YOLOv7とEfficientDet
適切なニューラルネットワークアーキテクチャの選択は、あらゆるコンピュータビジョンプロジェクトを成功させる基盤です。このガイドでは、物体検出アーキテクチャの歴史における重要な2つのモデル、YOLOv7とEfficientDetを詳細に技術比較します。アーキテクチャ上の革新、トレーニング手法、最適なデプロイシナリオを検証することで、開発者は十分な情報に基づいた判断を下せます。また、Ultralytics YOLO26が両モデルをどのように改善しているかも取り上げます。
モデルの起源と技術的詳細#
両モデルは著名な研究チームによって開発され、機械学習分野に大きな進歩をもたらしました。
YOLOv7
- 著者: Chien-Yao Wang、Alexey Bochkovskiy、Hong-Yuan Mark Liao
- 組織: 台湾、中央研究院情報科学研究所
- 日付: 2022-07-06
- arXiv: YOLOv7:学習可能なbag-of-freebiesでリアルタイム物体検出器の新たな最先端を実現
- GitHub: WongKinYiu/yolov7
- ドキュメント: Ultralytics YOLOv7ドキュメント
EfficientDet
- 著者: Mingxing Tan、Ruoming Pang、Quoc V. Le
- 組織: Google Research
- 日付: 2019-11-20
- arXiv: EfficientDet:スケーラブルで効率的な物体検出
- GitHub: Google AutoML EfficientDet
アーキテクチャの違いとバランスの取れた分析#
効果的なモデルのデプロイには、これらのネットワークの基本的な構造上の違いを理解することが不可欠です。
EfficientDet:複合スケーリングとBiFPN#
TensorFlowのエコシステム内で開発されたEfficientDetは、体系的なモデルスケーリング手法を導入しました。ネットワークを任意に広げたり深くしたりするのではなく、Googleの研究者は解像度、深さ、幅を均等にスケーリングする複合スケーリング手法を採用しました。
さらに、EfficientDetは双方向特徴ピラミッドネットワーク(BiFPN)を導入しました。この特徴ピラミッドネットワークのバリアントにより、高速なマルチスケール特徴融合が可能になります。
長所: パラメーター効率が非常に高く、多くの同時代モデルより少ないFLOPsで高い平均適合率(mAP)を達成します。 短所: 旧来のAutoML検索戦略に大きく依存します。最新の動的なPyTorchワークフローへの統合が煩雑になる場合があり、FLOPsが少ないにもかかわらず、エッジデバイスでのレイテンシーは予想より高くなることがよくあります。
YOLOv7:トレーニング可能なBag-of-Freebies#
YOLOv7はリアルタイム推論とトレーニングの最適化を重視しました。拡張効率レイヤー集約ネットワーク(E-ELAN)の概念を導入し、元の勾配経路を損なうことなく、モデルがより多様な特徴を継続的に学習できるようにしました。また、推論コストを増加させずに検出精度を高める「学習可能な無料特典」という手法も採用しました。
強み: 処理速度が速く、推論レイテンシも優れているため、高FPSの動画ストリームに適しています。 弱み: 高い能力を備えていますが、依然としてアンカーボックスに依存しており、後処理で非最大抑制(NMS)が必要です。非常に混雑したシーンでは、これがレイテンシのボトルネックになる場合があります。
モデルを評価する際は、アーキテクチャと同じくらい、それを取り巻くエコシステムも重要です。統合されたUltralytics Platformは、統一API、充実したドキュメント、活発なコミュニティサポートを提供します。この統合環境は通常、大規模なトランスフォーマーモデルよりもトレーニング時のメモリ使用量が少ないため、プロトタイピングと実験の追跡を高速化できます。
パフォーマンス指標とベンチマーク#
以下の表では、主要なパフォーマンス指標を比較し、速度、パラメーター数、精度のトレードオフを開発者が評価できるようにしています。
| 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) |
|---|---|---|---|---|---|---|
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
| EfficientDet-d0 | 512 | 34.6 | - | 3.92 | 3.9 | 2.54 |
| EfficientDet-d1 | 640 | 40.5 | - | 7.31 | 6.6 | 6.1 |
| EfficientDet-d2 | 768 | 43.0 | - | 10.92 | 8.1 | 11.0 |
| EfficientDet-d3 | 896 | 47.5 | - | 19.59 | 12.0 | 24.9 |
| EfficientDet-d4 | 1024 | 49.7 | - | 33.55 | 20.7 | 55.2 |
| EfficientDet-d5 | 1280 | 51.5 | - | 67.86 | 33.7 | 130.0 |
| EfficientDet-d6 | 1280 | 52.6 | - | 89.29 | 51.9 | 226.0 |
| EfficientDet-d7 | 1536 | 53.7 | - | 128.07 | 51.9 | 325.0 |
表に示すとおり、EfficientDet-d7は高いmAPを達成する一方、TensorRTの速度はYOLOv7の各バリアントに大きく劣ります。このことから、GPUアクセラレーションによるリアルタイム物体検出におけるYOLOv7の優位性がわかります。
物体検出の進化:YOLO26#
YOLOv7とEfficientDetは重要な基盤を築きましたが、ビジョンAIの分野は急速に進化しています。効率と精度を最大限に求める最新のアプリケーションには、2026年1月にリリースされたYOLO26へのアップグレードを推奨します。
