YOLOv5とYOLO11の比較#
新しいプロジェクトに適したコンピュータビジョンアーキテクチャを選択する際には、最先端モデルの進化を理解することが重要です。初期のアーキテクチャから最新の統合フレームワークに至るまでの進歩は、アルゴリズム効率と開発者エクスペリエンスの両方における大きな飛躍を示しています。本ガイドでは、Ultralyticsが開発した2つの画期的なモデル、先駆的なYOLOv5と高度に洗練されたYOLO11を技術的に詳しく比較します。
モデルの概要#
これら2つのアーキテクチャはいずれも、リアルタイム物体検出分野における重要なマイルストーンであり、デプロイ環境やレガシー要件に応じて、それぞれ異なる利点を提供します。
YOLOv5：業界の主力モデル#
2020年夏にリリースされたYOLOv5は、ネイティブのPyTorch実装により、トレーニングとデプロイの参入障壁を大幅に下げたため、すぐに業界標準となりました。従来のモデルで使われていた複雑なDarknet Cフレームワークから離れ、モデル構築にPythonらしいアプローチを提供しました。
- 著者: Glenn Jocher
- 組織: Ultralytics
- 日付: 2020-06-26
- GitHub: ultralytics/yolov5
- ドキュメント: YOLOv5 Documentation
YOLOv5は使いやすさの強固なベースラインを確立し、高度なモザイクデータ拡張や自動アンカリングなど、強力なトレーニング手法を導入しました。十分に文書化され、徹底的にテストされたコードベースを基盤として研究を進める研究者にとって、現在も非常に人気があります。
YOLO11：統合ビジョンフレームワーク#
長年にわたるフィードバックとアーキテクチャ研究を基に、YOLO11は複数のビジョンタスクをネイティブに処理できる統合フレームワークの一部として導入されました。単なるバウンディングボックスを超え、最大限の汎用性と効率性を実現するよう、ゼロから設計されています。
- 著者: Glenn Jocher、Jing Qiu
- 組織: Ultralytics
- 日付: 2024-09-27
- GitHub: ultralytics/ultralytics
- Docs: YOLO11ドキュメント
YOLO11は、ultralytics Pythonパッケージを通じてユーザーエクスペリエンスを簡素化し、物体検出、インスタンスセグメンテーション、分類、姿勢推定、回転バウンディングボックス（OBB）を統一するシンプルなAPIを提供します。速度と精度の非常に優れたトレードオフを実現しており、多様な実環境のデプロイシナリオに適しています。
両モデルとも、十分に保守されたUltralytics Platformのエコシステムによる恩恵を受けられます。この統合環境により、さまざまなハードウェアターゲット向けのデータセットアノテーション、クラウドトレーニング、モデルエクスポートが簡素化されます。
パフォーマンスとメトリクスの比較#
これらのモデルを直接比較すると、アーキテクチャの改良が具体的な性能向上にどのようにつながるかが明らかになります。以下の表では、COCOデータセットで評価した平均適合率（mAP）に加え、CPUおよびGPUの推論速度とパラメーター数を示します。
| モデル | サイズ （ピクセル） | mAPval 50-95 | 速度 CPU ONNX （ms） | 速度 T4 TensorRT10 （ms） | パラメーター数 （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 |
| YOLO11n | 640 | 39.5 | 56.1 | 1.5 | 2.6 | 6.5 |
| YOLO11s | 640 | 47.0 | 90.0 | 2.5 | 9.4 | 21.5 |
| YOLO11m | 640 | 51.5 | 183.2 | 4.7 | 20.1 | 68.0 |
| YOLO11l | 640 | 53.4 | 238.6 | 6.2 | 25.3 | 86.9 |
| YOLO11x | 640 | 54.7 | 462.8 | 11.3 | 56.9 | 194.9 |
結果の分析#
これらの指標は、YOLO11が実現した性能バランスの明確な飛躍を示しています。たとえば、YOLO11n（nano）モデルはYOLOv5nの28.0%に対して39.5%のmAPを達成し、同時にONNX経由でエクスポートした場合のCPU推論時間も短縮しています。さらに、YOLO11は大規模なTransformerベースのモデルと比較して、トレーニング中に必要なメモリを大幅に抑えているため、コンシューマーハードウェアやエッジデバイスへのデプロイにも非常に適しています。
アーキテクチャの違い#
YOLO11の性能向上は、いくつかの主要なアーキテクチャの進化によるものです。YOLOv5がC3モジュールを備えた標準的なCSPNetバックボーンを使用していたのに対し、YOLO11ではC2fや後継のC3k2など、より効率的な特徴抽出ブロックを導入し、勾配フローを最適化して計算オーバーヘッドを削減しています。
YOLO11は、ヘッドも大幅に改良されています。従来のモデルで採用されていたアンカーベースの設計から移行し、最新のUltralyticsアーキテクチャではアンカーフリー方式を採用しています。これによりボックス予測の数が減少し、後処理パイプラインが効率化されるとともに、異なるスケールやアスペクト比に対するモデルの汎化性能が向上します。さらに、これらのモデルは優れたトレーニング効率を備え、ファインチューニング対象のデータセットの収束を加速する事前トレーニング済み重みをすぐに利用できます。
実装とコード例#
