YOLO26とYOLOv5#
コンピュータービジョンの進化は、速度、精度、利用しやすさを絶えず追求することで形作られてきました。適切なアーキテクチャの選択は、あらゆるAIプロジェクトの成功に不可欠です。この包括的なガイドでは、Ultralyticsから登場した画期的な2つのリリース、先駆的なYOLOv5と革新的なYOLO26を比較します。どちらもリアルタイム物体検出の分野に大きな影響を与えてきましたが、その基盤技術には、ニューラルネットワークが視覚データを処理する方法における大きなパラダイムシフトが反映されています。
モデルの概要#
アーキテクチャの詳細に踏み込む前に、まず両モデルの基本情報を確認しましょう。
YOLO26の詳細:
- 著者: Glenn Jocher、Jing Qiu
- 組織: Ultralytics
- 日付: 2026-01-14
- GitHub: https://github.com/ultralytics/ultralytics
- ドキュメント: YOLO26のドキュメント
YOLOv5の詳細:
- 著者: Glenn Jocher
- 組織: Ultralytics
- 日付: 2020-06-26
- GitHub: https://github.com/ultralytics/yolov5
- ドキュメント: YOLOv5のドキュメント
アーキテクチャの革新#
YOLOv5からYOLO26までの6年間の隔たりは、ディープラーニング研究における大きな飛躍を表しています。YOLOv5は、ビジョンモデルにおけるPyTorchの幅広い利用を普及させ、業界標準となる高度に最適化されたアンカーベースの検出機構を提供しました。しかし、後処理ではNon-Maximum Suppression（NMS）に大きく依存していたため、リソースが限られたデバイスではレイテンシのボトルネックが生じる可能性がありました。
YOLO26は、エンドツーエンドのNMSフリーデザインによって推論パイプラインを根本から再構築しています。オプションのワンツーワンヘッド（nms=False）により、後処理でのNMSが不要となり、デプロイロジックが高速かつ大幅にシンプルになります。このコンセプトはYOLOv10で初めて導入され、YOLO26で完成度が高められました。さらに、YOLO26ではDFLの削除（Distribution Focal Loss）により、出力ヘッドが大幅に簡素化されています。そのため、モデルをONNXやTensorRTなどの形式にスムーズにエクスポートでき、エッジデバイスや低消費電力デバイスとの優れた互換性を実現します。
トレーニングでは、YOLO26はMoonshot AIのKimi K2に着想を得た、SGDとMuonのハイブリッドである最先端のMuSGD Optimizerを採用しています。これにより、LLMのトレーニングにおけるイノベーションがコンピュータビジョン分野にもたらされ、YOLOv5で使われる従来のSGDやAdamWオプティマイザーと比べて、非常に安定したトレーニングと大幅に速い収束が実現します。
パフォーマンスとメトリクス#
モデルを評価する際は、平均適合率（mAP）と推論速度のバランスが、実環境での実用性を左右します。YOLO26は、ハイエンドGPUとエッジCPUの両方に標準で最適化されています。
| 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) |
|---|---|---|---|---|---|---|
| YOLO26n | 640 | 40.9 | 38.9 | 1.7 | 2.4 | 5.5 |
| YOLO26s | 640 | 48.6 | 87.2 | 2.5 | 9.5 | 20.9 |
| YOLO26m | 640 | 53.1 | 220.0 | 4.7 | 20.4 | 68.4 |
| YOLO26l | 640 | 55.0 | 286.2 | 6.2 | 24.8 | 86.8 |
| YOLO26x | 640 | 57.5 | 525.8 | 11.8 | 55.7 | 194.4 |
| 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 |
ベンチマークでは、驚異的な改善が示されています。たとえば、YOLO26nのmAPは40.9で、YOLOv5nの28.0を上回ります。また、YOLO26はYOLO11nよりCPU推論が最大43%高速です。そのため、YOLO26はRaspberry Piやモバイルデバイスなどの組み込み環境で大きな優位性を発揮します。NanoスケールではTensorRTのGPU速度でYOLOv5がわずかに優位ですが、精度とのトレードオフを考慮すると、YOLO26が大きく優れています。
トレーニングのエコシステムと使いやすさ#
どちらのモデルも、整備されたUltralyticsエコシステムの恩恵を大いに受けています。簡潔なPython API、充実したドキュメント、活発なコミュニティサポートにより、「ゼロからエキスパートまで」をスムーズに実現できます。一方、YOLO26はトレーニング効率を新たなレベルへ引き上げています。
Ultralyticsのモデルは、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メモリが一貫して大幅に少なくなっています。YOLO26では、ProgLoss + STAL損失関数によってこの利点がさらに強化されています。これらの進歩により、メモリ使用量を増大させることなく、小さなオブジェクトの認識精度が大きく向上します。
from ultralytics import YOLO
# 最先端のYOLO26 Nanoモデルを初期化します
model = YOLO("yolo26n.pt")
# モデルをトレーニングします（optimizer='auto'は、より長いトレーニングではMuSGDを選択します）
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, batch=16, device=0)
# テスト画像で高速なNMSフリー推論を実行します
predictions = model("https://ultralytics.com/images/bus.jpg", nms=False)
predictions[0].show()このシンプルなスクリプトにより、開発者はカスタムデータセットを使って迅速に反復し、データの取り込みから本番環境対応モデルまでをシームレスに進められます。
Ultralytics Platformを使用すると、変換コードを一行も書かずに、トレーニング済みのYOLO26モデルをCoreMLやLiteRTなどの形式へ自動的にエクスポートできます。
汎用性と最適なユースケース#
YOLOv5を選ぶケース#
YOLOv5は、レガシーシステムにとって今も信頼できる主力モデルです。アンカーベースの出力と密接に結び付いた既存の産業用パイプラインがある場合や、成熟して変更が凍結されたTensorRTスタックを備える旧世代のNVIDIA Jetsonデバイスで推論を実行している場合、YOLOv5は安定性と充実したドキュメントを備えたソリューションとなります。
YOLO26を選ぶケース#
YOLO26は、最新のコンピュータビジョンプロジェクトに最適な選択肢です。その汎用性は前世代モデルを大きく上回ります。YOLOv5が主に検出に焦点を当てている（後にセグメンテーション機能が追加されています）のに対し、YOLO26はインスタンスセグメンテーション、姿勢推定、画像分類、回転バウンディングボックス（OBB）をネイティブに幅広くサポートしています。
YOLO26では、セマンティックセグメンテーションに特化した損失関数、超高精度な姿勢キーポイントのための残差対数尤度推定（RLE）、扱いにくい境界の問題を解決するOBB向けの高度な角度損失など、タスク固有の改善が導入されています。
- エッジIoTとロボティクス: オプションのNMSフリー推論と、YOLO11nより最大43%高速なCPU推論により、YOLO26はリアルタイムのロボットナビゲーションやスマートホームカメラに最適です。
- 航空画像: ProgLoss + STALの強化により、駐車場の車両や農地の作物など、ドローンから撮影した小さなオブジェクトを大幅に高い信頼性で検出できます。
- リアルタイム動画分析: スポーツ中継でのアスリートの追跡でも、交通流の監視でも、YOLO26の優れたパフォーマンスバランスにより、フレームを落とすことなく高い再現率を維持できます。
最終的に、アクセシブルで高性能なエコシステムを実現するというUltralyticsの取り組みにより、YOLOv5からYOLO26への移行がスムーズになり、研究者と開発者の双方が最先端の機能を活用できます。