はじめる

YOLOv6-3.0とYOLOX

コンピュータービジョンの分野は、学術研究と産業応用の隔たりを埋めることを目指すモデルによって形作られてきました。高性能なデプロイ向けに設計された物体検出フレームワークを評価する際、YOLOv6-3.0とYOLOXは有力な候補として頻繁に挙げられます。どちらのモデルもスループットと精度の最大化を目指す独自のアーキテクチャ設計を採用していますが、設計上の選択や主なデプロイ対象は大きく異なります。

この技術比較では、YOLOv6-3.0とYOLOXのアーキテクチャ、パフォーマンス指標、理想的なユースケースを取り上げ、Ultralytics YOLO26がそれらのアイデアをどのように発展させているかを説明します。

YOLOv6-3.0:産業用スループット#

MeituanのVision AI Departmentが開発したYOLOv6-3.0は、産業用途に最適化されたシングルステージ物体検出フレームワークとして明確に位置付けられています。GPUアーキテクチャで最大スループットを実現することを重視しています。

アーキテクチャと手法#

YOLOv6-3.0は、異なるスケール間での特徴融合を改善するため、双方向連結 (BiC) モジュールを導入しています。バックボーンには、ハードウェアに適したGPU推論向けに最適化されたEfficientRep設計を採用しており、NVIDIA TensorRTを使用するバックエンド処理に適しています。

さらに、YOLOv6-3.0はアンカー支援トレーニング (AAT) 戦略を採用しています。この手法では、アンカーベースのトレーニングの安定性を保ちながら、アンカーフリーの推論パイプラインを使用するため、デプロイ時に余分なレイテンシーが発生しません。

ハードウェアへの特化

YOLOv6は専用GPUで優れた性能を発揮しますが、高度に特化したアーキテクチャのため、標準的なCPUや低消費電力のエッジデバイスにデプロイすると、レイテンシが最適でない場合があります。

YOLOv6の詳細はこちら

YOLOX:研究と産業の架け橋#

Megviiが発表したYOLOXは、SimOTAのような高度なトレーニング戦略とアンカーフリーデザインを全面的に採用し、YOLOファミリーに大きな変化をもたらしました。

アーキテクチャと手法#

YOLOXは、アンカーフリーの仕組みと分離型ヘッド構造をうまく統合しました。分類タスクと回帰タスクを別々の経路に分けることで、YOLOXは収束速度を大幅に向上させ、結合型検出ヘッドでよく見られる目的間の競合を緩和しました。

また、YOLOXはMixUpやMosaicなどの強力なデータ拡張戦略をトレーニングパイプラインに組み込み、COCOデータセットのような標準ベンチマークでゼロからトレーニングする際のロバスト性を高めています。

分離型ヘッドの利点

YOLOXの分離型ヘッドは大きなマイルストーンとなり、タスク固有の特徴を分離すると全体的な精度が向上することを示したことで、その後の検出モデルの世代に影響を与えました。

YOLOXの詳細はこちら

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、速度、パラメーター数、精度の間にトレードオフがあることが分かります。以下の性能表では、両ファミリーの主要モデルを詳しく比較します。

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)
YOLOv6-3.0n64037.5-1.174.711.4
YOLOv6-3.0s64045.0-2.6618.545.3
YOLOv6-3.0m64050.0-5.2834.985.8
YOLOv6-3.0l64052.8-8.9559.6150.7
YOLOXnano41625.8--0.911.08
YOLOXtiny41632.8--5.066.45
YOLOXs64040.5-2.569.026.8
YOLOXm64046.9-5.4325.373.8
YOLOXl64049.7-9.0454.2155.6
YOLOXx64051.1-16.199.1281.9

YOLOXにはNanoのような非常に軽量なバリエーションがありますが、YOLOv6-3.0は上位モデルでより高くスケールし、大規模モデルでより高いmAPと強力なTensorRTアクセラレーションを実現します。ただし、どちらのモデルも、最新のアプリケーションへの統合が煩雑になりがちな旧式のトレーニングリポジトリに依存しています。

ユースケースと推奨事項#

YOLOv6とYOLOXのどちらを選ぶかは、プロジェクト固有の要件、デプロイ上の制約、エコシステムの好みによって決まります。

YOLOv6を選ぶ場合#

YOLOv6が適している用途:

