YOLOv5とPP-YOLOE+の比較
適切なニューラルネットワークアーキテクチャの選択は、最新のコンピュータービジョンプロジェクトに欠かせません。リアルタイム物体検出向けのモデルを開発者や研究者が評価する際は、多くの場合、精度、推論速度、デプロイの容易さのバランスが判断のポイントになります。この技術比較では、YOLOv5とPP-YOLOE+のアーキテクチャ、パフォーマンス指標、トレーニング手法を検証し、アプリケーションに適したモデルの選択を支援します。
アーキテクチャを理解する#
どちらのモデルもビジョンAIに影響を与えてきましたが、物体検出の課題に対するアプローチは、構造的な手法やフレームワークへの依存関係が異なります。
Ultralytics YOLOv5:業界標準#
2020年6月にリリースされたUltralytics YOLOv5により、最先端のビジョンモデルをはるかに利用しやすくなりました。PyTorchでネイティブに構築され、世界中のPython開発者やMLエンジニアにとって導入のハードルを下げました。
YOLOv5の詳細:
- 著者: Glenn Jocher
- 組織: Ultralytics
- 日付: 2020-06-26
- GitHub: ultralytics/yolov5
- ドキュメント: YOLOv5のドキュメント
YOLOv5は改良型CSPDarknetバックボーンを採用し、パラメーター数を抑えながら豊かな特徴表現を効率的に抽出します。また、自動学習アンカーボックスを導入し、トレーニング開始前にカスタムデータセットに最適なアンカー寸法を自動計算します。さらに、モザイクデータ拡張により、小さな物体の検出能力と複雑な空間コンテキストへの汎化性能が向上します。
YOLOv5の強みの一つは汎用性です。検出のみを行うモデルとは異なり、YOLOv5リポジトリは、1つのコードベースでバウンディングボックス検出、インスタンスセグメンテーション(v7.0で追加)、画像分類(v6.2で追加)をサポートしています。また、アーキテクチャは、規模の大きなTransformerベースのネットワークよりも、トレーニング時と推論時のメモリ使用量が少なくなっています。
PP-YOLOE+:PaddlePaddle陣営のモデル#
2022年4月に発表されたPP-YOLOE+は、従来のPP-YOLOを基盤としています。BaiduがPaddlePaddleディープラーニングフレームワーク向けに開発し、平均適合率を向上させる複数のアーキテクチャ改良を導入しています。
PP-YOLOE+の詳細:
- 著者: PaddlePaddle Authors
- 組織: Baidu
- 日付: 2022-04-02
- arXiv: 2203.16250
- GitHub: PaddlePaddle/PaddleDetection
- ドキュメント: PP-YOLOE+ README
PP-YOLOE+はアンカーフリー設計とCSPRepResNetバックボーンを採用しています。Task Alignment Learning(TAL)とEfficient Task-aligned Headを取り入れ、精度を向上させています。PP-YOLOE+は高い精度を達成する一方、主な制約としてPaddlePaddleフレームワークへの依存があります。そのため、すでにPyTorchやTensorFlowを採用しているチームには、習得に時間がかかり、統合が難しくなる場合があります。
性能とベンチマーク#
これらのモデルを本番環境向けに評価する際は、精度、推論速度、パラメーター規模のトレードオフを理解することが重要です。以下の表では、サイズの異なる各モデルの主要な性能指標を示します。
| 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 |
| PP-YOLOE+t | 640 | 39.9 | - | 2.84 | 4.85 | 19.15 |
| PP-YOLOE+s | 640 | 43.7 | - | 2.62 | 7.93 | 17.36 |
| PP-YOLOE+m | 640 | 49.8 | - | 5.56 | 23.43 | 49.91 |
| PP-YOLOE+l | 640 | 52.9 | - | 8.36 | 52.2 | 110.07 |
| PP-YOLOE+x | 640 | 54.7 | - | 14.3 | 98.42 | 206.59 |
PP-YOLOE+はすべてのモデルスケールでより高いmAPを達成し、YOLOv5はすべてのスケールでより高速なT4 TensorRT推論を実現します。メモリが限られるエッジデプロイでは、表中で最速(1.12 ms)かつ最小(1.9Mパラメーター)のYOLOv5nが適しています。
Ultralyticsモデルは、効率的なトレーニングを実現するよう設計されています。RT-DETRなどのTransformerベースの検出器と比べ、YOLOv5はCUDAメモリの使用量が少ないため、より大きなバッチサイズやコンシューマー向けハードウェアでトレーニングできます。
Ultralyticsの強み:エコシステムと使いやすさ#
機械学習アーキテクチャの価値は、数値だけではなく、開発者体験全体に及びます。Ultralytics Platformとそのオープンソースツールは、適切に保守されたエコシステムを提供し、開発サイクルを短縮します。
- 使いやすさ: Ultralyticsは複雑な定型コードを抽象化します。直感的なPython APIまたはCLIを使って、モデルのトレーニング、検証、テストを実行できます。
