YOLOv5とEfficientDetの比較
新しいコンピュータービジョンプロジェクトを始める際、適切なニューラルネットワークアーキテクチャを選ぶことは、最も重要な判断の一つです。このガイドでは、Ultralytics YOLOv5とGoogleのEfficientDetを詳しく技術比較します。アーキテクチャ、パフォーマンス指標、トレーニングエコシステムを分析し、各自のデプロイ環境に最適な物体検出モデルを開発者や研究者が特定できるよう支援します。
EfficientDetは複合スケーリングと特徴融合に新しい概念を導入しましたが、YOLOv5は直感的なPyTorch実装、シンプルなユーザー体験、速度と精度の優れたバランスを通じて、高性能な物体検出を広く利用できるようにしました。
Ultralytics YOLOv5:利用しやすさの業界標準#
2020年6月にリリースされたYOLOv5は、YOLOの系譜における大きな転換点となりました。以前のYOLOバージョンで使われていたCベースのDarknetフレームワークではなく、PyTorchでネイティブに構築され、モデルを迅速に開発、トレーニング、デプロイしたい開発者にとって、第一の選択肢となりました。
- 著者: Glenn Jocher
- 組織: Ultralytics
- 日付: 2020-06-26
- GitHub: https://github.com/ultralytics/yolov5
- ドキュメント: https://docs.ultralytics.com/models/yolov5
アーキテクチャの革新#
YOLOv5は、最適化されたアーキテクチャとシンプルな機械学習のライフサイクルで知られています。改良型CSPDarknet53バックボーンとPath Aggregation Network(PANet)ネックを採用し、複数の空間スケールにわたる特徴伝播を改善します。
主な進歩は次のとおりです。
- モザイクデータ拡張:このトレーニング手法では、異なる4枚のトレーニング画像を1枚のモザイク画像に合成します。これによりモデルは、複雑な空間コンテキストの中で物体を識別する方法を学習し、小さな対象の検出能力を高めます。
- アンカーボックスの自動学習:トレーニング開始前にYOLOv5がカスタムトレーニングデータを分析し、k-meansクラスタリングを用いて最適なアンカーボックスの寸法を自動計算します。
- メモリ効率:規模の大きなTransformerベースのモデルと比べ、YOLOv5はトレーニング時と推論時のメモリ使用量を低く保つため、コンシューマー向けハードウェアでもスムーズに動作します。
EfficientDet:スケーラブルな物体検出#
2019年にGoogle Researchが発表したEfficientDetは、スケーラブルな物体検出器のファミリーを提供することを目指しました。画像分類用のEfficientNetバックボーンを基盤とし、新しい特徴融合メカニズムを導入しています。
- 著者: Mingxing Tan、Ruoming Pang、Quoc V. Le
- 組織: Google
- 日付: 2019-11-20
- arXiv: https://arxiv.org/abs/1911.09070
- GitHub: https://github.com/google/automl/tree/master/efficientdet
- ドキュメント: https://github.com/google/automl/tree/master/efficientdet#readme
アーキテクチャの革新#
EfficientDetの中核となる特長は、スケーリングと特徴集約への体系的なアプローチです。
- BiFPN(双方向特徴ピラミッドネットワーク): 情報を上から下にのみ伝える従来のFPNとは異なり、BiFPNは学習可能な重みを導入し、異なる入力特徴の重要度を学習することで、マルチスケール特徴の高速かつ容易な融合を可能にします。
- 複合スケーリング:EfficientDetは、バックボーン、特徴ネットワーク、ボックス・クラス予測ネットワークすべての解像度、深さ、幅を同時にスケーリングします。その結果、軽量なD0から最大のD7までのモデルが得られます。
EfficientDetがTensorFlowエコシステムとAutoMLライブラリに大きく依存する一方、YOLOv5はPyTorch上でネイティブに動作し、多くの開発者にとってより直感的でPythonらしく、デバッグしやすいワークフローを提供します。
パフォーマンスと指標の比較#
これらのモデルを比較する際は、COCOデータセットなどの標準ベンチマークで性能を評価することが重要です。以下の表では、サイズ、計算量(FLOPs)、推論速度のトレードオフを示します。
| 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 |
| EfficientDet-d0 | 512 | 34.6 | - | 3.92 | 3.9 | 2.54 |
| EfficientDet-d1 | 640 | 40.5 | - | 7.31 | 6.6 | 6.1 |
| EfficientDet-d2 | 768 | 43.0 | - | 10.92 | 8.1 | 11.0 |
| EfficientDet-d3 | 896 | 47.5 | - | 19.59 | 12.0 | 24.9 |
| EfficientDet-d4 | 1024 | 49.7 | - | 33.55 | 20.7 | 55.2 |
| EfficientDet-d5 | 1280 | 51.5 | - | 67.86 | 33.7 | 130.0 |
| EfficientDet-d6 | 1280 | 52.6 | - | 89.29 | 51.9 | 226.0 |
| EfficientDet-d7 | 1536 | 53.7 | - | 128.07 | 51.9 | 325.0 |
バランスの取れた分析#
