YOLOv5とYOLOv9
コンピュータービジョンとリアルタイム物体検出の分野は、ここ数年で大きく進歩しました。実績があり、十分に検証されたモデルと、新しい研究アーキテクチャのどちらを選ぶかは、機械学習エンジニアがよく直面する課題です。このガイドでは、YOLOファミリーで大きな影響力を持つ2つのモデル、YOLOv5とYOLOv9を技術的に詳しく比較します。
リソースが限られたエッジデバイスへのデプロイ、高精度な特徴抽出の研究、複雑な物体検出パイプラインの構築など、用途を問わず、これらのモデルのアーキテクチャの違い、性能指標、エコシステムのサポートを理解することが重要です。
モデルの概要#
アーキテクチャを比較する前に、各モデルの起源と主な目的を把握しておくと役立ちます。
Ultralytics YOLOv5#
Glenn Jocherが開発し、2020年6月26日にUltralyticsがリリースしたYOLOv5は、開発者がビジョンモデルを扱う方法を変えました。PyTorchフレームワークを全面的に採用したことで、従来のDarknetベースのモデルに必要だった複雑なコンパイル手順に代わり、直感的でPythonを中心としたユーザー体験を実現しました。
- 著者: Glenn Jocher
- 組織: Ultralytics
- 日付: 2020-06-26
- GitHub: YOLOv5リポジトリ
- ドキュメント: YOLOv5のドキュメント
YOLOv5は、使いやすさと多様なハードウェア環境での安定した性能で知られています。検出だけでなく、インスタンスセグメンテーションと画像分類にも対応しています。
YOLOv9#
台湾の中央研究院情報科学研究所に所属するChien-Yao WangとHong-Yuan Mark Liaoが発表したYOLOv9は、深層ニューラルネットワークにおける情報ボトルネックの問題を軽減するため、アーキテクチャ理論に重点を置いています。
- 著者: Chien-Yao Wang、Hong-Yuan Mark Liao
- 所属機関: 台湾、中央研究院情報科学研究所
- 日付: 2024-02-21
- arXiv: 2402.13616
- GitHub: YOLOv9のリポジトリ
- ドキュメント: YOLOv9のドキュメント
YOLOv9の中核には、Programmable Gradient Information(PGI)とGeneralized Efficient Layer Aggregation Network(GELAN)という2つの主要な理論的イノベーションがあります。これらの概念により、モデルはネットワークの深い層を通じて重要な空間特徴を保持できます。
YOLOv5とYOLOv9は高性能ですが、より新しいYOLO26は速度と精度のバランスに優れています。オプションのエンドツーエンドNMSフリー推論に対応し、CPU推論が最大43%高速(YOLO26nとYOLO11nの比較)です。YOLO26は、最新のエッジコンピューティングや本番環境へのデプロイにおすすめです。
アーキテクチャと技術の違い#
これらのビジョンモデルを支える仕組みを理解することは、モデルのデプロイ戦略を最適化するうえで不可欠です。
特徴抽出と情報保持#
YOLOv5はCross Stage Partial Network(CSPNet)バックボーンを採用しています。これにより、バックプロパゲーション時の勾配フローを正確に保ちながら、計算オーバーヘッドを効果的に削減します。この設計は従来型のGPU演算向けに高度に最適化されており、規模の大きなTransformerモデルと比べて学習時のメモリ使用量を抑えます。
YOLOv9は、CSPNetの原則を拡張した汎用アーキテクチャGELANを導入しています。補助的な可逆ブランチであるPGIと組み合わせることで、YOLOv9は信頼性の高い勾配の計算に必要なセマンティック情報を深層が保持できるようにします。これにより、YOLOv9は特に小さな物体で高い精度を実現できます。
メモリ要件とトレーニング効率#
トレーニング効率に関しては、YOLOv5も依然として優れています。メンテナンスが行き届いたUltralyticsエコシステムにより、YOLOv5モデルのCUDAメモリ消費を大幅に抑えられ、研究者は一般消費者向けGPUでバッチサイズを最大限に活用できます。YOLOv9はパラメーター効率に優れ(モデルサイズに対して高精度)、最適化されたフレームワークを使用しない場合は、トレーニングにより多くのリソースを必要とすることがあります。幸い、YOLOv9をUltralytics APIに統合することで、リソース管理の効率性をYOLOv5に近づけられます。
パフォーマンスとメトリクス#
以下の表では、COCOデータセットでの性能を比較しています。mAP(平均適合率)、推論速度、パラメーター数を掲載しています。
| 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 |
| YOLOv9t | 640 | 38.3 | - | 2.3 | 2.0 | 7.7 |
| YOLOv9s | 640 | 46.8 | - | 3.54 | 7.2 | 26.7 |
| YOLOv9m | 640 | 51.4 | - | 6.43 | 20.1 | 76.8 |
