YOLO11とYOLOv10#
リアルタイムのコンピュータービジョンアーキテクチャは、エッジデバイスとクラウドインフラストラクチャの両方で進化を続けています。この技術分析では、影響力のある2つのモデルであるUltralytics YOLO11とYOLOv10を比較します。どちらも2024年に物体検出を進歩させましたが、性能を実現するためのアーキテクチャ上のアプローチは異なります。
YOLO11のアーキテクチャを詳しく見る#
YOLO11の詳細:
- 著者: Glenn Jocher、Jing Qiu
- 組織: Ultralytics
- 日付: 2024-09-27
- GitHub: https://github.com/ultralytics/ultralytics
- ドキュメント: https://docs.ultralytics.com/models/yolo11
YOLO11は、コンピュータービジョンとAIにおける長年の研究を基盤としています。その設計は、複数のコンピュータービジョンタスクにわたる豊富な特徴表現と汎用性を重視しています。
YOLO11の注目すべき改善点の1つは、C3k2ブロックの実装です。この改良されたボトルネックモジュールは、高い精度を保ちながら、ネットワーク内の勾配フローとパラメーター効率を向上させます。さらにYOLO11は、改良された空間アテンション機構を採用し、小型または部分的に遮蔽された物体の特定を支援します。そのため、航空画像のユースケースや詳細な医用画像解析に適しています。
YOLO11はアンカーフリーデザインを採用しており、ハイパーパラメーターの調整を減らし、幅広いカスタムデータセットに対して優れた汎化性能を発揮します。トレーニング時のメモリ要件もTransformerベースのアーキテクチャより低いため、研究者は一般的なコンシューマー向けハードウェアで大規模モデルを効率よくトレーニングできます。
YOLOv10のアーキテクチャを詳しく見る#
YOLOv10の詳細:
- 著者: Ao Wang、Hui Chen、Lihao Liuほか
- 組織: 清華大学
- 日付: 2024-05-23
- arXiv: https://arxiv.org/abs/2405.14458
- GitHub: https://github.com/THU-MIG/yolov10
- ドキュメント: https://docs.ultralytics.com/models/yolov10
清華大学の研究者が開発したYOLOv10は、YOLOファミリー初のエンドツーエンドモデルです。特徴的な機能はNMSフリートレーニングです。トレーニング中に一貫したデュアル割り当てを使用することで、推論時に物体ごとに1つのバウンディングボックスを予測するようモデルを学習させます。これにより、推論時の非極大値抑制（NMS）が不要になります。この後処理ステップは、従来、デプロイパイプラインのレイテンシのボトルネックとなっていました。
このアーキテクチャでは、効率と精度を総合的に考慮した設計戦略も導入されています。空間とチャネルを分離したダウンサンプリングや、ネットワークの各段階で冗長性を選択的に削減するランク誘導型ブロック設計を取り入れています。その結果、FLOPsと計算オーバーヘッドを削減しながら、平均適合率（mAP）を大きく損なわずに済みます。ミリ秒単位の時間が重要なリアルタイムアプリケーションでは、NMSを取り除くことで、エッジAIデバイスに適した決定論的な推論グラフを実現できます。
パフォーマンス指標とベンチマーク#
この比較では、精度、パラメーター数、速度のバランスを考慮しています。以下の表では、COCOデータセット上で各スケールの性能を比較します。
| 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 (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 | 21.6 |
| 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 |
| YOLOv10n | 640 | 38.5 | - | 1.84 | 2.3 | 6.7 |
| YOLOv10s | 640 | 46.3 | - | 2.49 | 7.2 | 21.6 |
| YOLOv10m | 640 | 51.1 | - | 4.74 | 15.4 | 59.1 |
| YOLOv10b | 640 | 52.5 | - | 5.74 | 19.1 | 92.0 |
| YOLOv10l | 640 | 53.2 | - | 7.28 | 24.4 | 120.3 |
| YOLOv10x | 640 | 54.4 | - | 10.70 | 29.5 | 160.4 |
YOLO11は、比較可能なすべてのスケールで mAPがわずかに高く（たとえば、nanoモデルでは39.5対38.5、xモデルでは54.7対54.4）、YOLOv10は大きいスケールでパラメーター数が少なくなっています（xモデルでは29.5M対56.9M）。T4上のTensorRTレイテンシは、両ファミリーでほぼ同等です。
モデルをデプロイ用に準備する際は、最適化された形式へのエクスポートが重要です。Ultralyticsフレームワークを使うと、YOLO11とYOLOv10のどちらもONNXやTensorRTなどの形式にエクスポートできます。手順については、モデルのデプロイ方法のガイドをご覧ください。
Ultralyticsエコシステムの利点#
単体の性能指標も重要ですが、機械学習プロジェクトの実用上の成否は、周辺のフレームワークによって左右されます。この点で、Ultralyticsエコシステムの一部としてネイティブに提供されるYOLO11は優れています。
