YOLOv5とYOLOXの比較
リアルタイムコンピュータービジョンの進化では、さまざまなアーキテクチャが速度と精度を向上させ、多くの節目を築いてきました。この分野で大きな影響を与えたモデルが、YOLOv5とYOLOXです。どちらも物体検出の高い性能で知られていますが、アーキテクチャのアプローチは根本的に異なります。
このガイドでは、2つのモデルのアーキテクチャ、パフォーマンス指標、トレーニング手法、最適なデプロイシナリオを技術的に分析し、開発者や研究者がビジョンAIプロジェクトに適したツールを選べるよう支援します。
モデルの概要とアーキテクチャの違い#
Ultralytics YOLOv5#
- 著者: Glenn Jocher
- 組織: Ultralytics
- 日付: 2020-06-26
- GitHub: Ultralytics YOLOv5リポジトリ
- ドキュメント: YOLOv5公式ドキュメント
Ultralyticsが発表したYOLOv5は、高いパフォーマンス、使いやすさ、メモリ効率のバランスに優れ、急速に業界標準となりました。PyTorchフレームワーク上にネイティブに構築されたYOLOv5は、アンカーベースのアーキテクチャを採用しています。あらかじめ定義されたバウンディングボックス形状を使って物体の位置を予測するため、標準的な物体検出タスクで高い効果を発揮します。
YOLOv5の最大の強みの一つは、適切に保守されたエコシステムです。充実したドキュメント、シンプルなPython API、Ultralytics Platformとのネイティブ統合を提供します。これにより開発者は、データセットのラベリングからトレーニング、ONNXやTensorRTなどのフォーマットへのエクスポートまで、スムーズに進められます。
Ultralytics YOLOモデルは通常、複雑なTransformerベースの代替モデルと比べて、トレーニング時に必要なGPUメモリが大幅に少なくて済みます。この低いメモリ使用量により、YOLOv5は一般向けハードウェアを使用する研究者にも利用しやすくなっています。
Megvii YOLOX#
- 著者: Zheng Ge、Songtao Liu、Feng Wang、Zeming Li、Jian Sun
- 組織: Megvii
- 日付: 2021-07-18
- arXiv: YOLOX:2021年にYOLOシリーズを超える
- GitHub: Megvii YOLOXリポジトリ
- ドキュメント: YOLOX GitHubドキュメント
Megviiの研究者によって開発されたYOLOXは、アンカーフリー設計をYOLOファミリーに導入し、異なるアプローチを取りました。アンカーボックスを排除することで、YOLOXは検出ヘッドを簡素化し、トレーニング中に手動で調整する必要があるヒューリスティックなパラメーターの数を大幅に削減します。
YOLOXは、分類タスクと回帰タスクを別々のネットワーク分岐に分けるデカップルドヘッドも採用し、SimOTAラベル割り当て戦略を利用しています。こうした技術革新は学術研究と産業応用の隔たりを埋め、物体のスケールが大きく異なる環境でYOLOXを特に効果的にします。
パフォーマンスとメトリクス#
コンピュータービジョンモデルを評価する際は、平均適合率(mAP)と推論速度のトレードオフが重要です。どちらのモデルも、さまざまなハードウェア制約に対応できるよう、NanoからExtra-Largeまで複数のサイズを提供しています。
| 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 |
| YOLOXnano | 416 | 25.8 | - | - | 0.91 | 1.08 |
| YOLOXtiny | 416 | 32.8 | - | - | 5.06 | 6.45 |
| YOLOXs | 640 | 40.5 | - | 2.56 | 9.0 | 26.8 |
| YOLOXm | 640 | 46.9 | - | 5.43 | 25.3 | 73.8 |
| YOLOXl | 640 | 49.7 | - | 9.04 | 54.2 | 155.6 |
| YOLOXx | 640 | 51.1 | - | 16.1 | 99.1 | 281.9 |
YOLOXxは最高精度がわずかに高い(mAP 51.1)一方、YOLOv5はCPUとGPUのハードウェア全般で、より成熟し広くテストされたデプロイパイプラインを提供します。また、同じサイズではYOLOv5のT4 TensorRTレイテンシがYOLOXより低く、リアルタイム動画分析に適した信頼性の高い選択肢です。
トレーニング手法と使いやすさ#
この2つのアーキテクチャでは、開発者体験に大きな違いがあります。
YOLOXのアプローチ#
YOLOXのトレーニングでは通常、元のリポジトリをクローンし、個別の依存関係を管理して、複雑なコマンドラインスクリプトを実行する必要があります。MegEngineを介した混合精度トレーニングやマルチノード構成などの高度な機能に対応していますが、迅速なプロトタイピングを必要とする開発者にとって、習得のハードルが高い場合があります。
Ultralyticsの強み#
一方、Ultralyticsはシンプルなユーザー体験を重視しています。ultralytics Pythonパッケージを使うと、開発者は定型コードを最小限に抑えてモデルの読み込み、トレーニング、検証を行えます。Ultralyticsはデータ拡張と学習率スケジューリングを自動で処理し、ハイパーパラメーターのチューニング機能も標準で提供します。
