YOLOv10とYOLO11#
リアルタイムコンピュータービジョンモデルを選ぶには、現在のアーキテクチャ間のトレードオフを理解する必要があります。この比較では、優れた性能を持つ2つの物体検出フレームワーク、YOLOv10とUltralytics YOLO11の技術的な違い、性能上のトレードオフ、最適なユースケースを解説します。
どちらのモデルもベンチマークデータセットで優れた結果を達成していますが、設計思想とエコシステムとの統合には大きな違いがあります。それぞれのアーキテクチャを検討することで、デプロイ上の制約やプロジェクトの目標に最も適したモデルを判断できます。
YOLOv10：NMSフリーのリアルタイム検出#
2024年春にリリースされたYOLOv10は、後処理に伴うレイテンシのオーバーヘッドに直接対処し、従来の物体検出パイプラインに新たなアプローチを導入しました。
- 著者: Ao Wang、Hui Chen、Lihao Liuほか
- 組織: 清華大学
- 日付: 2024年5月23日
- 研究論文: arXiv:2405.14458
- ソースコード: GitHub上のTHU-MIG/yolov10
- ドキュメント: YOLOv10ドキュメント
YOLOv10の際立った革新は、NMSフリートレーニングを可能に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予測を除去するために非極大値抑制（NMS）を使用します。この手順を取り除くことで、YOLOv10は真のエンドツーエンド検出を実現し、推論レイテンシを低減します。また、ニューラル処理ユニット（NPUs）のようにカスタムNMS処理の最適化が難しいハードウェアアクセラレーターへのデプロイも簡素化します。
YOLO11: エコシステムを活かした汎用性と性能#
同年後半にリリースされたYOLO11は、Ultralyticsモデルファミリーの改良をさらに進め、速度、精度、開発者エクスペリエンスのバランスに注力しました。
- 著者: Glenn Jocher、Jing Qiu
- 組織: Ultralytics
- 日付: 2024年9月27日
- ソースコード: GitHub上のUltralytics
- プラットフォーム統合: Ultralytics Platform
YOLO11は本番環境向けに設計されています。標準的なバウンディングボックス検出に優れている一方、真価はその汎用性にあります。主に物体検出に特化したYOLOv10とは異なり、YOLO11は統合アーキテクチャでインスタンスセグメンテーション、画像分類、ポーズ推定、Oriented Bounding Box（OBB）タスクにネイティブ対応します。また、トレーニング時のメモリ要件が低いため、より大規模なTransformerベースのアーキテクチャと比べ、一般向けGPUを使用するチームでも導入しやすくなっています。
パフォーマンスと指標の比較#
これらのモデルを直接比較する際は、COCOデータセットなどの標準的なベンチマークで、異なるスケールのバリエーションごとの性能を確認することが重要です。
YOLO11は、同じサイズのモデル同士で比較した場合、あらゆるサイズでYOLOv10を0.2～1.0ポイント上回るmAPを達成し、TensorRT速度もほぼ同等です。nおよびlスケールではYOLO11が明確に高速で、sおよびmモデルはほぼ同等です。一方、YOLOv10xはYOLO11xより高速で、パラメーター数は約半分です。
| 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) |
|---|---|---|---|---|---|---|
| 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 |
| 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 |
これらの推論速度をローカルで再現するには、Intel CPU向けのOpenVINOやNVIDIA GPU向けのTensorRTなど、最適化された形式にモデルをエクスポートしてください。
アーキテクチャの詳細#
トレーニング手法と効率#
YOLOv10のアーキテクチャは、計算上の冗長性を減らすことを重視しています。効率と精度を総合的に重視する戦略でバックボーンとネックの設計を最適化することで、清華大学の著者らは、従来のバージョンと比べて中規模モデル（YOLOv10mなど）のパラメーター数を削減しました。