| YOLOv9c | 640 | 53.0 | - | 7.16 | 25.5 | 102.8 |
| YOLOv9e | 640 | 55.6 | - | 16.77 | 58.1 | 192.5 |
表が示すように、同等のモデルサイズではYOLOv9の方が高い実測精度を達成しており、新しいアーキテクチャの効果が表れています。一方、YOLOv5nはT4上でTensorRTを使用した場合のレイテンシが1.12 msと低く、高速なローカルエッジコンピューティング用途で今も優れた性能を発揮します。
学習手法と使いやすさ#
今日のコンピュータービジョンの実用的な価値の多くは、ツールチェーンを利用しやすいかどうかにあります。
Ultralyticsの強み#
YOLOv9のようなモデルの研究用リポジトリは基盤として重要ですが、複雑な依存関係や定型的なスクリプトを伴うことがよくあります。Ultralytics Python APIは、こうした複雑さの大部分を抽象化します。Ultralyticsエコシステムでは、YOLOv5とYOLOv9のトレーニング、評価、エクスポートを、共通の統一された構文で実行できます。
from ultralytics import YOLO
# 迅速なデプロイ用に学習済みYOLOv5モデルを読み込みます
model_v5 = YOLO("yolov5su.pt") # YOLOv5u: ultralyticsパッケージ向けのアンカーフリーYOLOv5重み
# または、YOLOv9モデルを活用して高精度を実現します
model_v9 = YOLO("yolov9c.pt")
# COCO8のサンプルデータセットでトレーニングする
results = model_v9.train(data="coco8.yaml", epochs=50, imgsz=640)
# 学習済みモデルをONNXにエクスポートします
model_v9.export(format="onnx")この単一APIのアプローチは高い汎用性を実現し、モデルに応じて検出だけでなく、インスタンスセグメンテーション、姿勢推定、方向付きバウンディングボックス(OBB)にも対応します。CometやWeights & Biasesなどのツールとの統合も、トレーニングループに組み込まれています。
最適なユースケースと実際の応用例#
どちらのアーキテクチャを選ぶかは、主にハードウェアの制約と、アプリケーション領域で求められる精度によって決まります。
YOLOv5を選ぶ場合#
YOLOv5は成熟したモデルであり、安定性、メモリ使用量の少なさ、幅広いエクスポート互換性を重視するデプロイに適しています。
- モバイルへのデプロイ: YOLOv5をLiteRTやCoreMLにエクスポートすれば、古いスマートフォン上でのオンデバイス推論も簡単に実行できます。
- 旧世代のエッジハードウェア: Raspberry Piや初期世代のNVIDIA Jetson Nanoなどのデバイスでは、YOLOv5のシンプルな畳み込みにより、スマートパーキング管理などの用途で安定したフレームレートを維持できます。
- 迅速なプロトタイピング: コミュニティのチュートリアル、カスタムの事前学習済み重み、幅広いデータセットとの互換性が充実しているため、概念実証を最速で検証できます。
YOLOv9を選ぶ場合#
YOLOv9は、計算コストが多少増えても、複雑な細部を捉え、偽陰性を最小限に抑えることが重要なシナリオに適しています。
- 航空・衛星画像: PGIフレームワークは小さな物体の忠実度を維持しやすくするため、ドローンを使った農業モニタリングにYOLOv9が適しています。
- 医用画像診断: 高解像度スキャンで微細な異常や病変を検出する場合、GELANの正確な勾配フローが再現率の向上に役立ちます。
- 高度な小売分析: 商品が密集した棚で重なり合う商品を追跡する用途では、YOLOv9の優れた特徴保持性能が役立ちます。
視野を広げる#
YOLOv5とYOLOv9を比較すると、2020年から2024年にかけたアーキテクチャの進化がよく分かりますが、この分野は今も急速に進歩しています。最新の性能を求める開発者には、YOLO26モデルがおすすめです。従来のNon-Maximum Suppressionに代わるネイティブなエンドツーエンドNMSフリー設計(nms=False)と、高度なMuSGDオプティマイザーにより、YOLO26は研究レベルの精度と本番環境レベルの速度の差を埋めます。DFLの削除(エクスポートの簡素化と、エッジデバイスや低消費電力デバイスとの互換性向上のためDistribution Focal Lossを削除)により、YOLO26nはYOLO11nよりCPU推論が最大43%高速で、エッジコンピューティングに適しています。さらに、ProgLoss + STALではプログレッシブロスと小さな対象物を考慮したラベル割り当てを組み合わせ、小物体認識を大きく改善します。これはIoT、ロボティクス、航空画像の分野で重要です。
ほかのモデルとの比較にも関心がある場合は、YOLOv5とRT-DETRの比較やYOLOv5とYOLO11の比較もご覧ください。統一されたUltralyticsフレームワークにより、どのモデルを選んでも開発パイプラインを一貫して維持できます。
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。