はじめる

YOLO11とYOLOv7の比較

コンピュータービジョンは急速に進化し続けており、リアルタイムの物体検出は、最も広く導入されているアプリケーションの1つです。適切なアーキテクチャを選ぶには、速度、精度、デプロイの容易さのバランスを取る必要があります。このガイドでは、代表的な2つのアーキテクチャ、Ultralytics YOLO11とYOLOv7を技術的に比較します。

モデルの背景と技術的な詳細#

どちらのモデルもディープラーニングコミュニティに影響を与えてきましたが、開発思想と時代背景は異なります。

YOLO11の詳細:

YOLOv7の詳細:

YOLOv7の詳細を見る

アーキテクチャの違い#

どちらの検出器も最新の設計概念を採用していますが、構造上の基盤は異なります。

YOLOv7は、Extended Efficient Layer Aggregation Networks(E-ELAN)の概念を導入しました。研究論文で説明されているように、このアーキテクチャは、元の勾配経路を損なわずにネットワークの学習能力を継続的に高めるよう設計されています。YOLOv7は、トレーニング時に構造的な再パラメーター化と、トレーニング可能な「bag-of-freebies」手法を採用することで、推論コストを増やさずにCOCOデータセットでの全体的な精度を向上させます。

一方、YOLO11はUltralyticsアーキテクチャを基盤としています。パラメーター数を抑えた、より洗練された特徴抽出パイプラインを重視し、トレーニング時のメモリ使用量を削減しています。YOLO11は、より少ないパラメーター数で、より大型のモデルと同等以上の検出精度を実現し、優れた性能バランスを達成します。また、幅広いタスクをサポートしており、最新のコンピュータービジョンアプリケーションに適した汎用性の高い選択肢です。

メモリー効率

Ultralytics YOLOモデルは一般に、他の多くの検出器よりもトレーニング時のメモリ使用量が少なく、開発者は一般向けGPUでPyTorchを使って高性能なネットワークをトレーニングできます。

パフォーマンスと指標の比較#

実環境での実用性を評価するには、mean Average Precision(mAP)、推論速度、モデルのパラメーター数、計算量(FLOPs)などの指標を比較します。次の表では、YOLO11の各スケーリングバリエーションと、より大型のYOLOv7モデルを比較します。

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
YOLOv7l64051.4-6.8436.9104.7
YOLOv7x64053.1-11.5771.3189.9

YOLO11xは、YOLOv7xの53.1 mAPに対して54.7 mAPを達成し、T4 TensorRTのレイテンシが同程度である一方、パラメーター数は少なくなっています(56.9M対71.3M)。lスケールでは、YOLO11lはYOLOv7lより高精度(53.4対51.4 mAP)で高速(6.2 ms対6.84 ms)、かつ小型(25.3M対36.9Mパラメーター)です。

トレーニング効率とエコシステムの使いやすさ#

この2つのアーキテクチャを大きく分ける特徴の1つが、開発者エクスペリエンスと、それを取り巻くエコシステムです。

YOLOv7は、本質的に学術研究用のリポジトリです。モデルのトレーニングには、複雑な環境構築、手動での依存関係管理、長いコマンドライン引数が必要になることがよくあります。研究実験には対応していますが、YOLOv7 GitHubリポジトリのコードをカスタムの本番環境に適応させるには、時間がかかることがあります。

YOLO11は使いやすさを重視しています。ワークフロー全体をカバーする、適切に保守されたエコシステムであるUltralytics Platformに完全に統合されています。データのアノテーションやローカルでのトレーニングからデプロイまで、統一されたPython APIとシンプルなコマンドラインインターフェースにより、プロセス全体を効率化できます。

コードの比較#

YOLO11で物体検出モデルをトレーニングするには、数行のコードで十分です。

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")

# 統合APIを使用してモデルをトレーニングします
results = model.train(data="coco8.yaml", epochs=50, imgsz=640)

# ONNX形式にすばやくエクスポートします
model.export(format="onnx")

一方、一般的なYOLOv7のトレーニングコマンドは次のようになり、パスや設定ファイル、bashスクリプトを慎重に準備する必要があります。

python train.py --workers 8 --device 0 --batch-size 32 --data data/coco.yaml --img 640 640 --cfg cfg/training/yolov7.yaml --weights 'yolov7_training.pt'

YOLO11は、より汎用性にも優れています。YOLOv7では、検出以外のタスク(姿勢推定やセグメンテーションなど)をサポートするために別個のブランチや改変が必要ですが、YOLO11は統一されたフレームワークを通じて、物体検出、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)検出に対応します。

簡単なエクスポート

YOLO11は、TensorRTやOpenVINOなどの形式に1つのコマンドだけでエクスポートできるため、レガシーモデルでよく発生するオペレーターのサポートに関する問題を軽減できます。

実環境での用途と適したユースケース#

YOLOv7とYOLO11のどちらを選ぶかは、プロジェクトの範囲とデプロイ上の制約によって異なります。

YOLOv7を検討するケース:

  • レガシーモデルのベンチマーク:勾配経路設計を研究する学術研究者は、新しい畳み込みニューラルネットワークを評価するためのベースラインとしてYOLOv7を使用できます。
  • 既存のカスタムパイプライン:YOLOv7独自のバウンディングボックスデコードロジックを中心に構築された、高度にカスタマイズ済みのC++またはCUDAパイプラインを運用しているチーム。

YOLO11を選ぶケース:

  • 商用環境での本番運用: スマートリテールや医療診断のアプリケーションでは、YOLO11の保守されたコードベースと安定性が役立ちます。
  • リソースに制約のある環境: YOLO11nは軽量なため、ONNXを介してモバイルデバイスやエッジデバイスにデプロイするのに適しています。
  • マルチタスクプロジェクト:1つのアプリケーションで人物を認識し、その骨格(姿勢)を推定し、人物が持つ物体をセグメンテーションする必要がある場合、YOLO11は統一されたソリューションを提供します。

YOLO26で前進する#

YOLO11は信頼できる選択肢ですが、現在新しいプロジェクトに取り組むエンジニアには、Ultralytics YOLO26が推奨モデルです。

2026年1月にリリースされたYOLO26は、任意で選択できるエンドツーエンドのNMSフリーデザイン(nms=False)を導入し、Non-Maximum Suppressionの後処理によるレイテンシを解消します。また、大規模言語モデル(LLM)のトレーニング手法に着想を得たMuSGDオプティマイザーを追加し、収束を高速化します。小さな物体に対応するProgLoss + STALと、YOLO26nでYOLO11nに比べてCPU推論を最大43%高速化するDFLの削除により、YOLO26はエッジコンピューティングに最適化されています。

特化型の代替構造に関心がある場合は、TransformerベースのRT-DETRや、動的なオープンボキャブラリーに対応するYOLO-Worldモデルも、特定のコンピュータービジョンのデプロイに適している可能性があります。

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。