YOLO11とYOLOv9の比較#
コンピュータービジョンの分野は常に進化しており、新しいアーキテクチャによって、リアルタイム物体検出で可能なことの限界が押し広げられています。この進展における重要なマイルストーンが、Ultralytics YOLO11とYOLOv9です。どちらのモデルも卓越した性能を発揮しますが、ディープラーニングの推論とトレーニングにおける中核的な課題を解決するためのアプローチはそれぞれ異なります。
このガイドでは、YOLO11とYOLOv9のアーキテクチャ、性能指標、適したデプロイシナリオを包括的に技術比較し、次の人工知能プロジェクトに適したモデルを選択できるよう支援します。
モデル概要#
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および大規模デプロイにおける実用的な要件のバランスを取っています。
- 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、強力な学術的成果です。特徴抽出における理論的進展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
アーキテクチャのイノベーション#
YOLOv9：プログラマブル勾配情報#
YOLOv9は「情報ボトルネック」問題、つまりディープネットワークの連続する層を通過する際にデータが失われる問題に取り組みます。これを解決するため、著者らはプログラマブル勾配情報（PGI）と一般化効率的層集約ネットワーク（GELAN）を導入しました。PGIにより、バックプロパゲーション中の重み更新に使用される勾配に完全な情報が含まれるため、非常に精度の高い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が高い精度を実現できるようにします。
YOLO11：エコシステムと効率性#
YOLOv9が勾配フローに重点を置く一方で、YOLO11は実世界での堅牢性と汎用性を重視して設計されています。YOLOの基本アーキテクチャを改良し、Transformerを多用する代替モデルと比較して、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は単なる物体検出器ではなく、インスタンスセグメンテーション、画像分類、ポーズ推定、指向性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の最大の強みの1つは、Ultralytics Platformとの統合です。これにより、データローディング、データ拡張、分散トレーニングの複雑さが統一されたAPIに抽象化されます。
性能比較#
本番環境向けのモデルを選択する際には、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） | パラメーター数 （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 | 21.5 |
| YOLO11m | 640 | 51.5 | 183.2 | 4.7 | 20.1 | 68.0 |
| YOLO11l | 640 | 53.4 | 238.6 | 6.2 | 25.3 | 86.9 |
| YOLO11x | 640 | 54.7 | 462.8 | 11.3 | 56.9 | 194.9 |
| YOLOv9t | 640 | 38.3 | - | 2.3 | 2.0 | 7.7 |
| YOLOv9s | 640 | 46.8 | - | 3.54 | 7.1 | 26.4 |
| YOLOv9m | 640 | 51.4 | - | 6.43 | 20.0 | 76.3 |
| YOLOv9c | 640 | 53.0 | - | 7.16 | 25.3 | 102.1 |
| YOLOv9e | 640 | 55.6 | - | 16.77 | 57.3 | 189.0 |
表に示すとおり、YOLOv9eは総合精度が最も高く、学術的なベンチマークに適しています。一方、YOLO11は全体的に速度と精度の比率に優れています。例えば、YOLO11mは4.7 ms（TensorRT）で51.5 mAPを達成し、同程度のサイズのYOLOv9mを速度で上回ります。
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、開発者エクスペリエンス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、カスタマイズの度合いが高い研究用コードを扱い、特定の依存関係バージョンを管理し、複雑なコマンドライン引数を使用する必要がある場合が多くあります。強力である一方、スピードが求められる企業環境では難しく感じられることがあります。
YOLO11のトレーニング#
YOLO11は、十分に保守されたUltralytics Python APIを活用し、スムーズな「ゼロからエキスパートまで」の体験を提供します。効率的なトレーニングプロセスは、すぐに利用できる事前学習済み重み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。
from ultralytics import YOLO
# Load a pre-trained YOLO11 small model
model = YOLO("yolo11s.pt")
# Train on a custom dataset with built-in augmentations
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Export to ONNX format for deployment
model.export(format="onnx")Pythonを3行記述するだけで、開発者はモデルを読み込み、最適化されたハイパーパラメーターのデフォルト値でトレーニングを開始し、トレーニング済みアーキテクチャをONNXやTensorRTなどのフレームワークにエクスポートしてエッジデプロイに利用できます。
実世界での用途#
YOLOv9を選ぶタイミング#
YOLOv9は、ディープラーニングアーキテクチャを研究したい研究者にとって優れた選択肢です。PGIフレームワークにより、高密度なデータセットで極めて高い精度が求められ、デプロイの複雑さよりもアルゴリズム性能が優先される高速小売分析に適した候補となります。
YOLO11を選ぶタイミング#
YOLO11は本番環境に最適なツールです。合理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汎用性により、1つの開発パイプラインで製造業におけるセグメンテーションとスポーツ分析におけるポーズ推定を処理できます。
最先端：YOLO26の登場#
YOLO11とYOLOv9は注目すべきモデルですが、人工知能の分野は急速に進化しています。現在、新しいプロジェクトを開始する開発者に対して、UltralyticsはYOLO26（2026年1月リリース）を強く推奨しています。YOLO26はコンピュータービジョンの限界をさらに押し広げます。
YOLO26は、近年のイノベーションの長所を組み合わせた、本番環境対応の強力なモデルです。
- エンドツーエンドのNMSフリーデザイン: YOLO26はNon-Maximum Suppression（NMS）の後処理をネイティブに排除し、デプロイパイプラインを大幅に簡素化・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: LLMのトレーニングにおけるイノベーションに着想を得た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%高速化: 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により、小さな物体の認識が大幅に向上します。これは農業モニタリングや航空画像で重要です。
多様なアーキテクチャを検討しているユーザーは、Transformerベースのトラッキング向けのRT-DETRや、ゼロショットのオープンボキャブラリー物体検出向けのYOLO-Worldも検討するとよいでしょう。
まとめ#
YOLO11とYOLOv9はいずれも、コンピュータービジョンの歴史に確固たる地位を築いています。YOLOv9は、特徴を最大限に保持する優れたアーキテクチャ上のイノベーションを提供します。しかし、企業AIアプリケーションからモバイルエッジデバイスまで、現実世界の大多数のデプロイにおいて、YOLO11の使いやすさ、メモリ効率、タスク対応の汎用性は他にない優位性をもたらします。さらに業界が進展する中で、より新しいYOLO26を採用すれば、現在利用可能な中で最も高速かつ信頼性の高い推論をシステムで実行できます。