YOLOv7とYOLOXの比較
コンピュータビジョンの進化は、リアルタイムの物体検出における急速な進歩に特徴づけられます。重要な節目となるモデルがYOLOv7とYOLOXです。どちらも速度と精度を改善しましたが、アーキテクチャには異なるアプローチを採用しました。このガイドでは、コンピュータビジョンプロジェクトに適したアーキテクチャを選択できるよう、両モデルを技術的に比較します。
モデルの概要#
最新の機械学習運用でこれらのモデルを効果的にデプロイするには、それぞれの開発経緯と主要な設計上の選択を理解することが重要です。
YOLOv7の詳細#
CSPNetとScaled-YOLOv4アーキテクチャを保守していた研究者によって開発されたYOLOv7は、推論コストを増やさずに精度を最大化する「トレーニング可能なbag-of-freebies」方式を導入しました。
- 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: https://arxiv.org/abs/2207.02696
- GitHub: https://github.com/WongKinYiu/yolov7
- ドキュメント: Ultralytics YOLOv7ドキュメント
YOLOXの詳細#
YOLOXはアンカーフリー検出に回帰する別のアプローチを採用し、高い性能を維持しながらヘッドのアーキテクチャを簡素化しました。
- 著者: Zheng Ge、Songtao Liu、Feng Wang、Zeming Li、Jian Sun
- 組織: Megvii
- 日付: 2021-07-18
- arXiv: https://arxiv.org/abs/2107.08430
- GitHub: https://github.com/Megvii-BaseDetection/YOLOX
- ドキュメント: YOLOX公式ドキュメント
アーキテクチャの違いと革新#
YOLOv7とYOLOXの主な違いは、特徴抽出、バウンディングボックス予測、ラベル割り当ての手法にあります。
YOLOX:アンカーフリーの先駆け#
YOLOXは、YOLOファミリーにアンカーフリー設計を導入しました。従来のアンカーベース検出器では、データセットに大きく依存するアンカーボックスのクラスタリングに対して、ヒューリスティックな調整が必要です。アンカーボックスを排除することで、YOLOXは設計パラメーターの数を大幅に減らしました。また、分離型ヘッドを採用し、分類タスクと位置特定タスクを別々のネットワークブランチに分けています。これにより、物体の分類と空間座標の回帰との競合が軽減されます。さらに、トレーニング中に正のサンプルを動的に割り当てるSimOTAなど、高度なラベル割り当て戦略も取り入れています。
YOLOv7: Extended Efficient Layer Aggregation#
1年後にリリースされたYOLOv7はアンカーベース設計を維持しながら、Extended Efficient Layer Aggregation Network(E-ELAN)を導入しました。E-ELANは勾配経路の長さを最適化し、さまざまな深さでネットワークが効果的に学習できるようにします。このアーキテクチャは再パラメーター化を多用し、推論時に畳み込みレイヤーを統合して、精度を損なわずに速度を高めます。YOLOv7の「無料特典」戦略には、計画的な再パラメーター化畳み込みと粗密誘導型のリードラベル割り当てが含まれ、モデルの平均適合率(mAP)を向上させます。
YOLOXのアンカーフリー構成はデプロイパイプラインを簡素化しましたが、その後、最新のUltralyticsアーキテクチャはこの手法をさらに洗練させ、新しい世代では事前定義されたボックスを不要にしています。
パフォーマンス比較#
本番環境向けにこれらのモデルを評価する際は、精度と計算効率のバランスが不可欠です。以下の表ではトレードオフを示し、最も優れた指標を太字で強調しています。
| 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 |
| 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 |
上記のとおり、この比較ではYOLOv7xが最も高いmAPを達成し、複雑なデータセットに対する最も高精度な選択肢となっています。一方、YOLOX-Nanoはリソースが極めて限られたデバイスを対象としています。どちらのモデルファミリーも、より新しいUltralyticsアーキテクチャと比べて、トレーニング時に多くのメモリを必要とする場合があります。
トレーニング手法とエコシステム#
研究者や開発者にとって重要な要素は、実装の容易さです。従来、古いYOLOのバージョンでは、カスタムのトレーニングスクリプトや複雑な依存関係の管理が必要でした。
Ultralyticsエコシステムの利点#