トレーニング効率はUltralyticsモデルの特徴です。YOLO11はultralytics Pythonパッケージを使用し、複雑なハイパーパラメーターのチューニングを抽象化します。このフレームワークは、高度なデータ拡張、学習率スケジューリング、マルチGPU分散トレーニングを標準で自動処理します。YOLO11はトレーニング時のVRAM使用量も低く抑えます。
使いやすさとエコシステムの利点#
エンタープライズでの導入における重要な要素は、適切にメンテナンスされたエコシステムです。研究用リポジトリは、論文の初回公開後に活動が低下することがよくあります。YOLO11を支えるUltralyticsエコシステムは、積極的にメンテナンスされるエンドツーエンドの開発者エクスペリエンスを提供します。
実験管理用のWeights & Biasesやデータセット管理用のRoboflowなどのツールと連携することで、YOLO11はプロトタイプから本番環境への移行を加速します。シンプルなAPIに表れている使いやすさにより、開発者は数行のコードでモデルをトレーニングし、エクスポートできます。
from ultralytics import YOLO
# YOLO11のsmallモデルを初期化します
model = YOLO("yolo11s.pt")
# 最適化されたメモリ管理でモデルを効率よくトレーニングします
results = model.train(data="coco8.yaml", epochs=50, imgsz=640, device="0")
# 柔軟にデプロイできるよう、ONNX形式にエクスポートします
model.export(format="onnx")ユースケースと推奨事項#
YOLOv10とYOLO11のどちらを選ぶかは、プロジェクト固有の要件、デプロイ時の制約、エコシステム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。
YOLO11を選ぶ場合#
YOLO11は、次の用途に推奨されます:
- 本番環境でのエッジデプロイメント: 信頼性と継続的なメンテナンスが最優先となる、Raspberry PiやNVIDIA Jetsonなどのデバイス上での商用アプリケーション。
- マルチタスクのビジョンアプリケーション: 検出、セグメンテーション、分類、姿勢推定、OBBを単一の統合フレームワーク内で必要とするプロジェクト。
- 迅速なプロトタイピングとデプロイメント: 効率化されたUltralytics Python APIを使って、データ収集から本番環境への移行を迅速に進めたいチーム。
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。
その他のアーキテクチャを検討する#
YOLOv10とYOLO11は優れた選択肢ですが、用途によってはドキュメントで紹介されているほかのアーキテクチャが適している場合もあります。アテンションベースの検出には、RT-DETRのようなTransformerモデルが高い精度を発揮しますが、通常はより多くのメモリを必要とします。再トレーニングせずに新しいクラスを識別するゼロショット機能が必要な場合は、YOLO-Worldが自然言語プロンプトを活用したオープンボキャブラリー方式を提供します。
次世代モデル: YOLO26#
2026年1月にリリースされたUltralytics YOLO26は、上記2モデルの長所を組み合わせており、新規デプロイに推奨されるモデルです。
先行モデルの基盤を引き継ぐYOLO26は、オプションのエンドツーエンドNMSフリー設計（nms=False）を備え、Ultralyticsフレームワーク内で、YOLOv10が最初に取り組んだ後処理のボトルネックを取り除きます。また、YOLO26はDFLの削除（Distribution Focal Loss）により、モデルのエクスポートグラフを簡素化し、エッジデバイスや低消費電力のIoTデバイスとの互換性を高めます。
MuSGD Optimizerにより、トレーニングの安定性が向上します。これは大規模言語モデル（LLM）のトレーニング手法に着想を得た、SGDとMuonのハイブリッドで、収束を高速化します。ProgLoss + STAL（Progressive Loss and Small-Target-Aware Label Assignment）と組み合わせることで、YOLO26は小さな物体の認識性能を高めます。標準的なエッジデバイスでは、こうした改良により、YOLO26nはYOLO11nよりCPU上で最大43%高速に動作します。また、YOLO26は検出、セグメンテーション、セマンティックセグメンテーション、深度推定、分類、ポーズ推定、OBBに対応します。