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トレーニングします
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# モデルの性能を検証します
metrics = model.val()YOLOv5の汎用性は、標準的な物体検出にとどまりません。オリジナルのYOLOv5リポジトリは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し、ultralyticsパッケージではYOLO26などの新しいモデルを使って、これらのタスクに対応できます。
トレーニングが完了したら、YOLOv5モデルをONNX、CoreML、LiteRT、OpenVINOにエクスポートする操作は、model.export(format="onnx")のような1回の呼び出しだけで簡単に行えます。これにより、研究中心のリポジトリで一般的に必要となるサードパーティ製変換スクリプトが不要になります。
実際の用途#
これらのモデルの選択は、デプロイ環境と技術要件によって異なります。
- 小売・在庫管理:NVIDIA Jetsonなどのエッジデバイスでリアルタイムの商品認識が必要なアプリケーションには、YOLOv5が適しています。メモリ使用量が少なく、TensorRT推論が高速なため、リアルタイムのフレームレートを必要とする複数カメラのパイプラインをサポートします。
- 学術研究・カスタムアーキテクチャ: YOLOXは研究コミュニティで高く評価されています。デカップルドヘッドとアンカーフリー設計により、新しいラベル割り当て戦略を試したいエンジニアや、従来のアンカーボックスでは汎化が難しいデータセットに取り組むエンジニアにとって、優れたベースラインとなります。
- 農業AI: ドローンを使った果物の検出や雑草の識別などの精密農業タスクでは、Ultralytics Platformを利用してYOLOv5モデルを簡単にトレーニング、デプロイできるため、機械学習エンジニアリングの深い知識がない分野の専門家でもAIソリューションを導入できます。
ユースケースと推奨事項#
YOLOv5とYOLOXのどちらを選ぶかは、具体的なプロジェクト要件、デプロイ上の制約、エコシステムの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。
YOLOXを選ぶタイミング#
YOLOXは次のような用途に推奨されます。
- アンカーフリー検出の研究: 新しい検出ヘッドや損失関数を試す際のベースラインとして、YOLOXのシンプルなアンカーフリーアーキテクチャを使用する学術研究。
- 超軽量エッジデバイス: YOLOX-Nanoバリアントの極めて小さなフットプリント(パラメーター数0.91M)が重要となる、マイクロコントローラーや旧式のモバイルハードウェアへのデプロイ。
- SimOTAラベル割り当ての研究: 最適輸送に基づくラベル割り当て戦略と、トレーニングの収束への影響を調査する研究プロジェクト。
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。
ビジョンAIの未来:YOLO26の登場#
YOLOv5とYOLOXはどちらもコンピュータービジョンの歴史に確かな足跡を残していますが、この分野は急速に進歩しています。今、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YOLO26を推奨します。
2026年1月にリリースされたYOLO26は、パフォーマンスと使いやすさの両面で大きく進歩しています。オプションのエンドツーエンドNMSフリーデザイン(nms=Falseで選択可能)を導入し、非極大値抑制の後処理をなくします。これにより、レイテンシのばらつきが抑えられ、低消費電力デバイスでのデプロイロジックが簡素化されます。
さらにYOLO26は、LLMのトレーニングにおける革新に着想を得た、SGDとMuonのハイブリッドであるMuSGDオプティマイザーを採用し、安定した高速な収束を実現します。DFLの削除(Distribution Focal Lossを削除してエクスポートを簡素化し、エッジデバイスや低消費電力デバイスとの互換性を向上)により、YOLO26nはYOLO11nよりもCPU推論が最大43%高速で、最新のエッジコンピューティング、ロボティクス、IoTアプリケーションに適しています。さらに、ProgLoss + STAL(Progressive Lossと小物体を考慮したラベル割り当て)により、小物体認識が大幅に向上します。これはIoT、ロボティクス、航空画像において重要です。以前の世代に関心があるユーザーはYOLO11も検討できますが、新しいプロジェクトにはYOLO26を推奨します。
結論#
YOLOv5とYOLOXは、どちらも優れた物体検出機能を備えています。YOLOXは2021年に、アンカーフリー設計がアンカーベースの手法と同等以上の性能を実現できることを示しました。しかし、使いやすさ、充実したエコシステム、トレーニング時の低いメモリ要件により、YOLOv5は今も広く利用されています。
大半の商用アプリケーションでは、Ultralyticsエコシステムを利用することで、生データセットから本番環境にデプロイされたモデルまで最短で進められます。実績あるYOLOv5を使う場合もYOLO26にアップグレードする場合も、開発者はビジョンAIを利用しやすく効率的にするために設計されたフレームワークの恩恵を受けられます。
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。