YOLOv7とYOLOXはUltralytics Pythonパッケージでネイティブにサポートされていません。新規プロジェクトには、適切に保守されているUltralyticsエコシステムのUltralytics YOLOモデルが最も効果的な選択肢です。Ultralyticsは、トレーニング、検証、デプロイを簡素化する統一Python APIを提供します。
- 使いやすさ: 数行のコードでトレーニングを開始できるため、PyTorchの生の実装に対する学習コストを軽減できます。
- トレーニング効率: Ultralytics YOLOモデルは通常、RT-DETRのよう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、一般向けハードウェアで大きなバッチサイズを使用できます。
- 汎用性: バウンディングボックスだけでなく、同じAPIでインスタンスセグメンテーションやポーズ推定などのタスクにも対応します。
次の実行可能な例では、Ultralytics APIを使ってモデルをトレーニングし、エクスポートします。
from ultralytics import YOLO
# 事前学習済みモデルを読み込む
model = YOLO("yolov8n.pt") # 転移学習をすばやく行うための学習済み重みを利用する
# カスタムデータでモデルを効率的にトレーニングする
results = model.train(
data="coco8.yaml",
epochs=100,
imgsz=640,
batch=16,
device="0", # 最初のCUDA GPUを使用します
)
# ONNXまたはTensorRTにエクスポートします
model.export(format="onnx")標準化されたエクスポートパイプラインにより、開発者は重みをTensorRTやONNXなどのフォーマットに変換して、対象ハードウェアで高速に推論できます。
最適なユースケースと実際の応用例#
YOLOXとYOLOv7のどちらを選ぶかは、主にデプロイ先によって決まります。
- エッジAI向けのYOLOX: YOLOX-NanoとYOLOX-Tinyのバリアントは、低消費電力デバイスへのデプロイに非常に適しています。Raspberry Piでスマートセキュリティカメラを構築する場合、YOLOXのシンプルなアンカーフリー畳み込みは、エッジアクセラレータに容易に適用できます。
- 高精度な分析に向けたYOLOv7: 高解像度の衛星画像を処理する場合や、複雑な製造品質管理を実行する場合、ハイエンドのNVIDIA GPU上でYOLOv7xが達成する高いmAPにより、小さな異常を検出しやすくなります。
未来:Ultralytics YOLO26へのアップグレード#
YOLOv7とYOLOXはリリース当時に大きな影響を与えましたが、この分野はその後大きく進歩しました。新たなデプロイには、Ultralyticsは2026年1月にリリースされたUltralytics YOLO26を推奨します。これまでのアーキテクチャから得られた知見を、本番環境ですぐに使えるモデルに取り入れています。
主な改良点は次のとおりです。
- エンドツーエンドのNMSフリーデザイン: YOLO26のオプションのワン・ツー・ワンヘッド(
nms=False)は、後処理時の非極大抑制(NMS)を排除します。この手法はYOLOv10によってYOLOモデルに導入され、レイテンシを一貫して低く保ち、効率的なNMSをサポートしないデバイスへのデプロイを簡素化します。 - DFLの削除: Distribution Focal Lossを取り除くことで、低消費電力のエッジデバイスとの互換性が高まり、ONNXへのエクスポートも簡素化されます。
- MuSGDオプティマイザー: LLMのトレーニングから着想を得たYOLO26は、SGDとMuonのハイブリッドであるMuSGDを使用し、収束を高速化してトレーニングを安定させます。
- CPU推論が最大43%高速: YOLO26nはCPUでのONNX推論においてYOLO11nより最大43%高速に動作するため、専用のGPUインフラストラクチャがなくても標準的なCPUで優れた性能を発揮します。
- ProgLoss + STAL: Progressive Lossと小さなターゲットを考慮したラベル割り当てにより、小さい物体の検出精度が向上します。これは、VisDroneデータセットのような航空画像やIoTカメラネットワークで重要です。
物体検出、セグメンテーション、その他のタスクを扱うチームには、Ultralytics Platformがデータのアノテーション、モデルのトレーニング、デプロイを一元的に行える環境を提供します。
結論#
YOLOXとYOLOv7は、オープンソースのビジョンAIを形作る手法を導入しました。YOLOXはアンカーフリーの分離型ヘッドの有効性を示し、YOLOv7は勾配経路の設計と再パラメーター化の価値を実証しました。現在、Ultralyticsエコシステムでは、最新のUltralytics YOLOモデルを使ってこれらのアイデアを活用できます。新しいコンピュータビジョンアプリケーションにはYOLO26を推奨します。
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。