YOLO26は前世代の制約に対処し、物体検出、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、ポーズ推定、回転バウンディングボックス(OBB)検出にわたる幅広い汎用性を提供します。
YOLO26の主な革新点#
- エンドツーエンドのNMSフリーデザイン: YOLO26では、非極大抑制(NMS)の後処理を省略するオプションのワン・ツー・ワンヘッド(
nms=False)を利用できます。この手法はYOLOv10によってYOLOモデルに導入され、デプロイのロジックを簡素化し、物体の密度にかかわらずレイテンシを一定に保ちます。 - DFLの削除: Distribution Focal Loss(DFL)を削除することでモデルアーキテクチャが簡素化され、制約の厳しいエッジコンピューティング環境との互換性が向上します。
- CPU推論が最大43%高速: YOLO26nはYOLO11nよりCPUで最大43%高速に動作するため、専用GPUを搭載していないハードウェアに適しています。
- MuSGDオプティマイザー: Moonshot AIのKimi K2などの大規模言語モデル技術に着想を得た、SGDとMuonのハイブリッドです。コンピュータービジョンのトレーニングに、より安定したトレーニングと高速な収束をもたらします。
- ProgLoss + STAL: 段階的な損失関数と小物体を考慮したラベル割り当てにより、小物体認識が向上します。これは航空画像やドローンアプリケーションで重要です。
- タスク固有の改善: セマンティックセグメンテーション損失とセグメンテーションタスク用のマルチスケールproto、姿勢推定用のResidual Log-Likelihood Estimation(RLE)、およびOriented Bounding Box(OBB)の境界に関する問題を解決するための専用角度損失関数が含まれています。
従来のシステムを利用しているチームは、Ultralytics Platformに移行することで、これらのモデルを簡単にトレーニングしてデプロイできる、効率化されたワークフローを利用できます。開発者は、後方互換性の要件に応じて、YOLO11やYOLOv8などの過去の世代も検討できます。
効率的な学習と使いやすさ#
Ultralyticsモデルの特長の一つは、使いやすさです。EfficientDetのTensorFlow AutoML環境で必要となる複雑な多重依存関係のセットアップとは異なり、UltralyticsはシンプルでPythonらしいAPIを提供します。
この環境ではトレーニング中のCUDAメモリ使用量が少なく抑えられるため、Transformerベースのアーキテクチャでよく発生するメモリ不足(OOM)エラーを回避しながら、大規模データセットをトレーニングできます。
コード例:Ultralyticsを使い始める#
次のコードスニペットでは、開発者がUltralyticsパッケージを活用して、すぐにYOLO26モデルをトレーニングする方法を示します。
from ultralytics import YOLO
# Initialize a YOLO26 nano model for object detection
model = YOLO("yolo26n.pt")
# Train the model on the COCO8 example dataset
results = model.train(
data="coco8.yaml",
epochs=100,
imgsz=640,
device=0, # GPU index; use device='cpu' to train on CPU
batch=16,
)
# Validate the model's performance
metrics = model.val()
print(f"Validation mAP50-95: {metrics.box.map}")
# Export the model for edge deployment (e.g., OpenVINO for CPU optimization)
model.export(format="openvino")最適なユースケースと実際の応用例#
ソリューションを設計する際は、モデルの強みを具体的なユースケースに合わせることが重要です。
EfficientDetを使用する場面#
EfficientDetは、従来の学術研究や、複合スケーリング実験を主な目的とするGoogle Cloudエコシステムに厳密に依存した環境では、依然として候補になります。小型のバリアント(d0~d2)は、ディスク容量が極めて限られている場合に役立ちます。
YOLOv7を使用する場面#
YOLOv7は高性能な従来型のセットアップで優れた性能を発揮し、特にTensorFlowよりPyTorchとの統合が好まれる環境に適しています。次の用途で広く導入されています。
- ビデオ分析: GPUアクセラレーションを十分に利用できる環境で、高フレームレートのセキュリティ映像ストリームを処理します。
- 産業検査: 高速で動く製造ライン上の欠陥を特定します。
YOLO26を選ぶ場合#
新規デプロイには、YOLO26を推奨します。性能のバランスと適切にメンテナンスされたエコシステムにより、次の用途に適しています。
- スマートシティと交通管理: オプションのNMSフリーヘッドにより、リアルタイムの交通管制で推論レイテンシを一定に保てます。
- ロボティクスと自律システム: YOLO26nはYOLO11nよりCPU推論が最大43%高速なため、組み込みデバイス上でも応答性の高いナビゲーションを実現できます。
- 農業および航空モニタリング: ProgLossとSTALを使用して、高高度から撮影した画像内の特定の作物や野生動物などの小物体を識別します。
まとめると、EfficientDetとYOLOv7は歴史的な背景や特定のニッチな用途で価値がありますが、現代のコンピュータービジョンエンジニアには、デプロイ、CPU速度、小物体の認識精度に関する従来のボトルネックに対処するUltralytics YOLO26アーキテクチャが最適です。
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。