はじめる

YOLOv5とYOLO11

新しいプロジェクトに適したコンピュータービジョンアーキテクチャを選ぶには、最先端モデルの進化を理解することが重要です。旧世代のアーキテクチャから最新の統合フレームワークへの進化は、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進歩を示しています。このガイドでは、Ultralyticsが開発した広く使用されている2つのモデル、YOLOv5とその後継モデルYOLO11を技術的に比較します。

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の分野における重要な節目であり、デプロイ環境や既存システムの要件に応じて、それぞれ異なる利点があります。

YOLOv5:業界を支える主力モデル#

2020年夏にリリースされたYOLOv5は、PyTorchでのネイティブ実装によりトレーニングとデプロイのハードルを下げ、業界標準として急速に普及しました。前世代の複雑なDarknet Cフレームワークから脱却し、Pythonらしいモデル構築方法を提供しました。

YOLOv5は使いやすさの強力なベースラインを確立し、モザイクデータ拡張や自動アンカリングなどの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、広範なテストを経たコードベースを基盤とする研究者に、現在も広く利用されています。

YOLO11:統合型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にネイティブに対応する統合フレームワークの一部として登場しました。バウンディングボックスにとどまらず、汎用性と効率を最大限に高めることを目指して一から設計されています。

YOLO11は、ultralytics Pythonパッケージを通じて、洗練されたユーザーエクスペリエンスを提供します。シンプルなAPIで、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、方向付きバウンディングボックス(OBB)を統合します。速度と精度のバランスに優れているため、さまざまな実環境のデプロイシナリオに適しています。

統合プラットフォーム

どちらのモデルも、十分にメンテナンスされたUltralytics Platformのエコシステムを活用できます。この統合環境により、さまざまなハードウェア向けのデータセットアノテーション、クラウド学習、モデルエクスポートが簡素化されます。

パフォーマンスと指標の比較#

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うつながるかが分かります。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とGPUの推論速度、パラメーター数を示します。

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)
YOLOv5n64028.0-1.121.94.5
YOLOv5s64037.4-1.927.216.5
YOLOv5m64045.4-4.0321.249.0
YOLOv5l64049.0-6.6146.5109.1
YOLOv5x64050.7-11.8986.7205.7
YOLO11n64039.556.11.52.66.5
YOLO11s64047.090.02.59.421.6
YOLO11m64051.5183.24.720.168.1
YOLO11l64053.4238.66.225.387.2
YOLO11x64054.7462.811.356.9195.3

結果の分析#

各指標から、YOLO11が実現するパフォーマンスバランスの明確な改善が分かります。たとえば、YOLO11n (Nano) モデルは、YOLOv5nの28.0%に対して39.5%のmAPを達成しており、追加パラメーター数はわずか0.7Mで11.5ポイント向上しています。YOLO11はTransformerベースのモデルよりトレーニング時のメモリ要件も低く、一般向けハードウェアでのトレーニングやエッジデバイスへのデプロイに適しています。

アーキテクチャの違い#

YOLO11のパフォーマンス向上は、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、新しいUltralyticsモデルでは、勾配の流れを最適化し計算オーバーヘッドを削減するC2f(YOLOv8)やC3k2(YOLO11)など、より効率的な特徴抽出ブロックが導入されました。

YOLO11は、さらに洗練されたヘッドも備えています。旧世代モデルのアンカーベース設計から移行し、新しい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数が減り、後処理パイプラインが効率化されるとともに、さまざまなスケールやアスペクト比へのモデルの汎化性能が向上します。また、これらのモデルはトレーニング効率が高く、事前学習済み重みもすぐに利用できるため、カスタムデータセットでのファインチューニング時に収束を高速化できます。

実装とコード例#

Ultralyticsエコシステムの際立った特長の一つは、そのシンプルさです。YOLOv5は高速な推論にtorch.hubを使う手法を普及させましたが、YOLO11では統合されたultralytics Pythonパッケージによって、さらに使いやすくなっています。

YOLO11での学習#

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が適切なトレーニングのデフォルト値を提供し、チェックポイントとログ記録を自動的に処理します。

from ultralytics import YOLO

# 事前学習済みYOLO11モデルを読み込みます
model = YOLO("yolo11s.pt")

# カスタムデータセットで50エポック学習します
results = model.train(data="coco8.yaml", epochs=50, imgsz=640)

# 高速な推論を実行し、結果を表示します
predictions = model("https://ultralytics.com/images/bus.jpg")
predictions[0].show()

# ハードウェアアクセラレーションのため、モデルを簡単にTensorRTへエクスポートできます
model.export(format="engine")

YOLOv5を使った従来型の推論#

旧世代のパイプラインを保守している場合、YOLOv5はPyTorchネイティブの読み込み機構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

# PyTorch Hubからカスタムまたは事前学習済みのYOLOv5モデルを読み込みます
model = torch.hub.load("ultralytics/yolov5", "yolov5s")

# 画像URLに対して推論を実行します
results = model("https://ultralytics.com/images/zidane.jpg")

# 予測の詳細をコンソールに出力します
results.print()
デプロイの柔軟性

どちらのモデルも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をターゲットにする場合も、CoreMLを使用するiOSアプリケーションをターゲットにする場合も、デプロイ手順が十分に文書化され、コミュニティによるサポートも受けられます。

最適なユースケース#

どちらのモデルを選ぶかは、プロジェクトのライフサイクル段階と個別の要件によって大きく異なります。

YOLOv5を選ぶ場合#

  • 既存コードベースの保守:本番環境がYOLOv5リポジトリの構造や特定のハイパーパラメーター進化手法に大きくカスタマイズされている場合です。
  • 学術的ベースライン:2020~2022年に確立されたコンピュータビジョンの標準と直接比較するベンチマークが必要な研究を発表する場合です。

YOLO11を選ぶ場合#

次世代モデル:Ultralytics YOLO26#

YOLO11は速度と精度のバランスに優れていますが、こ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、Ultralyticsの最新モデルであるUltralytics YOLO26を推奨します。

2026年1月にリリースされたYOLO26は、最新のデプロイニーズに対応するため、いくつかの進歩を導入しています。

  • エンドツーエンドのNMSフリーデザイン: YOLOv10がYOLOモデルに導入したNMSフリー学習を基盤として、YOLO26はネイティブのエンドツーエンド推論に対応しています。オプションのワン・ツー・ワンヘッド(nms=False)により、非極大抑制(NMS)の後処理が不要になり、デプロイパイプラインが簡素化され、レイテンシが低減されます。
  • 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に着想を得たこのSGDとMuonのハイブリッド手法は、より安定したトレーニングと高速な収束を実現します。
  • CPU推論の高速化: Distribution Focal Loss (DFL) を削除したことで、YOLO26nはYOLO11nよりCPU上で最大43%高速に動作し、エッジデバイスや専用GPUのない環境に適しています。
  • 高度なトレーニング手法: ProgLossとSTALを統合することで、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、ロボティクスに不可欠です。
  • タスク固有の強化: 姿勢推定向けの残差対数尤度推定 (RLE) や、方向付きバウンディングボックス向けの専用角度損失など、特化した最適化を導入し、対応タスク全体の精度を高めています。

標準的な物体検出以外の特化型アーキテクチャに関心がある場合は、Transformerベースの検出に対応するRT-DETRや、オープンボキャブラリーの追跡と検出に対応するYOLO-Worldなどのモデルも検討できます。これらの適切に保守されたツールにより、コンピュータービジョンパイプラインの効率とスケーラビリティを維持できます。

コントリビューター

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。