YOLOv5 vs. DAMO-YOLO：詳細な技術比較
適切な物体検出モデルの選択は、精度、速度、デプロイメントの容易さの必要性のバランスを取る上で重要な決定です。このページでは、効率性と使いやすさで知られる業界標準であるUltralytics YOLOv5と、検出精度の限界を押し広げるAlibaba GroupのモデルであるDAMO-YOLOという、2つの強力なモデルの詳細な技術比較を提供します。
どちらのモデルも大きな貢献をしていますが、YOLOv5は、成熟した適切にメンテナンスされたエコシステムと、パフォーマンスの優れたバランスで際立っており、幅広い現実世界のアプリケーションにとって非常に実用的な選択肢となっています。アーキテクチャ、パフォーマンス指標、理想的なユースケースを詳しく掘り下げて、次回のコンピュータビジョンプロジェクトで情報に基づいた意思決定を行うのに役立てます。
Ultralytics YOLOv5：確立された業界標準
Author: Glenn Jocher
Organization: Ultralytics
Date: 2020-06-26
GitHub: https://github.com/ultralytics/yolov5
Docs: https://docs.ultralytics.com/models/yolov5/
2020年にリリースされたUltralytics YOLOv5は、急速に世界で最も人気のある物体検出モデルの1つになりました。その成功は、卓越した速度、信頼性の高い精度、そして比類のない使いやすさを基盤としています。PyTorchで開発されたYOLOv5は、迅速なトレーニング、堅牢な推論、そして簡単なデプロイメントのために設計されており、開発者や研究者にとって頼りになるソリューションとなっています。
アーキテクチャと主な機能
YOLOv5のアーキテクチャは、CSPDarknet53バックボーン、特徴集約のためのPANetネック、およびアンカーベースの検出ヘッドで構成されています。この設計は非常に効率的でスケーラブルであり、さまざまな計算予算とパフォーマンスのニーズに合わせて、さまざまなサイズ（n、s、m、l、x）で提供されます。このモデルの主な強みは、そのアーキテクチャだけでなく、Ultralyticsによって構築された周辺のエコシステムにもあります。
長所
- 卓越した速度と効率性: YOLOv5は高速な推論のために高度に最適化されており、高性能GPUからリソース制約のあるエッジデバイスまで、幅広いハードウェアでのリアルタイムアプリケーションに最適です。
- 使いやすさ: YOLOv5はその効率的なユーザーエクスペリエンスで知られており、シンプルなPythonとCLIインターフェース、広範なドキュメント、および迅速なセットアッププロセスを提供します。
- 充実したエコシステム: YOLOv5は、活発な開発、大規模で役立つコミュニティ、頻繁なアップデート、およびノーコードトレーニングとデプロイメントのためのUltralytics HUBのような強力なツールを含む、包括的なUltralyticsエコシステムによってサポートされています。
- パフォーマンスのバランス： 推論速度と検出精度との間で優れたトレードオフを実現しており、多様な現実世界の展開シナリオにおいて実用的で信頼性の高い選択肢となります。
- 多様性: YOLOv5は、物体検出だけでなく、インスタンスセグメンテーションや画像分類もサポートしており、複数のビジョンタスクに対応する柔軟なソリューションを提供します。
- Training Efficiency: YOLOv5 は、効率的なトレーニングプロセス、すぐに利用できる事前学習済みウェイトを特徴とし、一般的に、多くの競合するアーキテクチャよりも必要なメモリが少なく、より迅速な開発サイクルを可能にします。
弱点
- 精度: 当時は非常に高精度でしたが、COCOなどのベンチマークでは、DAMO-YOLOのような新しいモデルの方が高いmAPスコアを達成できます。特に、より大型のモデルバリアントでその傾向が見られます。
- Anchor-Based: 事前に定義されたアンカーボックスに依存するため、アンカーフリーのアプローチと比較して、慣例的でないオブジェクト形状のデータセットでは、より多くの調整が必要になる場合があります。
ユースケース
YOLOv5は、以下のようなリアルタイム物体検出シナリオに優れています。
- セキュリティシステム: 盗難防止や異常検知などのアプリケーション向けリアルタイム監視。
- ロボティクス： ロボットがリアルタイムで環境を認識し、インタラクトできるようにします。自律的なナビゲーションと操作に不可欠です。
- 産業オートメーション: 製造プロセスにおける品質管理と欠陥検出、リサイクル効率と生産ラインの監視を強化します。
- エッジAIデプロイメント: オンデバイス処理のために、Raspberry PiやNVIDIA Jetsonのようなリソースが限られたデバイス上で効率的にオブジェクト検出を実行します。
DAMO-YOLO：精度重視の検出
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
ドキュメント: https://github.com/tinyvision/DAMO-YOLO/blob/master/README.md
DAMO-YOLOは、Alibaba Groupが開発した物体検出モデルです。2022年後半に発表され、アーキテクチャにいくつかの新しい技術を組み込むことで、高い精度と効率的な推論のバランスを実現することに重点を置いています。
