YOLO Vision 2026:

YOLOv5 vs PP-YOLOE+#

適切なニューラルネットワークアーキテクチャを選択することは、現代のコンピュータビジョンプロジェクトにおいて不可欠です。開発者や研究者がリアルタイム物体検出モデルを評価する際、多くの場合、精度、推論速度、展開の容易さのバランスが重要な判断基準となります。この技術比較では、YOLOv5と**PP-YOLOE+**を取り上げ、そのアーキテクチャ、パフォーマンス指標、および学習方法を検討し、アプリケーションに最適なソリューションを選択するための手助けをします。

アーキテクチャの理解#

両モデルともビジョンAIの領域に大きな影響を与えてきましたが、物体検出の課題へのアプローチにおいて、構造的な手法やフレームワークの依存関係が異なります。

Ultralytics YOLOv5：業界標準#

2020年中頃にリリースされた Ultralytics YOLOv5 は、最先端のビジョンモデルのアクセシビリティに革命をもたらしました。YOLOファミリーにおける初のネイティブな PyTorch 実装として、世界中のPython開発者やMLエンジニアの参入障壁を劇的に引き下げました。

YOLOv5の詳細:

YOLOv5は改良されたCSPDarknetバックボーンを採用しており、軽量なパラメータ数を維持しながら豊かな特徴表現を効率的に捉えます。また、アンカーボックスの自動学習を導入し、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の統合により、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大幅に強化されています。

YOLOv5の最大の強みの1つは、その圧倒的な汎用性です。標準的なオブジェクト検出器とは異なり、YOLOv5ファミリーは統合されたAPI内で、image classification（画像分類）、instance segmentation（インスタンスセグメンテーション）、およびバウンディングボックス検出をシームレスにサポートします。また、高度に最適化されたアーキテクチャにより、重いTransformerベースのネットワークと比較して、トレーニングおよび推論時のメモリ使用量を大幅に削減できます。

YOLOv5の詳細はこちら

PP-YOLOE+: PaddlePaddleの対抗馬#

約2年後に登場したPP-YOLOE+は、それ以前のPP-YOLOシリーズの基盤の上に構築されています。Baiduのディープラーニングフレームワークの性能を示すために開発され、mAP（平均精度）を向上させるためにいくつかのアーキテクチャ上の改良が加えられています。

PP-YOLOE+の詳細:

PP-YOLOE+ はアンカーフリーのパラダイムに依存し、CSPRepResNetバックボーンを利用しています。精度を向上させるために、強力なTask Alignment Learning技術と効率的なTask-aligned Headを組み込んでいます。PP-YOLOE+は印象的な精度スコアを達成する一方で、その主な弱点は PaddlePaddle フレームワークへの厳格な依存性にあります。これにより、PyTorchやTensorFlowの環境にすでに深く投資している研究チームや企業にとって、急な学習曲線やエコシステムの摩擦が生じることがよくあります。

PP-YOLOE+の詳細はこちら

性能とベンチマーク#

本番環境向けにこれらのモデルを評価する際には、精度、推論速度、およびパラメータフットプリントの間のトレードオフを理解することが不可欠です。以下の表は、さまざまなサイズバリアントにおける主要な performance metrics（パフォーマンス指標）の概要を示しています。

モデルサイズ
(ピクセル)		mAPval
50-95		速度
CPU ONNX
(ms)		速度
T4 TensorRT10
(ms)		パラメータ
(M)		FLOPs
(B)
YOLOv5n64028.073.61.122.67.7
YOLOv5s64037.4120.71.929.124.0
YOLOv5m64045.4233.94.0325.164.2
YOLOv5l64049.0408.46.6153.2135.0
YOLOv5x64050.7763.211.8997.2246.4
PP-YOLOE+t64039.9-2.844.8519.15
PP-YOLOE+s64043.7-2.627.9317.36
PP-YOLOE+m64049.8-5.5623.4349.91
PP-YOLOE+l64052.9-8.3652.2110.07
PP-YOLOE+x64054.7-14.398.42206.59

PP-YOLOE+は高い精度限界を達成しますが、YOLOv5は制限されたハードウェアにおいて一貫して優れたパラメータ効率と高速な推論性能を発揮します。メモリが限られているエッジ展開においては、YOLOv5nが比類のない速度と極めて小さなフットプリントを提供します。

メモリ効率

Ultralyticsのモデルは、トレーニング効率を重視して特別に設計されています。RT-DETR のような重いビジョンTransformerと比較して、YOLOv5は大幅に少ないCUDAメモリを使用するため、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のトレーニングが可能です。

Ultralyticsの利点：エコシステムと使いやすさ#

機械学習アーキテクチャの真の価値は、生の数値の枠を超え、開発者体験全体に及びます。Ultralytics Platform とそれに対応するオープンソースツールは、開発サイクルを劇的に加速させる、高度に洗練され保守されたエコシステムを提供します。

  • 使いやすさ: Ultralyticsは複雑なボイラープレートコードを抽象化します。直感的な Python API またはCLIを使用して、モデルのトレーニング、検証、およびテストを行うことができます。
  • デプロイの柔軟性: モデルのエクスポートは非常に簡単です。単一のコマンドで、トレーニング済みのYOLOv5ウェイトを ONNX、TensorRT、またはOpenVINOなどのフォーマットに変換でき、エッジおよびクラウド環境全体で幅広い互換性を確保できます。
  • 活発なコミュニティ: 活気あるコミュニティにより、頻繁なアップデート、詳細なドキュメント、および一般的なコンピュータビジョンの課題に対する堅牢な解決策が保証されています。

