YOLOv8とEfficientDetの比較
物体検出が急速に進化する中、精度、推論速度、デプロイの実現可能性のバランスを取るには、適切なニューラルネットワークアーキテクチャを選択することが重要です。この技術比較では、現代のコンピュータービジョンエコシステムにおける汎用的な標準モデルであるUltralytics YOLOv8と、複合スケーリング戦略で知られるGoogleの基盤モデルEfficientDetという、影響力の大きい2つのアーキテクチャを取り上げます。
高性能なクラウドサーバーを対象とする場合も、リソースが限られたエッジデバイスを対象とする場合も、これらのモデルのアーキテクチャ上の違いを理解することで、適切なモデルを選択しやすくなります。
アーキテクチャの概要#
どちらのモデルも畳み込みニューラルネットワークを使用して画像内の物体を識別・位置特定しますが、特徴抽出とバウンディングボックス回帰には異なる手法を採用しています。
Ultralytics YOLOv8#
2023年1月にUltralyticsからリリースされたYOLOv8は、YOLOファミリーにとって大きな前進となりました。Glenn Jocher、Ayush Chaurasia、Jing Qiuが開発したYOLOv8は、物体検出、インスタンスセグメンテーション、画像分類、姿勢推定など、複数のビジョンタスクをサポートするよう一から設計されました。
このアーキテクチャでは、ボックスの予測数を減らしてNon-Maximum Suppression(NMS)を高速化するアンカーフリー検出ヘッドを採用しています。バックボーンにはC2fモジュール(2つの畳み込みを持つCross-Stage Partialボトルネック)を使用しており、軽量さを保ちながら学習時の勾配フローを改善します。そのため、YOLOv8はNVIDIA TensorRTやONNXなどの形式にコンパイルした場合も効率的です。
EfficientDet#
GoogleのMingxing Tan、Ruoming Pang、Quoc V. Leが開発し、2019年後半にリリースされたEfficientDetは、スケーラブルな効率性に重点を置いています。公式arXiv論文で説明されているこのモデルは、GoogleのAutoML研究を基盤としています。
EfficientDetの特徴は、マルチスケール特徴量の融合を容易かつ高速に行える双方向特徴ピラミッドネットワーク(BiFPN)です。EfficientNetバックボーンと組み合わせたこのアーキテクチャでは、バックボーン、特徴ネットワーク、ボックス/クラス予測ネットワークの解像度、深さ、幅を同時に一様にスケーリングする複合スケーリング手法を使用します。これによりパラメーター効率は優れていますが、ネットワークトポロジーが複雑なため、FLOP数から予想されるよりもGPU上での実行が遅くなる傾向があります。
パフォーマンスと指標の比較#
物体検出モデルの比較では、平均適合率(mAP)と推論レイテンシが主な評価指標です。次の表では、COCOデータセットの標準指標を使って、YOLOv8の各バリエーションとEfficientDet(d0~d7)ファミリーを比較します。
| 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) |
|---|---|---|---|---|---|---|
| YOLOv8n | 640 | 37.3 | 80.4 | 1.47 | 3.2 | 8.7 |
| YOLOv8s | 640 | 44.9 | 128.4 | 2.66 | 11.2 | 28.6 |
| YOLOv8m | 640 | 50.2 | 234.7 | 5.86 | 25.9 | 78.9 |
| YOLOv8l | 640 | 52.9 | 375.2 | 9.06 | 43.7 | 165.1 |
| YOLOv8x | 640 | 53.9 | 479.1 | 14.37 | 68.2 | 257.8 |
| 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 |
EfficientDetは少ないFLOPsで競争力のある精度を実現しますが、Ultralytics YOLOv8はGPU上で大幅に高速です。たとえば、YOLOv8xはEfficientDet-d7(53.7)をわずかに上回るmAP(53.9)を達成しながら、T4 GPU上では約9倍高速に動作します(14.37 ms対128.07 ms)。そのため、YOLOv8はリアルタイム動画分析に適した有力な選択肢です。
トレーニング手法とエコシステム#
機械学習アーキテクチャの選定では、開発者エクスペリエンスが重要な要素です。これらのモデルでは、コミュニティのサポートやエコシステムのツールに大きな違いがあります。
EfficientDetは、TensorFlowと専用のAutoMLパイプラインに大きく依存しています。大規模な分散クラウド学習には効果的ですが、環境の構築、アンカーの調整、EfficientDet GitHubリポジトリにある複雑な設定ファイルの解析には、多大な労力がかかる場合があります。
一方、Ultralytics YOLOv8はPyTorchをネイティブに基盤としており、使いやすさを重視して設計されています。開発者はPythonコード1行またはCLIコマンド1つで学習を開始できます。また、学習時のメモリ使用量も最適化されているため、比較的低性能なコンシューマー向けGPUでも、高性能なモデルを学習できます。Transformerを多用するアーキテクチャでよく発生するメモリ不足(OOM)エラーも少なくなります。