アーキテクチャと主な機能
DAMO-YOLOは、いくつかの革新的なコンポーネントを導入しています。
- NAS Backbones: Neural Architecture Search (NAS) を利用して、バックボーンネットワークを最適化します。
- Efficient RepGFPN: 特徴融合を改善するために、Reparameterized Gradient Feature Pyramid Networkを採用しています。
- ZeroHead: 計算オーバーヘッドを最小限に抑えるように設計されたデカップリングされた検出ヘッド。
- AlignedOTA： トレーニング中のラベル割り当てを改善するための、Aligned Optimal Transport Assignment戦略を備えています。
- Distillation Enhancement: 知識蒸留の手法を取り入れて、性能を向上させます。
長所
- 高精度： 特に大型モデルバリアントにおいて、優れた検出精度を示す高いmAPスコアを達成しています。
- 革新的な技術： 標準的なアーキテクチャを超えてパフォーマンスを向上させることを目的とした、AlignedOTAやRepGFPNのような新しい手法を取り入れています。
弱点
- 統合の複雑さ: 特にUltralyticsエコシステム内の効率化されたエクスペリエンスと比較して、既存のワークフローに統合するには、より多くの労力がかかる場合があります。
- エコシステムのサポート： ドキュメントとコミュニティサポートは、十分に確立され、活発にメンテナンスされているYOLOv5と比較して少ない可能性があります。
- タスクの汎用性: 主に物体検出に重点を置いており、後のUltralyticsモデルにあるようなセグメンテーションや分類などの他のタスクに対する組み込みサポートが不足している可能性があります。
ユースケース
DAMO-YOLOは、高い検出精度が最も重要な用途に最適です。
- 高精度アプリケーション: 詳細な画像解析、医療画像処理、科学研究。
- 複雑なシナリオ： 遮蔽された物体が存在する環境、または詳細なシーンの理解を必要とする環境。
- 研究開発: 高度な物体検出アーキテクチャの研究。
性能分析：速度 vs. 精度
次の表は、COCO val2017データセットでのYOLOv5およびDAMO-YOLOモデルのパフォーマンスを比較しています。YOLOv5は並外れたバランスを示し、YOLOv5nはCPUとGPUの両方で比類のない速度を提供し、より大きなモデルは依然として非常に競争力があります。
| モデル | サイズ (ピクセル) |
mAPval 50-95 |
速度 CPU ONNX (ms) |
速度 T4 TensorRT10 (ms) |
params (M) |
FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv5n | 640 | 28.0 | 73.6 | 1.12 | 2.6 | 7.7 |
| YOLOv5s | 640 | 37.4 | 120.7 | 1.92 | 9.1 | 24.0 |
| YOLOv5m | 640 | 45.4 | 233.9 | 4.03 | 25.1 | 64.2 |
| YOLOv5l | 640 | 49.0 | 408.4 | 6.61 | 53.2 | 135.0 |
| YOLOv5x | 640 | 50.7 | 763.2 | 11.89 | 97.2 | 246.4 |
| 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 |
DAMO-YOLOモデルは高いmAPを達成していますが、YOLOv5は、特にリアルタイムアプリケーションにおいて、より実用的な速度と精度のトレードオフを提供します。YOLOv5のCPUベンチマークが利用可能であることは、GPUが利用できない可能性のある、より幅広いハードウェアプラットフォームへの展開への適合性をさらに強調しています。
結論: どのモデルを選ぶべきか？
YOLOv5とDAMO-YOLOはいずれも手ごわい物体検出モデルですが、それぞれ異なる優先順位に対応しています。
-
DAMO-YOLOは、最先端の精度、特に複雑なシーンでの精度達成に重点を置く研究者や開発者にとって、優れた選択肢となります。その革新的なアーキテクチャは、学術的な探求や、精度が最優先されるアプリケーションのための強力な基盤を提供します。
-
しかしながら、Ultralytics YOLOv5は、依然として、実用的で現実的なアプリケーションの大部分にとって、より優れた選択肢です。その速度と精度の素晴らしいバランスは、使いやすさ、トレーニング効率、そして汎用性と組み合わさり、非常に効果的です。重要な差別化要因は、十分にメンテナンスされたUltralyticsエコシステムであり、トレーニングからデプロイまで、堅牢なサポート、豊富なドキュメント、シームレスなユーザーエクスペリエンスを提供します。これにより、開発時間と複雑さが大幅に軽減されます。
信頼性が高く、高性能で、統合が容易なモデルを求める開発者にとって、YOLOv5は明らかな勝者です。この基盤をさらに高度な機能で構築したいと考えている人には、YOLOv8やYOLO11のような新しいUltralyticsモデルが、同じユーザーフレンドリーな原則を維持しながら、精度と汎用性をさらに向上させます。
他の比較を検討して、これらのモデルがこの分野の他のモデルと比べてどうなのかを確認してください。
