YOLO11とYOLOv9の比較#
コンピュータービジョンの分野は絶えず進化しており、新しいアーキテクチャによってリアルタイム物体検出の可能性が広がり続けています。この分野における重要なマイルストーンとして、Ultralytics YOLO11とYOLOv9が挙げられます。どちらのモデルも優れたパフォーマンスを発揮しますが、ディープラーニングの推論とトレーニングにおける中心的な課題への異なるアプローチを示しています。
このガイドでは、YOLO11とYOLOv9を技術面から包括的に比較し、アーキテクチャ、パフォーマンス指標、最適なデプロイメントシナリオを分析します。次の人工知能プロジェクトに適したモデルを選ぶ際にお役立てください。
モデルの概要#
Ultralytics YOLO11#
YOLO11は、本番環境向けに設計された、高度に最適化された汎用性の高いモデルです。最先端の精度と、エッジコンピューティングや大規模デプロイメントに求められる実用的な要件とのバランスを実現します。
- 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
YOLOv9#
YOLOv9は、ディープニューラルネットワークにおける情報損失を軽減する新しい概念を導入した、優れた学術的成果です。特徴抽出の理論的な進歩に重点を置いています。
- 著者: Chien-Yao Wang、Hong-Yuan Mark Liao
- 所属機関: 台湾、中央研究院情報科学研究所
- 日付: 2024-02-21
- Arxiv: https://arxiv.org/abs/2402.13616
- GitHub: https://github.com/WongKinYiu/yolov9
- ドキュメント: https://docs.ultralytics.com/models/yolov9
アーキテクチャの革新#
YOLOv9：プログラム可能な勾配情報#
YOLOv9は、データがディープネットワークの層を通過する過程で失われる「情報ボトルネック」問題に取り組みます。この問題を解決するため、著者らはProgrammable Gradient Information (PGI)とGeneralized Efficient Layer Aggregation Network (GELAN)を導入しました。PGIにより、バックプロパゲーション中に重みを更新するために使われる勾配に完全な情報が含まれ、高精度な特徴表現が得られます。GELANアーキテクチャはパラメーター効率を最大化し、比較的軽量な構造でYOLOv9の高精度を実現します。
YOLO11: エコシステムと効率性#
YOLOv9が勾配の流れに重点を置く一方で、YOLO11は実環境での堅牢性と汎用性を追求して設計されています。基本となるYOLOアーキテクチャを改良し、Transformerを多用する代替モデルと比べて、トレーニング中に必要なCUDAメモリを大幅に削減します。さらに、YOLO11は物体検出にとどまらず、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)をネイティブにサポートします。
YOLO11の大きな強みの1つは、Ultralytics Pythonパッケージとの統合です。データの読み込み、拡張、分散トレーニングの複雑さを抽象化し、統一されたAPIにまとめています。
パフォーマンス比較#
本番環境向けのモデルを選択する際は、平均適合率 (mAP)、推論速度、パラメーター数のトレードオフを評価することが重要です。
| 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 |
| YOLOv9t | 640 | 38.3 | - | 2.3 | 2.0 | 7.7 |
| YOLOv9s | 640 | 46.8 | - | 3.54 | 7.2 | 26.7 |
| YOLOv9m | 640 | 51.4 | - | 6.43 | 20.1 | 76.8 |
| YOLOv9c | 640 | 53.0 | - | 7.16 | 25.5 | 102.8 |
| YOLOv9e | 640 | 55.6 | - | 16.77 | 58.1 | 192.5 |
表から分かるように、YOLOv9eは全体で最も高い精度を達成しており、学術的なベンチマークに適しています。しかし、YOLO11は全体的に速度と精度の比率に優れています。たとえばYOLO11mは、4.7 ms (TensorRT)で51.5 mAPを達成し、同程度のサイズのYOLOv9mより高速です。
トレーニング手法とエコシステム#