Ultralytics Platformは、シンプルなユーザー体験を提供します。シンプルで統一されたPython APIにより、開発者は基本的なバウンディングボックスを超えるタスクにも対応できます。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、回転バウンディングボックス（OBB）検出に標準で対応する一方、YOLOv10は検出に特化しています。このような汎用性は、専門的な研究用リポジトリでは得られないことがよくあります。
さらに、このエコシステムは充実したドキュメントと活発なコミュニティによって支えられています。実験管理用のWeights & Biasesや、Intelハードウェア最適化用のOpenVINOなどのツールとの統合機能がライブラリに直接組み込まれています。モデルのトレーニングに必要な定型コードは最小限で、RT-DETRのような大規模なTransformerモデルよりCUDAメモリの使用量も少なくなります。
実践的なコード例#
Ultralyticsでは、数行のコードでトレーニングと推論を実行でき、同じAPIでYOLO11とYOLOv10の両方を扱えます。
from ultralytics import YOLO
# モデル（YOLO11nまたはYOLOv10n）を初期化します
model = YOLO("yolo11n.pt")
# カスタムデータセットでモデルを効率的にトレーニングします
# Ultralyticsがハイパーパラメーターとメモリの最適化を自動的に処理します
results = model.train(data="coco8.yaml", epochs=50, imgsz=640, device=0)
# 画像に対して推論を実行する
inference_results = model("https://ultralytics.com/images/bus.jpg")
# 検出されたオブジェクトを表示します
inference_results[0].show()ユースケースと推奨事項#
YOLO11とYOLOv10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、エコシステムの好みによって決まります。
YOLO11を選ぶ場合#
YOLO11は、次のような用途に適しています。
- 本番環境でのエッジデプロイメント: 信頼性と継続的なメンテナンスが最優先となる、Raspberry PiやNVIDIA Jetsonなどのデバイス上での商用アプリケーション。
- 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1つ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： Ultralytics Python APIを使い、データ収集から本番環境への移行を迅速に進める必要があるチーム。
YOLOv10を選ぶ場合#
YOLOv10は、次のような用途に推奨されます。
- NMSを使用しないリアルタイム検出: 非最大抑制を使用しないエンドツーエンド検出によって、デプロイを簡素化できるアプリケーション。
- 速度と精度のバランス: さまざまなモデルスケールで、推論速度と検出精度の優れたバランスが必要なプロジェクト。
- レイテンシーが安定している必要のあるアプリケーション: ロボティクスや自律システムなど、予測可能な推論時間が重要なデプロイシナリオ。
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。
次世代モデル: YOLO26#
YOLOv10はNMSフリーのYOLO検出を導入し、YOLO11はマルチタスクの汎用性を高めました。現在、新たに本番環境へのデプロイを始める開発者には、Ultralytics YOLO26を推奨します。
2026年1月にリリースされたYOLO26は、両者の長所を組み合わせています。YOLOv10のエンドツーエンドNMSフリーデザインをオプションのone-to-oneヘッド（nms=False）として提供し、デプロイパイプラインを簡素化してレイテンシーを一定に保ちます。さらに、YOLO26はエッジ向けの最適化も追加しています。DFLの削除（分布焦点損失の削除）によってエクスポートが簡素化され、YOLO26nはYOLO11nよりもCPUで最大43%高速に動作するため、低消費電力のIoTデバイスやモバイルアプリケーションに適しています。
YOLO26は、大規模言語モデル（LLM）のトレーニング安定性をMuSGDオプティマイザーによってコンピュータービジョンにもたらします。MuSGDはSGDとMuonのハイブリッドです。ProgLoss + STAL（Progressive Lossと小物体認識対応ラベル割り当て）と併せて、YOLO26は小物体の検出精度を高め、詳細な交通映像の検出や複雑なロボット自動化に不可欠な性能を実現します。
結論#
適切なビジョンモデルは、運用上の具体的な制約によって異なります。YOLOv10は重要な研究上のマイルストーンであり、YOLOの検出パイプラインからNMSを取り除けることを示しました。性能、タスクの汎用性、デプロイツールのバランスを重視する場合、YOLO11は信頼性が高く、エンタープライズ用途に対応したソリューションです。
高速なエッジ性能とともにオプションのエンドツーエンド推論を求めるエンジニアには、YOLO26への移行を推奨します。Ultralytics Platformを利用することで、プロジェクトを適切に保守された効率的な基盤上で進められます。