YOLOv7 と PP-YOLOE+ の比較#
プロダクションパイプライン向けに最先端のコンピュータビジョンモデルを評価する際、開発者はさまざまなアーキテクチャの利点を比較検討することがよくあります。オブジェクト検出の分野における2つの注目すべきモデルは、YOLOv7とPP-YOLOE+です。本ガイドでは、次回のコンピュータビジョンプロジェクトに向けて十分な情報に基づいた決定を下せるよう、それらのアーキテクチャ、パフォーマンス指標、および理想的なデプロイシナリオの詳細な技術比較を提供します。
アーキテクチャの革新#
両モデルの構造的な根本的な違いを理解することは、トレーニングおよび推論中の挙動を予測する上で不可欠です。
YOLOv7 アーキテクチャのハイライト#
YOLOv7 は、推論コストを大幅に増加させることなく精度を向上させるよう設計された、いくつかの主要な進歩を導入しました。
- Extended Efficient Layer Aggregation Networks (E-ELAN): このアーキテクチャは、最短および最長の勾配パスを制御します。これにより、ネットワークはより多様な特徴を学習できるようになり、元の勾配パスを破壊することなく、全体的な学習能力が向上します。
- モデルスケーリング戦略: YOLOv7 は複合モデルスケーリングを採用しており、深さと幅を同時に調整しながらレイヤーを結合することで、異なるサイズ間でも最適なアーキテクチャ構造を維持します。
- Trainable Bag-of-Freebies: 著者らは、アイデンティティ接続を持たない再パラメータ化畳み込み手法 (RepConv) を統合しました。これにより、モデルの予測能力を損なうことなく、推論速度が大幅に向上します。
YOLOv7の詳細:
著者: Chien-Yao Wang、Alexey Bochkovskiy、Hong-Yuan Mark Liao
組織: 台湾・中央研究院 資訊科学研究所
日付: 2022-07-06
Arxiv: https://arxiv.org/abs/2207.02696
PP-YOLOE+ アーキテクチャのハイライト#
Baidu の PaddlePaddle エコシステム内で開発された PP-YOLOE+ は、前身である PP-YOLOv2 をベースにしており、アンカーフリー手法と強化された特徴表現に重点を置いています。
- アンカーフリー設計: アンカーベースのアプローチとは異なり、この設計は予測ヘッドを簡素化し、ハイパーパラメータの数を減らすことで、カスタムデータセット向けのモデル調整を容易にします。
- CSPRepResNet バックボーン: このバックボーンには、残差接続と Cross Stage Partial ネットワークが組み込まれており、計算効率を維持しながら特徴抽出能力を向上させています。
- Task Alignment Learning (TAL): PP-YOLOE+ は ET-head (Efficient Task-aligned head) を活用して分類タスクと位置特定タスクの調整を改善し、ワンステージ検出器における一般的なボトルネックに対処しています。
PP-YOLOE+の詳細:
著者: PaddlePaddleの著者ら
組織: Baidu
日付: 2022-04-02
Arxiv: https://arxiv.org/abs/2203.16250
パフォーマンス指標とベンチマーク#
適切なモデルの選択は、多くの場合、ハードウェアの特定の制約とレイテンシ要件に基づいて決まります。以下の表は、精度 (mAP)、速度、およびモデルの複雑さのトレードオフを示しています。
| モデル | サイズ (ピクセル) | mAPval 50-95 | 速度 CPU ONNX (ms) | 速度 T4 TensorRT10 (ms) | パラメータ (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
| PP-YOLOE+t | 640 | 39.9 | - | 2.84 | 4.85 | 19.15 |
| PP-YOLOE+s | 640 | 43.7 | - | 2.62 | 7.93 | 17.36 |
| PP-YOLOE+m | 640 | 49.8 | - | 5.56 | 23.43 | 49.91 |
| PP-YOLOE+l | 640 | 52.9 | - | 8.36 | 52.2 | 110.07 |
| PP-YOLOE+x | 640 | 54.7 | - | 14.3 | 98.42 | 206.59 |
結果の分析#
- 高精度シナリオ: YOLOv7x は優れたパフォーマンスを発揮し、複雑な検出タスクにおいて競合力のある高い mAP を達成します。PP-YOLOE+x は mAP でわずかに上回りますが、パラメータ数と FLOPs が大幅に増加します。
- 効率と速度: PP-YOLOE+ の小型バリアント (t および s) は、TensorRT において非常に高速な推論速度を提供し、ハードウェア制約が厳しいエッジ環境へのデプロイに非常に適しています。
