YOLOv7とYOLOv6-3.0
コンピュータービジョンの分野は絶えず進化しており、新しい物体検出モデルによって速度と精度が着実に向上しています。この進歩における重要な節目が、YOLOv7とYOLOv6-3.0です。どちらのモデルも、実世界のアプリケーションでスループットと精度を最大化するための独自のアーキテクチャ革新を導入しました。このページでは、両アーキテクチャの詳細な技術分析と、性能、トレーニング方法、理想的なユースケースの比較を通じて、次の人工知能プロジェクトで適切な判断を下せるよう支援します。
YOLOv7:バッグ・オブ・フリービーの先駆け#
2022年半ばにリリースされたYOLOv7は、推論コストを増やさずにネットワークアーキテクチャを最適化する、複数の革新的な手法を導入しました。リアルタイム性能を維持しながら精度を高めるため、学習可能な「bag-of-freebies」に重点を置いています。
- 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: 2207.02696
- GitHub: WongKinYiu/yolov7
- ドキュメント: Ultralytics YOLOv7ドキュメント
アーキテクチャの主な特徴#
YOLOv7の特徴は、Extended Efficient Layer Aggregation Network(E-ELAN)です。このアーキテクチャは、最短および最長の勾配経路を制御することで、モデルがより多様な特徴を学習できるようにします。さらにYOLOv7は、推論時に構造的再パラメーター化技術を用いて畳み込み層を統合し、学習済み表現を損なうことなく、パラメーター数と計算時間を効果的に削減します。
このモデルは、独自の補助ヘッド学習戦略も備えています。最終予測に「リードヘッド」を使い、中間層の学習を「補助ヘッド」で支援することで、YOLOv7は収束を改善し、より豊かな特徴を抽出します。これは、難易度の高い物体検出タスクで特に有効です。
YOLOv6-3.0: 産業グレードのスループット#
Meituan Vision AI Departmentが開発したYOLOv6-3.0は、「産業用途向けの次世代物体検出器」として明確に設計されました。2023年初頭にリリースされ、特にNVIDIA GPUにおけるハードウェア利用率の最大化に重点を置いています。
- 著者: Chuyi Li、Lulu Li、Yifei Gengほか
- 組織: Meituan
- 日付: 2023-01-13
- arXiv: 2301.05586
- GitHub: meituan/YOLOv6
- ドキュメント: Ultralytics YOLOv6のドキュメント
アーキテクチャの主な特徴#
YOLOv6-3.0は、GPU上での並列処理に最適化されたEfficientRepバックボーンを採用しています。そのため、大規模なバッチ処理で非常に高い効率を発揮します。バージョン3.0では、異なるスケール間の特徴融合を強化するため、ネック部分にBi-directional Concatenation(BiC)モジュールが導入され、サイズの異なる物体を検出する能力が向上しました。
さらに、YOLOv6-3.0はAnchor-Aided Training(AAT)戦略を採用しています。このアプローチは、アンカーベースのトレーニングとアンカーフリー推論の利点を組み合わせ、学習時にはアンカーの安定性を維持し、デプロイ時にはアンカーフリー設計の速度とシンプルさを活用します。
パフォーマンス比較#
本番環境向けのモデルを評価する際は、精度(mAP)と推論速度、計算負荷(FLOPs)のバランスが重要です。以下に、両モデルの標準的なバリエーション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) |
|---|---|---|---|---|---|---|
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
| YOLOv6-3.0n | 640 | 37.5 | - | 1.17 | 4.7 | 11.4 |
| YOLOv6-3.0s | 640 | 45.0 | - | 2.66 | 18.5 | 45.3 |
| YOLOv6-3.0m | 640 | 50.0 | - | 5.28 | 34.9 | 85.8 |
| YOLOv6-3.0l | 640 | 52.8 | - | 8.95 | 59.6 | 150.7 |
YOLOv6-3.0はTensorRTなどの高スループットGPU環境に適している一方、YOLOv7は特徴の保持を優先するシステムにバランスの取れた選択肢を提供します。
Ultralyticsの強み#
YOLOv7とYOLOv6-3.0の単独リポジトリは高性能ですが、Ultralyticsエコシステムは開発者エクスペリエンスを簡素化します。ultralytics Pythonパッケージは、多様なアーキテクチャを直感的な単一のフレームワークに統合します。