Ultralyticsエコシステムの際立った特徴の1つは、そのシンプルさです。YOLOv5が高速な推論にtorch.hubを使用する方法を普及させた一方で、YOLO11は統合されたultralytics Pythonパッケージによって、これをさらに推し進めています。
YOLO11でのトレーニング#
モデルの読み込み、トレーニング、検証に必要なボイラープレートコードは最小限です。APIがハイパーパラメーターのチューニングとモデル管理をシームレスに処理します。
from ultralytics import YOLO
# Load a pretrained YOLO11 model
model = YOLO("yolo11s.pt")
# Train on a custom dataset for 50 epochs
results = model.train(data="coco8.yaml", epochs=50, imgsz=640)
# Run fast inference and display results
predictions = model("https://ultralytics.com/images/bus.jpg")
predictions[0].show()
# Easily export the model to TensorRT for hardware acceleration
model.export(format="engine")YOLOv5によるレガシー推論#
古いパイプラインを維持している場合、YOLOv5はPyTorchのネイティブな読み込みメカニズムと直接統合できるため、既存の推論スクリプトに簡単に組み込めます。
import torch
# Load a custom or pretrained YOLOv5 model from PyTorch Hub
model = torch.hub.load("ultralytics/yolov5", "yolov5s")
# Perform inference on an image URL
results = model("https://ultralytics.com/images/zidane.jpg")
# Print prediction details to the console
results.print()両モデルは、幅広いエクスポート形式に対応しています。TensorRTを使用するNVIDIA Jetsonを対象とする場合でも、CoreMLを使用するiOSアプリケーションを対象とする場合でも、デプロイプロセスは詳細に文書化され、コミュニティによってサポートされています。
理想的なユースケース#
これらのモデルのどちらを選択するかは、主にプロジェクトのライフサイクル段階と具体的な要件によって決まります。
YOLOv5を選ぶべきケース#
- レガシーコードベースの保守： 本番環境がYOLOv5リポジトリの構成や特定のハイパーパラメーター進化手法を中心に大幅にカスタマイズされている場合。
- 学術的なベースライン： 確立された2020～2022年のコンピュータビジョン標準に対する直接的なベンチマークが必要な研究を発表する場合。
YOLO11を選ぶタイミング#
- マルチタスクプロジェクト： 単一の統合APIを使用して、姿勢推定やインスタンスセグメンテーションなど、複数のタスクを組み合わせる必要がある場合。
- エッジデプロイ： 所定の計算予算（FLOPs）でmAPを最大限に引き出すことが重要なエッジコンピューティングのシナリオ。
- 商用AIソリューション： Ultralytics Platformの堅牢なサポートを活用する、小売業やセキュリティ分野のエンタープライズアプリケーションに最適です。
次世代：Ultralytics YOLO26#
YOLO11は速度と精度の優れたバランスを実現していますが、人工知能の分野は急速に進化しています。現在、新しいプロジェクトを始める開発者には、ビジョンAIの最新標準である**Ultralytics YOLO26**を検討することを強くお勧めします。
2026年1月にリリースされたYOLO26は、現代のデプロイ要件に特化して設計された、パラダイムを変える先進機能を導入しています。
- エンドツーエンドのNMSフリー設計： YOLOv10で初めて先駆的に導入された概念を基盤として、YOLO26はネイティブなエンドツーエンドモデルになっています。Non-Maximum Suppression（NMS）による後処理の必要性をなくし、デプロイパイプラインを大幅に簡素化するとともに、レイテンシを削減します。
- MuSGDオプティマイザー： Moonshot AIのKimi K2などのモデルにおけるLLMトレーニングの革新から着想を得た、SGDとMuonのハイブリッド手法です。非常に安定したトレーニングと、収束の大幅な高速化を実現します。
- 前例のないCPU速度： Distribution Focal Loss（DFL）を削除することで、YOLO26は最大43%高速なCPU推論を実現します。専用GPUのないエッジデバイスや環境に最適な選択肢です。
- 高度な損失関数： ProgLossとSTALの統合により、小さな物体の認識が大幅に向上します。これは、ドローン分析、IoT、ロボティクスにおいて重要です。
- タスク固有の機能強化： 姿勢推定向けのResidual Log-Likelihood Estimation（RLE）や、回転バウンディングボックス向けの専用角度損失など、専門的な最適化を導入し、すべてのコンピュータビジョンタスクで優れた性能を実現します。
標準的な物体検出以外の専門的なアーキテクチャに関心があるユーザーは、Transformerベースの検出向けのRT-DETRや、オープンボキャブラリーの追跡および検出向けのYOLO-Worldなどのモデルも検討できます。これらの十分に保守され、高度に最適化されたツールを活用することで、コンピュータビジョンパイプラインを効率的でスケーラブルな、最先端の状態に維持できます。