YOLO11とYOLOv5
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は、あらゆるコンピュータービジョンプロジェクトにおける重要な判断です。人工知能の進化に伴い、開発者や研究者が利用できるツールも進化しています。このガイドでは、Ultralyticsエコシステムで広く使われている2つのモデル、長い実績を持つYOLOv5と新しいYOLO11を技術的に比較します。
エッジAIアプリケーション向けに軽量モデルをデプロイする場合でも、クラウドGPUで高解像度のビデオストリームを処理する場合でも、各モデルのアーキテクチャ上の特徴、パフォーマンス指標、最適なユースケースを理解することで、特定のデプロイ制約に応じたデータに基づく選択ができます。
モデルの系譜と技術的な詳細#
どちらのモデルにも、オープンソースでの協業、信頼できる性能、使いやすさを重視するUltralyticsの姿勢が反映されており、機械学習コミュニティで広く採用されています。
YOLO11の詳細#
- 著者: Glenn Jocher、Jing Qiu
- 組織: Ultralytics
- 日付: 2024-09-27
- GitHub: ultralytics/ultralytics
- ドキュメント: YOLO11ドキュメント
YOLOv5の詳細#
- 著者: Glenn Jocher
- 組織: Ultralytics
- 日付: 2020-06-26
- GitHub: ultralytics/yolov5
- ドキュメント: YOLOv5のドキュメント
アーキテクチャの違い#
YOLOv5からYOLO11への進化に伴い、精度とパラメーター効率を高める複数のアーキテクチャ変更が導入されています。
YOLOv5は、PyTorchでネイティブに構築された初期のYOLOモデルであり、CSPNet(Cross Stage Partial Network)バックボーンとPANet(Path Aggregation Network)ネックを備えています。アンカーベース検出を採用しており、物体の境界を予測するには、事前定義されたアンカーボックスが必要でした。高い効果を発揮する一方、カスタムのコンピュータービジョンデータセットに合わせてこれらのアンカーを調整する作業は煩雑になることがありました。
一方、YOLO11はアンカーフリー検出方式を採用しています。これにより、手動でのアンカーボックス調整が不要となり、トレーニングプロセスが効率化され、COCOデータセットのような多様なデータセットに対する汎化性能が向上します。さらに、YOLO11は分離型ヘッドを備えており、分類とバウンディングボックス回帰のタスクを別々のブランチで処理します。この分離により、特に複雑な物体検出のシナリオで、収束速度とmean Average Precision(mAP)が向上します。
パフォーマンス指標とベンチマーク#
以下の表では、さまざまなモデルサイズの主要指標を比較します。どちらもメモリ要件の低いUltralyticsモデルであり、一般にTransformerベースの代替モデルよりトレーニング時のCUDAメモリ消費量が少ないため、導入に必要なハードウェアのハードルが低くなります。
| 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) |
|---|---|---|---|---|---|---|
| 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 |
| YOLOv5n | 640 | 28.0 | - | 1.12 | 1.9 | 4.5 |
| YOLOv5s | 640 | 37.4 | - | 1.92 | 7.2 | 16.5 |
| YOLOv5m | 640 | 45.4 | - | 4.03 | 21.2 | 49.0 |
| YOLOv5l | 640 | 49.0 | - | 6.61 | 46.5 | 109.1 |
| YOLOv5x | 640 | 50.7 | - | 11.89 | 86.7 | 205.7 |
YOLO11はすべてのスケールで、より高いmAPを達成します。たとえば、YOLO11mは20.1Mパラメーターで51.5 mAPを達成するのに対し、YOLOv5mは21.2Mパラメーターで45.4 mAPです。T4 TensorRTではYOLOv5n、YOLOv5s、YOLOv5mの方がわずかに高速ですが、精度は大幅に低くなります。
トレーニング手法と使いやすさ#
Ultralyticsの中核となる原則は使いやすさであり、適切に保守されたエコシステムと充実したコミュニティサポートによって支えられています。
YOLOv5は従来、実行にコマンドラインインターフェース(CLI)スクリプト(train.py、detect.py)を使用していました。高機能ではあるものの、これらのスクリプトをカスタムPythonアプリケーションに直接統合するには、回避策が必要になることがよくありました。
