YOLOv10とDAMO-YOLOの比較
最新のコンピュータービジョンパイプラインを構築する際、適切なリアルタイム物体検出アーキテクチャの選択は重要です。この技術分析では、YOLOv10とDAMO-YOLOのアーキテクチャ、性能指標、理想的なユースケースを取り上げます。どちらもリアルタイム検出を進歩させましたが、異なるアーキテクチャ上のアプローチを採用しています。
プロジェクトで、制約のあるエッジAIハードウェアへのデプロイが必要な場合も、クラウドGPUで最高の精度が求められる場合も、これらのアーキテクチャの違いを理解することで、十分な情報に基づいた判断ができます。
YOLOv10の概要#
清華大学の研究者によって発表されたYOLOv10は、YOLOファミリーにネイティブなエンドツーエンドのアプローチを導入し、後処理での非最大値抑制(NMS)を不要にしました。
YOLOv10の詳細:
- 著者: Ao Wang、Hui Chen、Lihao Liuほか
- 組織: 清華大学
- 日付: 2024-05-23
- arXiv: https://arxiv.org/abs/2405.14458
- GitHub: https://github.com/THU-MIG/yolov10
- ドキュメント: https://docs.ultralytics.com/models/yolov10
主なアーキテクチャ上の特徴#
YOLOv10の主な革新は、NMSを使用しないトレーニングを実現する一貫性のあるデュアル割り当て戦略です。従来の物体検出器は、重複するバウンディングボックスをフィルタリングするためにNMSに依存しており、これによってレイテンシーにばらつきが生じ、自動運転車や高速ロボティクスなどのリアルタイムアプリケーションでボトルネックになります。YOLOv10は、物体ごとにバウンディングボックスを1つ直接予測することで、低く予測しやすい推論レイテンシーを実現します。
さらに、モデルには効率と精度を総合的に重視した設計が採用されています。アーキテクチャでは、軽量な分類ヘッドや空間・チャネル分離型のダウンサンプリングなど、さまざまなコンポーネントを最適化して計算の冗長性を削減します。その結果、競争力のある平均適合率(mAP)を維持しながら、パラメーター数とFLOPsを削減しています。
使用例#
YOLOv10はUltralyticsエコシステムに統合されているため、Ultralytics Pythonパッケージを通じて利用できます。
from ultralytics import YOLO
# 事前学習済みのYOLOv10 nanoモデルを読み込みます
model = YOLO("yolov10n.pt")
# COCO8データセットでモデルをトレーニングします
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# テスト画像に対して推論を実行します
results = model("https://ultralytics.com/images/bus.jpg")
# モデルをTensorRT形式にエクスポートします
model.export(format="engine", quantize=16)DAMO-YOLOの概要#
Alibaba Groupが開発したDAMO-YOLOは、速度と精度のパレートフロンティアを押し広げることを目指し、自動的なニューラルアーキテクチャ探索(NAS)を通じて効率的なネットワーク構造の発見に重点を置いています。
DAMO-YOLOの詳細:
- 著者: Xianzhe Xu、Yiqi Jiang、Weihua Chen、Yilun Huang、Yuan Zhang、Xiuyu Sun
- 組織: Alibaba Group
- 日付: 2022-11-23
- arXiv: https://arxiv.org/abs/2211.15444v2
- GitHub: https://github.com/tinyvision/DAMO-YOLO
主なアーキテクチャ上の特徴#
DAMO-YOLOは、産業用途向けに複数の手法を導入しています。モデルの基盤となるMAE-NASバックボーンは、最大エントロピーに基づく探索によって生成されます。この自動プロセスでは、あらかじめ定められた計算予算に従うバックボーン構造を発見し、精度と推論レイテンシーのバランスを取ります。
アーキテクチャにはEfficient RepGFPNネックも採用されています。この特徴ピラミッドネットワークは、さまざまなスケール間での特徴融合を改善するよう設計されており、物体のサイズが大きく異なる航空画像分析などの複雑なタスクで重要です。DAMO-YOLOは、最終予測レイヤーの複雑さを抑え、推論時の計算量を削減する、最小構成の検出ヘッドであるZeroHeadも実装しています。
パフォーマンス比較#
物体検出アーキテクチャを評価する際には、推論速度、パラメーター効率、検出精度の適切なトレードオフを見つけることが重要です。以下の表では、それぞれのモデルサイズにおけるYOLOv10とDAMO-YOLOの性能を比較しています。
| 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) |
|---|---|---|---|---|---|---|
| YOLOv10n | 640 | 38.5 | - | 1.84 | 2.3 | 6.7 |
| YOLOv10s | 640 | 46.3 | - | 2.49 | 7.2 | 21.6 |
| YOLOv10m | 640 | 51.1 | - | 4.74 | 15.4 | 59.1 |
| YOLOv10b | 640 | 52.5 | - | 5.74 | 19.1 | 92.0 |
| YOLOv10l | 640 | 53.2 | - | 7.28 | 24.4 | 120.3 |
| YOLOv10x | 640 | 54.4 | - | 10.70 | 29.5 | 160.4 |
| DAMO-YOLOt | 640 | 42.0 | - | 2.32 | 8.5 | 18.1 |
| DAMO-YOLOs | 640 | 46.0 | - | 3.45 | 16.3 | 37.8 |
| DAMO-YOLOm | 640 | 49.2 | - | 5.09 | 28.2 | 61.8 |
| DAMO-YOLOl | 640 | 50.8 | - | 7.18 | 42.1 | 97.3 |
