの推論速度、およびモデル効率(パラメータ数とFLOPs)を検討します。以下の表は比較メトリクスをハイライトしたもので、最も効率的または最高パフォーマンスの値は太字で示されています。
| 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 (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLO11n | 640 | 39.5 | 56.1 | 1.5 | 2.6 | 6.5 |
| YOLO11s | 640 | 47.0 | 90.0 | 2.5 | 9.4 | 21.5 |
| YOLO11m | 640 | 51.5 | 183.2 | 4.7 | 20.1 | 68.0 |
| YOLO11l | 640 | 53.4 | 238.6 | 6.2 | 25.3 | 86.9 |
| YOLO11x | 640 | 54.7 | 462.8 | 11.3 | 56.9 | 194.9 |
| PP-YOLOE+t | 640 | 39.9 | - | 2.84 | 4.85 | 19.15 |
| PP-YOLOE+s | 640 | 43.7 | - | 2.62 | 7.93 | 17.36 |
| PP-YOLOE+m | 640 | 49.8 | - | 5.56 | 23.43 | 49.91 |
| PP-YOLOE+l | 640 | 52.9 | - | 8.36 | 52.2 | 110.07 |
| PP-YOLOE+x | 640 | 54.7 | - | 14.3 | 98.42 | 206.59 |
分析#
YOLO11は、パフォーマンスバランスとパラメータ効率において明確なアドバンテージを示しています。たとえば、YOLO11mはより少ないパラメータ（20.1M対23.43M）を使用しつつ、PP-YOLOE+m（49.8）よりも高いmAP（51.5）を達成し、TensorRTでの推論速度も大幅に高速化（4.7ms対5.56ms）しています。YOLO11モデルの軽量な性質は、model trainingとデプロイの両方において、必然的に低いメモリ要件につながります。
トレーニングエコシステムと使いやすさ#
モデルの真の価値は多くの場合、開発者がカスタムのcomputer vision datasetsでモデルをどれほど簡単にトレーニングし、プロダクションにデプロイできるかにかかっています。
Ultralyticsの利点#
Ultralyticsは、効率化された開発者エクスペリエンスを優先しています。YOLO11のトレーニングは、複雑なボイラープレートコードを抽象化するシンプルなPython APIまたはCLIを通じて管理されます。Ultralytics Platformは、ノーコードでのトレーニング、自動化されたデータセット管理、ONNX、CoreML、TensorRTなどのフォーマットへのワンクリックエクスポートを提供することで、これをさらに強化します。
さらに、YOLOモデルはトレーニング時のメモリ効率が高く、Transformerベースのアーキテクチャや重いレップパラメータ化モデルに特有の巨大なVRAMオーバーヘッドを回避し、コンシューマー向けハードウェアでのトレーニングを可能にします。
from ultralytics import YOLO
# Load a pretrained YOLO11 model
model = YOLO("yolo11n.pt")
# Train the model on the COCO8 dataset
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Run inference on an image
results = model("https://ultralytics.com/images/bus.jpg")
results[0].show()PP-YOLOE+エコシステム#
PP-YOLOE+はPaddleDetectionエコシステム内で動作します。このフレームワークは強力でBaiduの産業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PaddlePaddleディープラーニングフレームワークを採用する必要があります。これは、既にPyTorchに標準化されているチームにとっては学習曲線が急になる可能性があります。さらに、PP-YOLOE+モデルをエッジデバイス用の標準的なユニバーサルフォーマットへエクスポートする場合、Ultralyticsワークフローで見られるネイティブなエクスポートパイプラインと比較して、追加の変換手順が必要になることがあります。
理想的なユースケース#
これらのモデルの選択は、特定のデプロイ環境に依存します。
- アジャイル開発、edge computing、およびモバイルアプリケーションにはYOLO11を選択してください。その高い推論速度、低いメモリフットプリント、および豊富なエクスポート機能により、標準CPUでのリアルタイムなretail inventory management、ドローンベースの航空画像分析、および複雑なマルチタスクパイプラインなどのタスクに最適です。
- 本番パイプライン全体が既にPaddlePaddleエコシステムに大きく依存している場合、またはメモリ制約や(Paddleの最適化済みハードウェア以外での)ハードウェア互換性が主要な懸念事項ではないハイエンドの専用推論サーバーへデプロイする場合は、PP-YOLOE+を選択してください。
次世代: YOLO26の導入#
YOLO11は非常に強力であり続けますが、AIの分野は急速に進化しています。物体検出における圧倒的な最先端技術として、Ultralyticsは新しく**YOLO26**を導入しました。2026年1月にリリースされたYOLO26は、前世代の成功を基盤として構築されており、前例のない効率性と精度を実現します。
YOLO26の主な革新:
- エンドツーエンドのNMSフリーデザイン: YOLO26は、Non-Maximum Suppression (NMS)の後処理をネイティブに排除します。これにより推論が大幅に高速化され、デプロイロジックが簡素化されます。このアーキテクチャの飛躍は、YOLOv10で初めて開拓されたものです。
- CPU推論が最大43%高速化: GPUを持たないエッジデバイス向けに特別に最適化されており、低電力ハードウェア上でもリアルタイムパフォーマンスを保証します。
- MuSGDオプティマイザ: LLMのトレーニング安定性に触発された、SGDとMuonのハイブリッドにより、より速い収束とより安定したトレーニングを保証します。
- ProgLoss + STAL: 改善された損失関数により、drone applicationsやセキュリティ監視に不可欠な小物体認識が劇的に向上します。
- DFLの削除: Distribution Focal Lossを削除したことで、モデルのエクスポートが簡素化され、広範囲のエッジデバイス全体での互換性が劇的に向上しました。
スピード、シームレスなエクスポート、および最大の精度を優先する新規プロジェクトでは、Ultralytics Platformを介してYOLO26の機能を活用することを強くお勧めします。
他のアーキテクチャを評価している場合は、YOLO11をRT-DETRと比較したり、レガシーなYOLOv8が最新のベンチマークでどのように機能するかを探索したりすることにも興味を持たれるかもしれません。