2つのフレームワークでは、開発者体験が大きく異なります。
YOLOv9のトレーニング#
YOLOv9のトレーニングでは、独自に大幅なカスタマイズが施された研究用コードの使用、特定の依存関係バージョンの管理、複雑なコマンドライン引数の指定が必要になることがよくあります。高機能ですが、スピードが求められるエンタープライズ環境では扱いにくい場合があります。
YOLO11のトレーニング#
YOLO11は、十分にメンテナンスされたUltralytics Python APIを活用し、導入から活用までをシームレスに進められます。すぐに利用できる事前トレーニング済みの重みと充実したコミュニティサポートにより、効率的なトレーニングを実行できます。
from ultralytics import YOLO
# 事前トレーニング済みのYOLO11小型モデルを読み込みます
model = YOLO("yolo11s.pt")
# 組み込みの拡張機能を使ってカスタムデータセットでトレーニングします
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# デプロイ用にONNX形式へエクスポートします
model.export(format="onnx")Pythonのコードをわずか3行書くだけで、開発者はモデルの読み込み、最適化されたハイパーパラメーターのデフォルト値を使ったトレーニングの開始、そしてトレーニング済みアーキテクチャのONNXやTensorRTなどのフレームワークへのエクスポートを行い、エッジにデプロイできます。
実際の用途#
YOLOv9を選ぶ場合#
YOLOv9は、ディープラーニングのアーキテクチャを研究する研究者にとって優れた選択肢です。PGIフレームワークは、高密度なデータセットで極めて高い精度が求められ、デプロイメントの複雑さよりアルゴリズムのパフォーマンスが重視される、高速な小売分析に適しています。
YOLO11を選ぶ場合#
YOLO11は本番環境に最適なツールです。効率化された物体検出機能は、スマートシティの交通管理やRaspberry Pi、NVIDIA Jetsonなどのエッジデバイスに最適です。さらに、さまざまなタスクに対応できるため、単一の開発パイプラインで製造現場のセグメンテーションとスポーツ分析における姿勢推定の両方を処理できます。
最先端モデル: YOLO26の登場#
YOLO11とYOLOv9は優れたモデルですが、人工知能の分野は急速に進化しています。現在、新たなプロジェクトを始める開発者には、コンピュータービジョンの可能性をさらに広げるUltralyticsのYOLO26（2026年1月リリース）を強くおすすめします。
YOLO26は、近年の革新を取り入れ、本番環境に対応する強力なモデルです。主な特長は次のとおりです。
- エンドツーエンドのNMSフリー設計: YOLO26のオプションのワンツーワンヘッド（
nms=False）は、後処理の非極大値抑制 (NMS)を省略し、デプロイメントパイプラインを大幅に簡素化して高速化します。 - DFLの削除: Distribution Focal Lossを削除することで、低消費電力のマイクロコントローラーやエッジAIアクセラレーターとの互換性が向上します。
- MuSGDオプティマイザー: 大規模言語モデル (LLM)のトレーニングにおける革新に着想を得たMuSGDオプティマイザー（SGDとMuonのハイブリッド）は、安定したトレーニングと高速な収束を実現します。
- CPU推論が最大43%高速: 専用GPUを搭載しないエッジコンピューティングデバイス向けに特化して最適化されています。
- ProgLoss + STAL: これらの改良された損失関数は、小さなオブジェクトの認識精度を大幅に向上させます。これは農業モニタリングや航空画像の分析に不可欠です。
さまざまなアーキテクチャを検討する場合は、TransformerベースのトラッキングにRT-DETR、ゼロショットのオープン語彙検出にYOLO-Worldもご検討ください。
結論#
YOLO11とYOLOv9は、どちらもコンピュータービジョンの歴史に名を刻んでいます。YOLOv9は、特徴の保持を最大化する優れたアーキテクチャの革新を提供します。しかし、エンタープライズ向けAIアプリケーションからモバイルエッジデバイスまで、実環境でのデプロイメントの大半において、YOLO11は使いやすさ、メモリ効率、幅広いタスクへの対応力という点で、他にない優位性を発揮します。さらに業界の進歩に合わせて新しいYOLO26を採用すれば、現在利用できる中で最速かつ最も信頼性の高い推論をシステムで実行できます。