YOLO11は、YOLOv8で導入されたシンプルなultralytics Pythonパッケージを基盤としています。この統合APIは、トレーニングからモデルのエクスポートまでを扱い、ONNX、OpenVINO、TensorRTなどのフォーマットにネイティブ対応しています。
ノーコードのワークフローでは、開発者はUltralytics Platformを使ってデータにアノテーションを付け、クラウドでモデルをトレーニングし、エッジデバイスにデプロイできます。
コードの比較#
Python APIを使ったYOLO11のトレーニング方法は次のとおりです。
from ultralytics import YOLO
# 事前トレーニング済みのYOLO11 smallモデルを読み込みます
model = YOLO("yolo11s.pt")
# カスタムデータでモデルをトレーニングする
results = model.train(data="coco8.yaml", epochs=50, imgsz=640, device=0)
# デプロイ用にモデルをONNXにエクスポートする
model.export(format="onnx")YOLOv5リポジトリを使用するレガシーシステムで、CLIを使ってトレーニングする方法は次のとおりです。
# Clone the repository and run the training script
git clone https://github.com/ultralytics/yolov5
cd yolov5
pip install -r requirements.txt
python train.py --img 640 --batch 16 --epochs 50 --data coco128.yaml --weights yolov5s.pt最適なユースケースと実際の応用例#
どちらのモデルにも、それぞれ異なる運用環境に適した強みがあります。
YOLOv5を選ぶケース#
新世代のモデルが登場した現在も、YOLOv5は次のような用途で信頼できる選択肢です。
- レガシーシステムとの統合: YOLOv5固有のテンソル構造やデプロイパイプラインと深く統合されており、容易にリファクタリングできない環境。
- 学術研究のベースライン: 医用画像解析に関する再現性の高い学術研究で、確立され長期にわたって使われているベースラインを必要とする研究者。
YOLO11を使用する場合#
YOLO11は汎用性に優れているため、最新の本番パイプラインにはより適した選択肢です。
- マルチタスク環境: YOLOv5は後のリリースでインスタンスセグメンテーションと画像分類を追加しましたが、YOLO11は検出、セグメンテーション、分類、姿勢推定、回転バウンディングボックス(OBB)検出を標準でサポートしています。
- 高密度の動画分析: 複雑なシーンで高精度が不可欠なインテリジェント交通システムや小売在庫管理に最適です。
今後の展望: YOLO26アーキテクチャ#
YOLO11は優れた標準モデルですが、コンピュータービジョンは進化し続けています。新しいプロジェクトを始める開発者は、現在推奨されているモデルであるUltralytics YOLO26(2026年1月リリース)も検討してください。
YOLO26は、エッジ向けの最適化とエンタープライズ規模の両方を想定して設計されています。主な変更点は次のとおりです。
- エンドツーエンドのNMSフリー設計: YOLO26はネイティブのエンドツーエンド推論をサポートし、
nms=Falseによって非最大抑制(NMS)の後処理を省略することで、より高速でシンプルなデプロイを実現します。 - DFLの削除: モデルのエクスポートを簡素化し、低消費電力デバイスとの互換性を高めるため、Distribution Focal Lossが削除されました。
- MuSGDオプティマイザー: SGDとMuonを組み合わせたオプティマイザーで、大規模言語モデル(LLM)のトレーニングで培われた安定性をコンピュータービジョンにもたらし、収束を高速化します。
- 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、IoTのデプロイや専用GPUを搭載していないデバイスに適しています。
- ProgLoss + STAL: Progressive LossとSmall-Target-Aware Label Assignment(STAL)によって小さな物体の認識精度が向上します。これは、ドローンによる空中画像で重要です。
概要#
YOLO11とYOLOv5のどちらを選ぶかは、最終的にはプロジェクトのライフサイクルの段階によって異なります。YOLOv5は、実績ある安定性と大規模なコミュニティを備えています。2つのうち、新しいプロジェクトには、より高い精度、シンプルなPython API、幅広いタスクへの対応を兼ね備えたYOLO11が適しています。現在最高の精度とCPU速度を求める場合は、Ultralytics PlatformでもトレーニングとデプロイができるYOLO26から始めてください。
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。