  • 産業用ハードウェアを考慮したデプロイ: モデルのハードウェアを考慮した設計と効率的な再パラメーター化によって、特定のターゲットハードウェア上で最適な性能が得られるシナリオです。
  • 高速な1ステージ検出: 制御された環境でのリアルタイム動画処理において、GPU上での生の推論速度を重視するアプリケーションです。
  • Meituanエコシステムとの統合: すでにMeituanの技術スタックとデプロイインフラストラクチャを利用しているチームです。

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。

Ultralyticsの強み:YOLO26の紹介#

YOLOv6とYOLOXはそれぞれの時代に物体検出の限界を押し広げましたが、現代のコンピュータービジョンにはバウンディングボックスの予測以上のものが求められます。開発者には、統合されたフレームワーク、シンプルなデプロイパイプライン、効率的なトレーニングが必要です。Ultralytics PlatformとYOLO26は、こうしたニーズに応えるために開発されました。

2026年1月にリリースされたYOLO26は、開発者に使いやすいUltralyticsのワークフローを維持しながら、精度とレイテンシーのトレードオフを改善しています。

YOLO26の主な革新点#

  • 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では、非極大抑制(NMS)の後処理を不要にするオプションのNMSフリーヘッド(nms=False)を利用できます。これによりレイテンシのばらつきを抑え、エッジへのデプロイを簡素化します。
  • MuSGDオプティマイザー: YOLO26はLLMトレーニングのアイデアを取り入れ、Moonshot AIのKimi K2に着想を得たハイブリッドMuSGDオプティマイザーを使用します。SGDとMuonを組み合わせることで、従来のオプティマイザー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推論が最大43%高速: GPUを対象とするYOLOv6とは異なり、YOLO26はエッジデバイス向けに最適化されています。Distribution Focal Loss (DFL) を削除して出力ヘッドを簡素化し、YOLO26nはYOLO11nよりCPU上で最大43%高速に動作します。
  • ProgLoss + STAL: プログレッシブロスと小さなターゲットを考慮したラベル割り当てにより、小さな物体の検出性能が向上します。これは、YOLOXなどの旧世代アーキテクチャが苦手としていた領域です。そのため、YOLO26は航空画像やIoTセンサーに適しています。
  • マルチタスクの汎用性: YOLOv6とYOLOXが主に検出モデルであるのに対し、単一のYOLO26アーキテクチャはインスタンスセグメンテーション、セマンティックセグメンテーション、深度推定、画像分類、姿勢推定、方向付きバウンディングボックス (OBB)にも対応しています。

使いやすさとエコシステムのサポート#

Ultralyticsを選ぶと、適切に保守され、積極的に開発が続けられているエコシステムを利用できます。Ultralytics Pythonパッケージはトレーニングからデプロイまでのワークフロー全体をカバーし、Transformerベースのモデルよりトレーニング中のメモリ使用量が少なく、ONNX、OpenVINO、CoreMLなどの形式に直接エクスポートできます。

from ultralytics import YOLO

# YOLO26のNanoモデルを読み込みます(NMSフリーヘッドはnms=Falseで利用可能です)
model = YOLO("yolo26n.pt")

# COCO8のサンプルデータセットでトレーニングする
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# 効率的なCPUまたはGPU推論を実行する
results = model("https://ultralytics.com/images/bus.jpg")

# 産業用途へのデプロイに向けてTensorRTにエクスポートする
model.export(format="engine")

まとめと推奨事項#

YOLOv6-3.0とYOLOXのどちらを選ぶかを決める際は、ハードウェアの制約を考慮してください。高性能なNVIDIAハードウェアを活用した高スループットの動画分析システムを構築する場合、YOLOv6-3.0は強力なTensorRTアクセラレーションを提供します。一方、完全なデカップル設計とアンカーフリー設計が有効なプロジェクトでは、YOLOXがよく知られたベースラインとして引き続き利用されています。

ただし、速度、精度、使いやすさの最適なバランスを求める開発者には、Ultralytics YOLO26を推奨します。オプションのNMSフリーヘッド、高速なCPU推論、Ultralyticsエコシステム全体での完全なサポートを組み合わせています。前世代のYOLO11も、完全にサポートされており、エンタープライズアプリケーションで広く利用されています。

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。