YOLOv10は、同等のスケールでDAMO-YOLOより少ないパラメーター数で高い精度を実現します。YOLOv10sは7.2M個のパラメーターで46.3 mAPを2.49 msで達成するのに対し、DAMO-YOLOsは16.3M個で46.0 mAPを3.45 msで達成します。DAMO-YOLOtはサイズに対して優れた精度(42.0 mAP)を示し、DAMO-YOLOlはT4 TensorRT上でYOLOv10lよりわずかに高速です(7.18 ms対7.28 ms)。ただし、YOLOv10ファミリーのパラメーター効率は、制約のあるデプロイ環境で優位性をもたらします。
ユースケースと推奨事項#
YOLOv10とDAMO-YOLOのどちらを選ぶかは、プロジェクト固有の要件、デプロイの制約、エコシステムへの好みによって異なります。
YOLOv10を選ぶ場合#
YOLOv10は、次の用途に適しています:
- NMSを使用しないリアルタイム検出: 非最大抑制を使用しないエンドツーエンド検出によって、デプロイを簡素化できるアプリケーション。
- 速度と精度のバランス: さまざまなモデルスケールで、推論速度と検出精度の優れたバランスが必要なプロジェクト。
- レイテンシーが安定している必要のあるアプリケーション: ロボティクスや自律システムなど、予測可能な推論時間が重要なデプロイシナリオ。
DAMO-YOLOを選ぶケース#
DAMO-YOLOは、次の用途に適しています。
- 高スループットの動画分析: バッチサイズ1でのスループットが主要な指標となる、固定のNVIDIA GPUインフラストラクチャ上で高FPSの動画ストリームを処理する用途。
- 産業用製造ライン: 組み立てラインでのリアルタイム品質検査など、専用ハードウェア上でGPUレイテンシに厳しい制約があるシナリオ。
- ニューラルアーキテクチャ探索の研究: 自動アーキテクチャ探索 (MAE-NAS) と、効率的に再パラメーター化されたバックボーンが検出性能に与える影響を研究する用途。
Ultralytics (YOLO26)を選ぶ場合#
多くの新規プロジェクトにおいて、Ultralytics YOLO26はパフォーマンスと開発者体験を最適なバランスで提供します。
- NMSを使用しないエッジデプロイ: 非最大抑制の後処理を複雑化させずに、安定した低レイテンシー推論を必要とするアプリケーション。
- CPU-Only Environments: 専用GPUアクセラレーションを備えていないデバイスでは、YOLO26の最大43%高速なCPU推論(YOLO26n対YOLO11n)が大きな優位性をもたらします。
- 小物体検出: ドローンによる航空画像やIoTセンサー分析など、ProgLossとSTALによって小物体の精度が向上する難易度の高いシナリオに適しています。
Ultralyticsの強み#
本番環境向けのアーキテクチャを選ぶ際は、生の指標だけでなく、Ultralyticsエコシステムがサポートするモデルを利用することで、開発者や研究者にいくつかの実用的なメリットが得られます。
使いやすさと充実したエコシステム#
更新頻度が低い場合もある独立した学術リポジトリとは異なり、Ultralyticsは継続的にメンテナンスされているエコシステムを提供します。NASパイプラインに依存するモデル向けの複雑な環境をセットアップするのは困難な場合があります。これに対してUltralyticsは、充実したドキュメントに支えられた標準化済みのPython APIとCLIを提供し、カスタムビジョンソリューションの市場投入までの時間を短縮します。
トレーニング効率とメモリ要件#
大規模モデルのトレーニングは、すぐに計算コストが高くなる場合があります。Ultralytics YOLOアーキテクチャは、トレーニング時と推論時のCUDAメモリ使用量が少ないことで、従来から知られています。この効率性により、開発者はコンシューマー向けハードウェアやコスト効率の高いクラウドインスタンスでモデルをトレーニングでき、RT-DETRのようなTransformerベースのモデルでよく発生するメモリ不足エラーを避けられます。
Ultralyticsは、人気のMLOpsツールと統合できます。追加の定型コードを用意することなく、Weights & Biases、Comet、ClearMLとの連携を通じて、モデルのトレーニング状況を追跡できます。
さまざまなタスクに対応する汎用性#
YOLOv10やDAMO-YOLOを含む多くの特化型検出モデルには、検出のみに用途が限られるという制約があります。Ultralyticsエコシステムでは、YOLO11やYOLO26などのモデルが、同じツールをさまざまなコンピュータービジョンタスクに拡張し、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)検出にも対応します。
今後の展望:YOLO26の進化#
YOLOv10はYOLOモデルにNMSフリー推論を導入し、DAMO-YOLOはNASの可能性を示しました。今日、新しいプロジェクトを始める開発者には、Ultralytics YOLO26を推奨します。
2026年1月にYOLO11の後継としてリリースされたYOLO26は、YOLOv10が築いたNMSフリーの基盤を、オプションの一対一ヘッド(nms=False)を通じて受け継いでいます。
YOLO26の主な進歩は次のとおりです。
- CPU推論が最大43%高速:YOLO26nはCPU上でYOLO11nより最大43%高速に動作し、エッジコンピューティングや低消費電力デバイスに適しています。
- DFLの除去:Distribution Focal Lossを除去したことで、エクスポートが簡素化され、多様なデプロイ先との互換性が向上します。
- MuSGDオプティマイザー:SGDとMuonを組み合わせたハイブリッドで、大規模言語モデル(LLM)のトレーニング安定性と高速な収束をコンピュータービジョンにもたらします。
- ProgLoss + STAL:Progressive Lossと小物体を考慮したラベル割り当て(STAL)により、小物体の認識性能が向上します。これは農業やリモートセンシングなどの用途で重要です。
Ultralytics Platformを使えば、開発者はYOLO26などのモデルのデータ注釈、トレーニング、デプロイを1か所で行えます。
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。