対照的に、PP-YOLOE+はPaddleDetection特有の複雑な設定ファイルに大きく依存しており、これが迅速なプロトタイピングを遅らせ、最新のMLOpsパイプラインへの統合を複雑にする可能性があります。

実践的な実装とコード例#

Ultralyticsを使い始めるのは驚くほど簡単です。以下は、事前学習済みのYOLOv5モデルを読み込み、カスタムデータセットでトレーニングし、結果をエクスポートする方法を示す、完全に実行可能な例です。

from ultralytics import YOLO

# Load a pretrained YOLOv5 small model
model = YOLO("yolov5s.pt")

# Train the model on the COCO8 dataset for 50 epochs
train_results = model.train(data="coco8.yaml", epochs=50, imgsz=640)

# Run inference on a sample image
predict_results = model("https://ultralytics.com/images/bus.jpg")

# Export the optimized model to ONNX format
path = model.export(format="onnx")

ユースケースと推奨事項#

YOLOv5とPP-YOLOE+のどちらを選択するかは、特定のプロジェクト要件、展開の制約、およびエコシステムの優先事項によって決まります。

YOLOv5を選択すべき場合#

YOLOv5は次の場合に強力な選択肢となります：

  • 実証済みの本番システム： YOLOv5の長期にわたる安定性の実績、広範なドキュメント、および膨大なコミュニティサポートが重視される既存のデプロイ環境。
  • リソースが制限されたトレーニング： 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に働く環境。
  • 豊富なエクスポートフォーマットのサポート: ONNX、TensorRT、CoreML、TFLiteを含む多くのフォーマットにわたるデプロイを必要とするプロジェクト。

PP-YOLOE+ を選ぶべき場面#

PP-YOLOE+ は以下の場合に推奨されます:

  • PaddlePaddleエコシステムの統合: Baidu's PaddlePaddleのフレームワークとツール上に構築された既存のインフラストラクチャを持つ組織。
  • Paddle Lite エッジデプロイメント: Paddle Lite または Paddle 推論エンジン専用に高度に最適化された推論カーネルを備えたハードウェアへのデプロイ。
  • 高精度サーバーサイド検出: フレームワークの依存関係が懸念事項とならない、強力な GPU サーバー上での最大の検出精度を優先するシナリオ。

Ultralytics (YOLO26) を選択すべき時#

ほとんどの新しい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の最高の組み合わせを提供します。

  • NMSフリーのエッジ展開： Non-Maximum Suppression後処理の複雑さを伴わずに、一貫した低レイテンシの推論が求められるアプリケーション。
  • CPUのみの環境： GPUアクセラレーションを利用できないデバイスにおいて、YOLO26の最大43%高速なCPU推論が決定的な利点となる場合。
  • 小物体検出: ProgLossとSTALにより極小オブジェクトの精度が大幅に向上する、空中ドローン画像やIoTセンサー分析などの困難なシナリオ。

検討すべき代替の最先端モデル#

YOLOv5は堅牢で実績のある標準ですが、コンピュータビジョンの分野は急速に進化しています。新規プロジェクトを開始するチームには、当社の新しいアーキテクチャを検討することを強く推奨します。

Ultralytics YOLO26#

2026年1月にリリースされた YOLO26 は、私たちの研究の絶対的な最高峰を表しています。精度と速度の両方で大幅な改善を実現します。主な革新には以下が含まれます：

  • エンドツーエンドのNMSフリー設計: YOLOv10 のコンセプトを基にして、YOLO26はNMS（非最大値抑制）後処理をネイティブに排除し、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の除去: Distribution Focal Lossを排除することで、YOLO26はCPU推論を最大43%高速化し、低電力のエッジデバイスに対して非常に強力な性能を発揮します。
  • MuSGDオプティマイザー: 高度なLLMトレーニング技術に触発されたこのSGDとMuonのハイブリッド手法により、非常に安定したトレーニングとより迅速な収束が保証されます。
  • ProgLoss + STAL: これらの高度な損失関数は、drone imagery（ドローン画像）やスマート農業に不可欠な小物体認識において、顕著な改善をもたらします。

さらに、優れたパフォーマンスを提供し、レガシーシステムとYOLO26の最先端機能の間をつなぐ非常に信頼性の高いブリッジとして機能する YOLO11 も検討するとよいでしょう。

実際のユースケース#

YOLOv5とPP-YOLOE+のどちらを選択するかは、最終的には展開環境とプロジェクトの制約に依存します。

YOLOv5の理想的な用途: YOLOv5の最小限の要件リソースと優れた使いやすさは、edge AI（エッジAI）の最優先の選択肢となります。リアルタイムの robotics（ロボット工学）、モバイルアプリケーションの統合、マルチカメラ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を必要とするアプリケーションで優れています。同じフレームワーク内で pose estimation（姿勢推定）と oriented bounding box (OBB)（方向付きバウンディングボックス）のタスクを同時に処理できるため、適応性が非常に高くなっています。

PP-YOLOE+の理想的なアプリケーション: PP-YOLOE+は、リアルタイム処理の制約よりも静止画像における絶対的な最高精度が優先されるシナリオに最適です。BaiduおよびPaddlePaddleのエコシステムに深く投資された既存の技術スタックを持つ、特にアジアの製造セクター内の産業検査パイプラインなどでニッチな用途が見出されています。

要約すると、PP-YOLOE+は高い精度ベンチマークを提供しますが、UltralyticsのYOLOモデルは、パフォーマンスのバランス、シームレスな展開、そしてコンセプトから本番環境までコンピュータビジョンプロジェクトを成功に導く開発者フレンドリーな設計という比類のない組み合わせを提供します。

コントリビューター
GLglenn-jocher15

コメント