YOLOv5とDAMO-YOLOの比較
リアルタイムコンピュータービジョンの状況は絶えず変化しており、研究者やエンジニアは精度、速度、使いやすさの最適なバランスを追求しています。この進化を形作ってきた代表的な2つのモデルが、Ultralytics YOLOv5とAlibabaのDAMO-YOLOです。
このガイドでは、アーキテクチャ、性能指標、トレーニング手法を詳しく技術的に分析し、次のデプロイに適したモデル選びを支援します。
モデルの背景#
技術的な詳細を比較する前に、これらの影響力あるビジョンモデルそれぞれの起源と、主な設計思想を理解することが重要です。
Ultralytics YOLOv5#
Glenn JocherとUltralyticsのチームが開発したYOLOv5は、リリース以来、業界標準となっています。PyTorchフレームワーク上にネイティブに構築され、すぐに使えるシンプルな開発者体験と堅牢なデプロイ機能を重視しました。
- 著者: Glenn Jocher
- 組織: Ultralytics
- 日付: 2020-06-26
- GitHub: ultralytics/yolov5
- ドキュメント: Ultralytics YOLOv5ドキュメント
DAMO-YOLO#
Alibaba Groupの研究者が開発したDAMO-YOLOは、ニューラルアーキテクチャ探索(NAS)と知識蒸留の手法を重視しています。ハードウェア固有のパフォーマンスを目標とし、広範なチューニングが必要な研究環境やデプロイ環境を対象としています。
- 著者: Xianzhe Xu、Yiqi Jiang、Weihua Chen、Yilun Huang、Yuan Zhang、Xiuyu Sun
- 組織: Alibaba Group
- 日付: 2022-11-23
- arXiv: 2211.15444v2
- GitHub:tinyvision/DAMO-YOLO
アーキテクチャの革新#
どちらのモデルも独自の構造コンセプトを活用してリアルタイム性能を実現していますが、アプローチには大きな違いがあります。
YOLOv5:安定性と汎用性#
YOLOv5は、改良型CSP(Cross Stage Partial)バックボーンとPANet(Path Aggregation Network)ネックを組み合わせています。この構造は効率的で、トレーニング時と推論時のCUDAメモリ使用量を低く抑えます。
YOLOv5の最大の強みの一つは、タスク間の汎用性です。バウンディングボックス予測に加え、オリジナルのYOLOv5リポジトリには、インスタンスセグメンテーション(v7.0)と画像分類(v6.2)専用のアーキテクチャが用意されており、開発者は一貫性のある単一のフレームワークを中心にビジョンパイプラインを標準化できます。
DAMO-YOLO:自動アーキテクチャ探索#
DAMO-YOLOの中心的な革新は、MAE-NASバックボーンです。最大エントロピーに基づく探索を用いて、Alibabaのチームは特定のレイテンシ予算内で検出精度と推論速度のバランスを取るバックボーンを発見しました。
さらに、複雑なスケール変動がよく見られる衛星画像解析に特に有効な、特徴融合を向上させるEfficient RepGFPNネックを備えています。ZeroHead設計は最終的な予測レイヤーを簡素化してレイテンシを低減しますが、この複雑な構造生成によってアーキテクチャが硬直化し、カスタムアプリケーション向けの変更が難しくなる場合があります。
Transformerベースのアーキテクチャは、多くの場合、大量のGPUメモリを必要とします。YOLOv5とDAMO-YOLOはどちらも効率的な畳み込み設計によってメモリ使用量を抑えています。また、Ultralyticsモデルはコンシューマー向けGPUでトレーニングできるよう設計されているため、個人の研究者やスタートアップでも利用しやすくなっています。
パフォーマンスとメトリクス#
リアルタイム物体検出器を評価する際は、mAP(平均適合率)、推論速度、モデルサイズを総合的に確認する必要があります。
| 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) |
|---|---|---|---|---|---|---|
| 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 |
| 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 |
同程度のパラメーター数ではDAMO-YOLOのmAPがYOLOv5を上回ります。たとえば、DAMO-YOLOsは16.3MパラメーターでmAP 46.0を達成するのに対し、パラメーター数21.2MのYOLOv5mはmAP 45.4です。YOLOv5は最速のTensorRT速度を提供し、nano構成とsmall構成で最も少ないパラメーター数を実現しているため、レイテンシが重視されるエッジデプロイに適しています。
トレーニング効率とエコシステム#
モデルの理論上の精度は、実際に導入できて初めて価値を発揮します。この点で、両モデルには大きな違いがあります。
蒸留の複雑さ#