- スイートスポット: YOLOv7l は優れたバランスを提供し、T4 GPU 上で 7ms 未満の推論時間を維持しながら 51% 以上の mAP を実現します。標準的なリアルタイムサーバーアプリケーションにとって堅牢な選択肢となります。
Ultralyticsの利点#
YOLOv7 と PP-YOLOE+ はどちらも強力なベンチマークパフォーマンスを提供しますが、プロジェクトを成功させるには、開発体験とエコシステムのサポートも同様に重要です。
効率的なユーザー体験#
Ultralytics モデルは、統合された Python API を通じて使いやすさを優先しています。PaddlePaddle エコシステムとその特定の構成ファイルを扱う必要がある PP-YOLOE+ とは異なり、Ultralytics を使用するとトレーニングからデプロイまでシームレスに移行できます。
from ultralytics import YOLO
# Load a pretrained model
model = YOLO("yolov7.pt")
# Train the model effortlessly
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Export for optimized deployment
model.export(format="engine") # TensorRT exportリソース効率#
Ultralytics YOLOモデルの大きな強みは、トレーニングと推論の両方におけるメモリ要件が低いことです。この効率性により、研究者や開発者はコンシューマー向けハードウェアでより大きなバッチサイズを使用できるようになり、より重いモデルやRT-DETRのような複雑なTransformerアーキテクチャと比較して、トレーニングプロセスを加速させることができます。
エコシステムと汎用性#
Ultralyticsエコシステムは非常によくメンテナンスされており、頻繁なアップデート、充実したドキュメント、および標準的な検出を超える多様なタスクに対するネイティブサポートを備えています。Ultralyticsを使用すると、単一のフレームワークでインスタンスセグメンテーション、姿勢推定、分類、および指向性バウンディングボックス（OBB）をサポートでき、競合モデルにはしばしば欠けている比類のない汎用性を提供します。
Vision AI の未来: YOLO26#
コンピュータビジョンが急速に進化するにつれて、速度と効率の標準を再定義する新しいアーキテクチャが登場しています。2026年1月にリリースされたUltralytics YOLO26は、この進化の頂点を表しており、すべての新しいプロジェクトで強く推奨される選択肢です。
YOLO26の主な革新:
- エンドツーエンドのNMSフリー設計: YOLO26はNon-Maximum Suppression（NMS）後処理を排除します。このネイティブなエンドツーエンドアプローチにより、デプロイロジックが大幅に簡素化され、可変レイテンシが削減されます。これはYOLOv10で初めて導入された画期的な機能です。
- 前例のないエッジパフォーマンス: Distribution Focal Loss (DFL) を削除することで、YOLO26 は最大 43% 高速な CPU 推論を実現し、前世代と比較して IoT やエッジデバイスにとって優れた選択肢となります。
- 高度なトレーニングダイナミクス: Moonshot AI の Kimi K2 といった LLM の革新に触発された MuSGD Optimizer の統合により、より安定したトレーニングと高速な収束が保証されます。
- 優れた小物体検出: 強化された損失関数、具体的にはProgLoss + STALは、航空写真などのアプリケーションにとって不可欠な、小物体の認識におけるこれまでの弱点に対処します。
実際のアプリケーション#
これらのアーキテクチャの選択は、多くの場合、特定のデプロイ環境に依存します。
PP-YOLOE+ を選ぶべき場面#
- PaddlePaddle 統合: インフラストラクチャがすでに Baidu の PaddlePaddle エコシステムに深く統合されている場合、PP-YOLOE+ はネイティブに適しています。
- アジアにおける産業検査: ハードウェアおよびソフトウェアスタックが Baidu のツール用に事前構成されているアジアの製造拠点などでよく利用されています。
YOLOv7を選択すべき時#
- GPUアクセラレーテッドシステム: 動画解析など、高いスループットを必要とするタスクにおいて、サーバーグレードのGPU上で非常に優れたパフォーマンスを発揮します。
- ロボティクス統合: ロボティクスにおけるコンピュータビジョンの統合に最適であり、動的な環境での迅速な意思決定を可能にします。
- 学術研究: 広くサポートされており、PyTorch ベースの研究において信頼できるベースラインとして頻繁に使用されています。
古いモデルには歴史的な重要性がありますが、Ultralytics Platformを介してYOLO26やYOLO11のような最新のアーキテクチャに移行することで、最新の最適化、最もシンプルなトレーニングワークフロー、および今日利用可能な最も幅広いマルチタスクサポートへのアクセスが確実に得られます。