- デプロイの柔軟性:モデルのエクスポートは簡単です。1つのコマンドで、トレーニング済みYOLOv5の重みをONNX、TensorRT、OpenVINOなどのフォーマットに変換し、エッジ環境とクラウド環境の幅広い互換性を確保できます。
- 活発なコミュニティ:大規模なコミュニティと活発なメンテナンスにより、頻繁なアップデート、充実したドキュメント、コンピュータービジョンの一般的な課題に対する十分にテストされたソリューションが提供されています。
対照的に、PP-YOLOE+はPaddleDetection固有の複雑な設定ファイルに大きく依存するため、迅速なプロトタイピングが遅れ、最新のMLOpsパイプラインへの統合も複雑になる可能性があります。
実用的な実装とコード例#
Ultralyticsは簡単に使い始められます。以下は、事前学習済みYOLOv5uモデルを読み込み、COCO8サンプルデータセットでトレーニングし、推論を実行して結果をエクスポートする、実行可能な完全なサンプルです。
from ultralytics import YOLO
# 事前学習済みYOLOv5のSmallモデルを読み込む
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データセットでモデルを50エポックトレーニングする
train_results = model.train(data="coco8.yaml", epochs=50, imgsz=640)
# サンプル画像で推論を実行する
predict_results = model("https://ultralytics.com/images/bus.jpg")
# 最適化されたモデルをONNX形式にエクスポートします
path = model.export(format="onnx")ユースケースと推奨事項#
YOLOv5とPP-YOLOE+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。
PP-YOLOE+を選ぶ場合#
PP-YOLOE+は、次のような用途におすすめです。
- PaddlePaddleエコシステムとの統合: BaiduのPaddlePaddleフレームワークとツールを基盤とする既存インフラストラクチャを持つ組織。
- Paddle Liteによるエッジデプロイ: Paddle LiteまたはPaddle推論エンジン向けに特別に最適化された推論カーネルを備えるハードウェアへのデプロイ。
- サーバー側での高精度検出: フレームワークへの依存が問題にならない、強力なGPUサーバー上で検出精度を最大化することを優先するシナリオ。
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。
検討すべきその他の最先端モデル#
YOLOv5は実績のある標準モデルですが、コンピュータービジョンの分野は急速に進化しています。新しいプロジェクトを始めるチームには、Ultralyticsの新しいアーキテクチャを推奨します。
Ultralytics YOLO26#
2026年1月にリリースされたYOLO26は、最新のUltralyticsモデルファミリーであり、従来世代よりも精度と速度の両方が向上しています。主な革新点は次のとおりです。
- エンドツーエンドNMSフリーデザイン:YOLOv10のコンセプトを発展させたYOLO26のオプションのワンツーワンヘッド(
nms=False)は、非極大値抑制(NMS)の後処理を省略し、レイテンシを削減してデプロイロジックを簡素化します。 - DFLの削除:Distribution Focal Lossを削除したYOLO26nは、YOLO11nよりもCPU推論が最大43%高速で、低消費電力のエッジデバイスに適しています。
- MuSGDオプティマイザー: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。
- ProgLoss + STAL:Progressive Lossと小物体を考慮したラベル割り当てにより、小物体認識が向上します。ドローン画像やスマート農業では、特に重要です。
また、YOLO11もご検討ください。高いパフォーマンスを備え、レガシーシステムとYOLO26の間をつなぐ、信頼性の高い完全サポート対象モデルです。
実際のユースケース#
YOLOv5とPP-YOLOE+のどちらを選ぶかは、最終的にはデプロイ環境とプロジェクトの制約によって決まります。
YOLOv5に適したアプリケーション: YOLOv5はリソース要件が低く使いやすいため、エッジAIで広く選ばれています。リアルタイムのロボティクス、モバイルアプリケーションとの統合、複数カメラによる交通監視システムなど、限られたハードウェアで高いフレームレートが必要な用途で優れた性能を発揮します。同じフレームワーク内でインスタンスセグメンテーションと画像分類をサポートするため、柔軟に活用できます。
PP-YOLOE+に適したアプリケーション: PP-YOLOE+は、推論の速さよりも最高の精度が重視される場面や、技術スタックがすでにBaiduのPaddlePaddleエコシステム上に構築されている組織の産業検査パイプラインに最適です。
まとめると、PP-YOLOE+は高い精度のベンチマーク結果を示しますが、Ultralytics YOLOモデルは、優れたパフォーマンスのバランス、簡単なデプロイ、開発者に使いやすい設計を兼ね備え、コンピュータービジョンプロジェクトの構想から本番運用への移行を支援します。
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。