YOLO11 と YOLOv9 の比較#
コンピュータビジョンの領域は常に進化しており、新しいアーキテクチャがリアルタイム物体検出の限界を押し広げ続けています。この道のりにおける2つの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パフォーマンスを提供しますが、ディープラーニングの推論とトレーニングにおける核心的な課題を解決するための異なるアプローチを表しています。
本ガイドでは、YOLO11 と YOLOv9 の包括的な技術比較を行い、アーキテクチャ、パフォーマンス指標、および理想的なデプロイシナリオを分析します。これにより、お客様の次期人工知能プロジェクトに適したモデルを選択するための支援を提供します。
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の実用的な要件とを両立させています。
- 著者： Glenn Jocher and Jing Qiu
- 組織: Ultralytics
- 日付: 2024-09-27
- GitHub: https://github.com/ultralytics/ultralytics
- Docs: https://docs.ultralytics.com/models/yolo11/
YOLOv9#
YOLOv9 は、深層ニューラルネットワークにおける情報損失を軽減するための新しい概念を導入した学術的に強力なモデルであり、特徴抽出の理論的進歩に重点を置いています。
- 著者: Chien-Yao Wang および Hong-Yuan Mark Liao
- 組織: 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
- Docs: https://docs.ultralytics.com/models/yolov9/
アーキテクチャの革新#
YOLOv9: プログラマブル勾配情報#
YOLOv9 は、深層ネットワークの連続した層をデータが通過する際に発生する「情報ボトルネック」問題に取り組みます。これを解決するために、著者らはプログラマブル勾配情報 (PGI) と一般化効率層アグリゲーションネットワーク (GELAN) を導入しました。PGI は、バックプロパゲーション中に重みを更新するために使用される勾配に完全な情報が含まれることを保証し、非常に正確な特徴表現をもたらします。GELAN アーキテクチャはパラメータ効率を最大化し、YOLOv9 が比較的軽量な構造で高精度を実現することを可能にしています。
YOLO11: エコシステムと効率性#
YOLOv9が勾配フローに焦点を当てているのに対し、YOLO11は実際の運用における堅牢性と汎用性を重視して設計されています。Transformer中心の代替手法と比較して、トレーニング中のCUDAメモリ要件を大幅に削減するために、基本的なYOLOアーキテクチャを洗練させています。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、姿勢推定、および指向性バウンディングボックス (OBB)をネイティブでサポートしています。
YOLO11の最大の強みの1つはUltralytics Platformへの統合であり、データローディング、拡張、分散トレーニングの複雑さを統一されたAPIへと抽象化します。
パフォーマンスの比較#
本番環境向けモデルを選択する際には、平均適合率 (mAP)、推論速度、およびパラメータ数のトレードオフを評価することが不可欠です。
| 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 (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 |
表に示すように、YOLOv9e は全体的に最も高い精度を達成しており、学術的なベンチマークとして非常に優れています。しかし、YOLO11 は全体を通して優れた速度対精度の比率を提供します。例えば、YOLO11m は 4.7 ms (TensorRT) で 51.5 mAP を達成し、同サイズの YOLOv9m を速度面で上回ります。
トレーニング方法論とエコシステム#
両フレームワーク間では、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、多くの場合、高度にカスタマイズされた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利用する必要があります。強力ではありますが、ペースの速いエンタープライズ環境では導入のハードルが高い場合があります。
YOLO11のトレーニング#
YOLO11 は、適切にメンテナンスされた Ultralytics Python API を活用しており、シームレスな「ゼロからヒーロー」体験を提供します。効率的なトレーニングプロセスは、すぐに利用可能な学習済み重みと優れ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")わずか3行のPythonコードで、開発者はモデルをロードし、最適化されたデフォルトのハイパーパラメータ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を行うことができます。
実際のアプリケーション#
YOLOv9を選択すべき場合#
YOLOv9 は、ディープラーニングアーキテクチャを探求したい研究者にとって素晴らしい選択肢です。その PGI フレームワークは、高密度データセットで極めて高い精度が要求される高速小売分析において理想的であり、デプロイの複雑さよりもアルゴリズムのパフォーマンスが優先される場合に適しています。
YOLO11を選択すべき時#
YOLO11は本番環境のための究極のツールです。その効率化された物体検出機能により、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する汎用性により、単一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姿勢推定の両方を処理できます。
最先端技術：YOLO26 の登場#
YOLO11とYOLOv9は素晴らしいものですが、人工知能の分野は急速に進化しています。今日新しくプロジェクトを開始する開発者にとって、Ultralyticsはコンピュータビジョンの限界をさらに押し広げるYOLO26（2026年1月リリース）を強く推奨します。
YOLO26 は、最近の革新的な成果を組み合わせて、本番環境対応の強力な基盤を構築しています。
- エンドツーエンドの NMS 不要設計: YOLO26 は非最大値抑制 (NMS) 後処理をネイティブに排除しており、デプロイパイプラインが大幅にシンプルかつ高速になります。
- DFL の除去: Distribution Focal Loss の削除により、低電力マイクロコントローラやエッジ AI アクセラレータとの互換性が向上します。
- MuSGD オプティマイザー: LLM トレーニングの革新に触発された 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より速い収束を実現します。
- 最大 43% 高速な CPU 推論: 専用 GPU を持たないエッジコンピューティングデバイス向けに特別に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、小物体認識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において極めて重要です。
多様なアーキテクチャの探索に興味があるユーザーは、TransformerベースのトラッキングにはRT-DETRを、ゼロショットのオープンの語彙検出にはYOLO-Worldを検討するのもよいでしょう。
結論#
YOLO11とYOLOv9はどちらもコンピュータビジョンの歴史にその地位を確固たるものにしています。YOLOv9は、最大限のフィーチャ保持を実現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AIアプリケーションからモバイルエッジデバイスに至るまで、大多数の実際のデプロイにおいて、YOLO11の使いやすさ、メモリ効率、および汎用的なタスクサポートは比類のない優位性を提供します。そして業界が前進するにつれて、より新しいYOLO26を採用することで、システムが現在利用可能な中で最も高速で信頼性の高い推論を実行できるようになります。