- 使いやすさ: Ultralytics APIでは、最小限の定型コードでYOLOv6モデル(YAML設定を使用)やYOLO26などの最新モデルを構築、トレーニング、デプロイできます。YOLOv7はネイティブにサポートされていません。アップストリームのYOLOv7チェックポイントは、まずONNXまたはTensorRTにエクスポートする必要があります。モデルファイルを変更するだけで、サポート対象のアーキテクチャを切り替えられます。
- 適切に保守されたエコシステム: Ultralyticsは積極的に保守されている環境を提供し、頻繁なアップデートによって、最新のPyTorchディストリビューションやCUDAバージョンとのネイティブな互換性を確保しています。
- トレーニング効率: GPUリソースを効果的に活用できるよう、トレーニングパイプラインが最適化されています。さらに、Ultralytics YOLOモデルは通常、RT-DETRなどの重いTransformerベースモデルよりトレーニング時のメモリ要件が低く、一般消費者向けハードウェアでもより大きなバッチサイズを使用できます。
- 汎用性: 標準的なバウンディングボックス検出に加え、Ultralyticsフレームワークはインスタンスセグメンテーション、画像分類、姿勢推定、方向付きバウンディングボックスなどのタスクを、対応するモデルファミリー全体でサポートします。この機能は、独立した研究リポジトリでは欠けていることがよくあります。
コード例:トレーニングと推論#
これらのモデルをPythonパイプラインに統合するのは簡単です。データセットがCOCOデータセットと同様のYOLO検出形式を使用していることを確認し、次を実行してください。
from ultralytics import YOLO
# YAML設定からYOLOv6nモデルを構築します(事前学習済みのYOLOv6重みは提供されていません)
model = YOLO("yolov6n.yaml")
# 組み込みのハイパーパラメーター管理機能でモデルを学習します
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# 画像のURLまたはローカルパスを指定して推論を実行します
predictions = model("https://ultralytics.com/images/bus.jpg")
# 検出結果を可視化します
predictions[0].show()最適なユースケース#
YOLOv7を選ぶ場合#
YOLOv7は、高精度と高密度な特徴抽出が求められるシナリオで優れた性能を発揮します。
- 複雑な監視: 細部を保持する能力に優れているため、混雑した場面の監視やスマートシティのインフラにおける小さな異常の検出に適しています。
- 学術ベンチマーク: 包括的な「bag-of-freebies」設計思想により、研究で強力なベースラインとしてよく使用されます。
YOLOv6-3.0を選ぶ場合#
YOLOv6-3.0は、大容量かつGPUで高速化されたパイプラインに適した実力派モデルです。
- 産業オートメーション: サーバーグレードのGPUが複数の動画ストリームを同時に処理する工場ラインや製造上の欠陥検出に適しています。
- 高スループット分析: 1秒あたりのフレーム数を最大化することが主な目的となる、オフライン動画アーカイブの処理に役立ちます。
今後の展望: YOLO26#
YOLOv7とYOLOv6-3.0は非常に高性能ですが、人工知能の急速な革新により、さらなる効率性が求められています。2026年1月にリリースされたUltralytics YOLO26は、旧式アーキテクチャの多くの制約に対処します。
新しいプロジェクトを始める場合、以前の世代よりもYOLO26を推奨します。YOLO26は、いくつかの重要な機能を導入しています。
- エンドツーエンドのNMS不要設計: YOLOv10の基盤を発展させたYOLO26のオプションのワン・ツー・ワンヘッド(
nms=False)は、Non-Maximum Suppression(NMS)を省略します。これにより後処理のオーバーヘッドが減り、モバイルアプリケーションへのデプロイが簡素化され、推論レイテンシが低く安定します。 - MuSGDオプティマイザー: Moonshot AIのKimi K2で使用された手法など、高度なLLMトレーニング技術に着想を得て、YOLO26はSGDとMuonを組み合わせたハイブリッドオプティマイザーを採用しています。これにより、トレーニングの安定性が高まり、収束が速くなります。
- CPU推論が最大43%高速: Distribution Focal Loss(DFL)を削除することで、YOLO26nはCPU上でYOLO11nより最大43%高速に動作します。そのため、YOLO26はRaspberry Piや遠隔地のIoTセンサーなど、エッジ環境に適しています。
- ProgLoss + STAL: 進行型損失と小さな対象物を考慮したラベル割り当てにより、小さな物体の認識を向上させます。これは、1段階検出器が歴史的に抱えてきた弱点です。
これらの革新技術をUltralytics Platformと組み合わせることで、YOLO26は機械学習エンジニア向けに、高い性能、マルチタスクの汎用性、簡単なデプロイを実現します。
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。