DAMO-YOLOは、多段階のトレーニング手法に大きく依存しています。AlignedOTAによるラベル割り当てと、教師・生徒方式の知識蒸留を組み合わせています。これにより生徒モデルの性能を最大限に引き出せますが、最初に大規模な教師モデルをトレーニングする必要があります。その結果、計算時間、エネルギーコスト、必要なハードウェアが増え、小規模なMLチームでは進行が遅くなることがあります。
Ultralyticsの強み:使いやすさ#
一方、Ultralyticsエコシステムは、直感的なAPIとトレーニング効率で知られています。活発な開発と大規模なオープンソースコミュニティに支えられ、開発者は最小限のセットアップでモデルのトレーニング、検証、デプロイを行えます。
from ultralytics import YOLO
# 事前トレーニング済みのYOLOv5モデルを読み込みます
model = YOLO("yolov5su.pt") # YOLOv5u: ultralyticsパッケージ向けのアンカーフリーYOLOv5重み
# COCO8のサンプルデータセットでトレーニングする
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# デプロイ用にONNX形式へエクスポートします
model.export(format="onnx")Ultralyticsは、Weights & BiasesやCometなどとの連携を通じて、実験トラッキング機能も標準で提供しています。
実際のユースケース#
- YOLOv5は、スピードが求められる本番環境に適しています。シンプルなエクスポートにより、スマート小売分析、高速な製造ラインでの欠陥検出、CoreMLを利用したモバイルアプリケーションで広く選ばれています。
- DAMO-YOLOは、学術的なベンチマークや、特定の固定ハードウェア上でmAPをさらに高めるために、十分な計算リソースを使った長時間の蒸留トレーニングを実施できる環境に適しています。
ユースケースと推奨事項#
YOLOv5とDAMO-YOLOのどちらを選ぶかは、プロジェクト固有の要件、デプロイ上の制約、エコシステムに関する好みによって異なります。
YOLOv5を選ぶ場合#
YOLOv5は、次のような場合に適しています。
- 本番環境での実績:YOLOv5の長年にわたる安定性の実績、充実したドキュメント、大規模なコミュニティが重視される既存のデプロイ環境に適しています。
- リソースが限られたトレーニング: GPUリソースが限られており、YOLOv5の効率的なトレーニングパイプラインと低いメモリ要件が有利となる環境です。
- 幅広いエクスポート形式への対応: ONNX、TensorRT、CoreML、LiteRTなど、多様な形式でのデプロイが必要なプロジェクトです。
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のみの環境: 専用GPUによる高速化機能のないデバイスでは、YOLO26nはCPU上でYOLO11nより最大43%高速に動作します。
- 小物体検出: ドローンによる空撮画像やIoTセンサー分析などの難しいシナリオでは、ProgLossとSTALが小さな物体の精度を向上させます。
次世代への進化:YOLO26#
新しいプロジェクトを始める場合は、YOLOv5の基盤を引き継ぎ、アーキテクチャとトレーニングの両面で複数の進歩を取り入れたUltralytics YOLO26をご検討ください。
YOLO26はエンドツーエンドNMSフリーデザインを採用しています。オプションのワンツーワンヘッド(nms=False)は非極大値抑制の後処理を省略し、より高速でシンプルなデプロイを実現します。
YOLO26の主な革新点は次のとおりです。
- MuSGDオプティマイザー:LLMのトレーニングにおける革新に着想を得た、SGDとMuonのハイブリッドです。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:YOLO26nはCPU上でYOLO11nより最大43%高速に動作するため、専用GPUを搭載しないエッジコンピューティングやIoTデバイスに適しています。
- ProgLoss + STAL:Progressive Lossと小物体を考慮したラベル割り当て戦略により、小物体の認識が向上します。航空ドローン画像やロボティクスでは、特に重要です。
- タスク固有の改良:回転バウンディングボックス(OBB)向けの専用角度損失から、正確な姿勢推定向けのResidual Log-Likelihood Estimation(RLE)まで、YOLO26はサポートする各タスクに改良を取り入れています。
結論#
YOLOv5とDAMO-YOLOは、どちらも物体検出の歴史に名を刻んでいます。DAMO-YOLOは、ニューラルアーキテクチャ探索と蒸留に関する興味深い研究例として位置付けられます。適切に保守されたエコシステム、使いやすさ、本番環境への迅速な移行を重視する組織には、Ultralyticsモデルがより適しています。
Ultralytics Platformを使うと、YOLO26などの新しいモデルでアノテーション、トレーニング、デプロイを行い、高速で正確、かつ保守しやすいコンピュータービジョンパイプラインを構築できます。
関連情報#
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。