Ultralytics Platformは、データセットのアノテーション、モデルの学習、クラウドデプロイに対応するノーコードインターフェースを提供し、組み込みのハイパーパラメーター調整によってカスタムデータセットの精度を最適化できます。
Pythonコード例:YOLOv8の推論#
Ultralytics GitHubリポジトリを使ったYOLOv8の学習と実行に必要なコードは、わずか数行です。
from ultralytics import YOLO
# PyTorchでYOLOv8モデルをネイティブに初期化します
model = YOLO("yolov8n.pt")
# COCO8のサンプルデータセットでモデルをトレーニングする
train_results = model.train(data="coco8.yaml", epochs=50, imgsz=640)
# 画像のURLを使って高速に推論を実行します
inference_results = model("https://ultralytics.com/images/bus.jpg")
# バウンディングボックスを表示します
inference_results[0].show()次世代モデル:Ultralytics YOLO26へのアップグレード#
YOLOv8は現在も本番環境で利用できるモデルですが、新しいプロジェクトを始める開発者は、2026年1月にリリースされ、現在推奨されているUltralyticsモデルであるUltralytics YOLO26を評価してください。
YOLO26は、ネイティブのエンドツーエンドNMSフリーデザインを採用しています。オプションのワンツーワンヘッド(nms=False)は、初期のYOLOバージョンから使用されてきたNMSの後処理を不要にし、レイテンシのばらつきを抑えて、低消費電力デバイスへのデプロイを簡素化します。
YOLO26には、学習とアーキテクチャに関する複数の改善も含まれています。
- MuSGDオプティマイザー: LLMの学習手法をヒントに、SGDとMuonを組み合わせたこのハイブリッドオプティマイザーは、学習を安定させ、収束を高速化します。
- CPU推論が最大43%高速: NMSとDFLを削除した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NPUを搭載しないCPUのみのエッジデバイスに適しています。
- ProgLoss + STAL: Progressive LossとSmall-Target-Aware Label Assignment(STAL)は小物体検出を向上させ、航空画像やIoTカメラのアプリケーションに役立ちます。
- DFLの削除: Distribution Focal Lossを削除することで、OpenVINOやCoreMLなどの形式へのエクスポートが簡素化されます。
ユースケースと推奨事項#
最終的にどのアーキテクチャを選択するかは、デプロイの制約と既存システムの要件によって決まります。
- 次の場合はUltralytics YOLOv8を選択してください: 高い精度、リアルタイムGPU推論、使いやすい開発者エクスペリエンスが求められる、汎用性の高いコンピュータービジョンアプリケーションを構築する場合です。検出、セグメンテーション、分類タスク全般で高い性能を発揮するため、小売分析、ロボティクス、セキュリティシステムに幅広く活用できます。
- EfficientDetを選ぶ場合: 従来のTensorFlowワークフローから移行できず、リアルタイム性が厳しく求められる産業用途へのデプロイよりも、研究目的などでパラメーター数と理論上のFLOPsを最小限に抑えることを重視する場合に適しています。
- 次の場合はUltralytics YOLO26を選択してください: 新しいプロジェクトを始める場合です。YOLO26は現在推奨されているUltralyticsモデルであり、ネイティブのエンドツーエンドNMSフリーアーキテクチャによって、高速なエッジデプロイと大規模なクラウド処理の両方に適しています。
Ultralyticsエコシステムの他のモデルを検討する場合は、速度と精度のバランスに優れたUltralytics YOLO11や、Transformerベースのリアルタイム検出手法であるRT-DETRも候補になります。
コメント1
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。
extremezero9023(編集済み)
Great technical breakdown! EfficientDet is known for its excellent accuracy-to-efficiency ratio, especially in resource-constrained environments. However, this YOLOv8 comparison highlights how v8 brings better versatility, faster inference times, and an easier training pipeline. While EfficientDet excels in structured setups, YOLOv8 feels more production-ready for dynamic and real-time use cases.