YOLO11とYOLOv10#
リアルタイムコンピュータービジョンは絶えず進化しており、新しいアーキテクチャが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可能性の限界を押し広げています。この詳細な技術分析では、この分野を代表する2つのモデルであるUltralytics YOLO11とYOLOv10の違いを掘り下げます。どちらも物体検出機能を大きく進歩させていますが、性能を実現するために根本的に異なるアーキテクチャ思想を採用しています。
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
汎用性の高い高性能モデルとして登場したYOLO11は、長年にわたるコンピュータービジョンとAIの基礎研究を土台としています。YOLO11の設計思想の中心には、特徴表現の豊かさと、さまざまなコンピュータービジョンタスクに対応する高い汎用性があります。
YOLO11の特筆すべき改善点の1つは、C3k2 Blockの実装です。この改良型ボトルネックモジュールは、ネットワーク全体の勾配フローを最適化し、高い精度を維持しながらパラメーター効率を大幅に向上させます。さらにYOLO11は、強化された空間アテンション機構を採用しています。これは小さな物体や部分的に遮蔽された物体の識別に不可欠です。そのため、航空画像のユースケースや詳細な医療画像解析に非常に適しています。
YOLO11はアンカーフリー設計を採用しており、ハイパーパラメータチューニングの複雑さを最小限に抑え、幅広いカスタムデータセットに対して堅牢な汎化性能を発揮します。さらに、トレーニング時のメモリ要件はTransformerベースのアーキテクチャに比べて大幅に低く、研究者は一般的な消費者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
清華大学の研究者によって開発されたYOLOv10は、YOLOファミリーにおけるエンドツーエンドの先駆けとして注目を集めました。YOLOv10の最大の特長は、NMSフリートレーニングの手法です。トレーニング中に一貫性のあるデュアルアサインメントを採用することで、モデルはオブジェクトごとに1つだけバウンディングボックスを自然に予測します。この画期的な手法により、推論時の非極大値抑制 (NMS)が完全に不要になります。非極大値抑制 (NMS)は従来、デプロイメントパイプラインでレイテンシのボトルネックを引き起こしていた後処理ステップです。
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、ネットワークの各ステージで冗長性を選択的に削減するランク誘導型のブロック設計を採用しています。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。1ミリ秒も無駄にできないリアルタイムアプリケーションでは、NMSの除去により、エッジAIデバイスに非常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#
これら2つのモデルを評価する際は、精度、パラメーター数、速度のバランスを確認します。次の表では、COCOデータセットにおけるさまざまなスケールでの比較を示します。
| 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 |
YOLOのパフォーマンス指標から分かるように、YOLO11はすべてのバリエーションで、mAPスコアがわずかに高くなっています。YOLOv10のNMSフリー設計は、エンドツーエンド推論時間の高い安定性を実現しますが、YOLO11もNVIDIAハードウェア上でTensorRTを使用して最適化すれば、優れたスループットを発揮します。
デプロイメントに向けてモデルを準備する際は、最適化されたフォーマットへのエクスポートが重要です。YOLO11とYOLOv10はどちらも、Ultralyticsフレームワークを使用してONNXやTensorRTなどのフォーマットにシームレスにエクスポートできます。手順については、モデルのデプロイメントオプションのガイドをご覧ください。
Ultralyticsエコシステムの利点#
単体のパフォーマンス指標も重要ですが、機械学習プロジェクトの実用面での成否は、それを取り巻くフレームワークによって決まります。Ultralyticsエコシステムに標準搭載されているYOLO11が真価を発揮するのは、まさにこの点です。
Ultralytics Platformは、非常に効率化された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検出にとどまらないタスクを処理できます。YOLO11は、インスタンスセグメンテーション、姿勢推定、画像分類、回転バウンディングボックス (OBB)検出を標準でネイティブにサポートしています。こうした幅広い汎用性は、専門的な研究用リポジトリでは不足しがちです。
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サポート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済み、重いTransformerモデルであるRT-DETRよりも少ないCUDAメモリで、非常に効率的なトレーニングを実行できます。
実践的なコード例#
Ultralyticsでのトレーニングと推論は、できる限り直感的に行えるよう設計されています。同一のAPIを使って、YOLO11とYOLOv10のどちらも簡単に扱えます。
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、デプロイメント上の制約、エコシステムに関する希望によって異なります。
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: 単一の統合フレームワークで、検出、セグメンテーション、姿勢推定、OBBを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。
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: 専用のGPUアクセラレーションを備えていないデバイスで、YOLO26の最大43%高速なCPU推論が大きな優位性を発揮します。
- 小物体検出: ドローンによる航空画像やIoTセンサーの分析など、ProgLossとSTALによって小さな物体の精度が大幅に向上する難しいシナリオ。
次世代モデル: YOLO26#
YOLOv10が革新的なNMSフリーのパラダイムを導入し、YOLO11がマルチタスクの汎用性を高めましたが、AI分野は急速に進化しています。現在、新たな本番環境へのデプロイメントを始める開発者には、Ultralytics YOLO26の検討を強くおすすめします。
2026年1月にリリースされたYOLO26は、両方の長所を融合しています。YOLOv10が先駆けとなったエンドツーエンドのNMSフリー設計を、オプションのワンツーワンヘッド（nms=False）として提供し、デプロイメントパイプラインを大幅に簡素化するとともに、安定したレイテンシを実現します。さらに、YOLO26にはエッジコンピューティング向けの最適化が組み込まれています。DFLの削除（Distribution Focal Lossの削除）により、アーキテクチャのエクスポートが容易になり、従来のモデルと比較してCPU推論が最大43%高速になります。そのため、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最適です。
YOLO26は、革新的なMuSGDオプティマイザーを通じて、大規模言語モデル (LLM)のトレーニング安定性をコンピュータービジョンにもたらします。このオプティマイザーは、最先端のAI研究に着想を得たハイブリッド手法です。さらに、ProgLoss + STAL損失関数と組み合わせることで、小さなオブジェクトを卓越した精度で検出します。これは、詳細な交通映像の検出や複雑なロボット自動化に欠かせません。
結論#
適切なビジョンモデルは、運用上の制約に応じて選択する必要があります。YOLOv10は学術分野における重要なマイルストーンであり、検出パイプラインからNMSを効果的に排除できることを示しました。しかし、パフォーマンス、幅広いタスクへの対応力、シームレスなデプロイメントツールをより優れたバランスで実現するには、YOLO11が堅牢でエンタープライズ対応のソリューションとなります。
エンドツーエンドのシンプルさと非常に高速なエッジ性能を両立する最先端のモデルを求めるエンジニアには、最新のYOLO26への移行を強くおすすめします。包括的なUltralytics Platformを活用することで、適切にメンテナンスされ、効率性が高く、将来にも対応できる基盤の上にプロジェクトを構築できます。