YOLOv5は、デプロイの柔軟性とハードウェアアクセラレーションとの互換性に優れています。同程度の精度では、T4 TensorRT速度がEfficientDetより大幅に高速です。たとえば、YOLOv5mは4.03 msでmAP 45.4を達成するのに対し、EfficientDet-d2は10.92 msでmAP 43.0です。このためYOLOv5は、高スループットの動画分析やリアルタイム推論パイプラインに適しています。さらにUltralyticsエコシステムでは、ONNX、CoreML、TensorRTなどのフォーマットへ、1行のコマンドでエクスポートできます。
EfficientDetは、パラメーター効率に優れています。同じパラメーター数であれば、高い平均適合率(mAP)を達成することが多くあります。しかし、BiFPNレイヤーの複雑なルーティングはメモリ帯域幅がボトルネックになる可能性があり、パラメーター効率の高さがGPU上の実時間推論の高速化に必ずしもつながるわけではありません。
エコシステムと使いやすさ#
Ultralyticsモデルを選ぶ最大の利点は、それを支えるエコシステムにあります。YOLOv5は、活発に保守されている大規模なコミュニティを持つリポジトリの一部です。
Ultralytics Platformの導入により、ユーザーはデータ収集からデプロイまでを1か所で行えるようになりました。プラットフォームは、自動アノテーション、クラウドトレーニング、モデル監視をサポートします。一方、EfficientDetのトレーニングでは、旧式のTensorFlow物体検出APIの複雑さに対応しなければならないことが多く、迅速なプロトタイピングには習得のハードルが高くなる場合があります。
さらに、YOLOv5の汎用性はバウンディングボックスにとどまりません。後続のリリースでYOLOv5リポジトリにインスタンスセグメンテーション(v7.0)と画像分類(v6.2)が追加され、複数のコンピュータービジョンタスクに対応する統一コードベースが提供されています。
最適なユースケース#
- 次の場合はYOLOv5を選択してください:迅速なプロトタイピング、シンプルなトレーニング体験、最適化されたエッジデプロイが必要な場合です。ドローン、小売分析、低レイテンシが重要なモバイルアプリケーションに最適です。
- EfficientDetを選ぶ場合: Google Cloud/TensorFlow AutoML環境のみを使用し、厳格なリアルタイムレイテンシーの制約なしに、パラメーターあたりの精度を最大化する必要がある場合に適しています。
次世代モデル:YOLO26の活用#
YOLOv5は今も信頼性の高い主力モデルですが、コンピュータービジョン分野は進歩しています。2026年に新しいプロジェクトを始める開発者には、最新かつ推奨モデルであるYOLO26をお勧めします。
YOLOv8やYOLO11など、従来モデルの成果を引き継いだYOLO26には、複数の革新が導入されています。
- エンドツーエンドNMSフリーデザイン:YOLO26のオプションのワンツーワンヘッド(
nms=False)により、非極大値抑制の後処理が不要になります。レイテンシのばらつきを抑え、デプロイアーキテクチャを簡素化します。 - CPU推論が最大43%高速:YOLO26nはCPU上でYOLO11nより最大43%高速に動作し、専用GPUを搭載しない低消費電力のエッジAIデバイスや標準的なCPUに適しています。
- MuSGDオプティマイザー: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のハイブリッドです。安定したトレーニングと高速な収束を実現します。
- 高度なトレーニング戦略:ProgLossとSTALの組み合わせにより、小さな対象の認識が向上します。これは、高高度から撮影したドローン画像やロボティクスに不可欠です。
- DFLの削除:Distribution Focal Lossを削除することでモデルのエクスポートが簡素化され、多様なハードウェアアクセラレーターとの互換性が向上します。
Ultralyticsエコシステム内の最近の他のアーキテクチャにも関心がある方は、YOLOv10やRT-DETRなどのモデルも比較できます。
Ultralytics Python APIは、モデルの世代を問わず同じインターフェースを使用します。ultralyticsパッケージでYOLOv5uの重みを使用している場合、コード内のモデルの重み文字列を変更するだけでYOLO26にアップグレードできます。オリジナルのYOLOv5リポジトリを基盤とするプロジェクトは、まずultralyticsパッケージに移行する必要があります。
コード例:トレーニングと推論#
以下は、UltralyticsパッケージでYOLOモデルをトレーニングし、推論を実行する方法です。このコードはそのまま実行でき、データセットのダウンロード、トレーニングループ、検証を自動的に処理します。
from ultralytics import YOLO
# YOLOv5uモデルを読み込みます(最新アーキテクチャを試すには'yolo26n.pt'に置き換えてください)
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サンプルデータセットでモデルを20エポック学習します
results = model.train(data="coco8.yaml", epochs=20, imgsz=640)
# ウェブ上の画像で推論を実行します
inference_results = model("https://ultralytics.com/images/bus.jpg")
# バウンディングボックス付きの画像を表示します
inference_results[0].show()ユーザー体験を重視し、エコシステムを維持し、YOLO26などのアップデートをリリースすることで、Ultralyticsは現実世界のビジョンAI課題に取り組むための最新ツールを開発者に提供します。
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。