YOLOv8とYOLOv7
コンピュータービジョンの分野は絶えず進化しており、新たなアーキテクチャによってリアルタイム物体検出の可能性が広がっています。このガイドでは、影響力のある2つのモデル、Ultralytics YOLOv8とYOLOv7を比較します。どちらも開発者コミュニティと学術研究に大きな影響を与えており、複雑な視覚タスクに取り組む独自の手法を備えています。
これら2つのモデルの構造と手法の違いを理解することは、デプロイパイプラインの最適化を目指す機械学習エンジニアにとって重要です。YOLOv7は生のスループットを重視した「無料の工夫を詰め込む」アプローチを導入しました。一方、Ultralytics YOLOv8は、高精度、少ないメモリ消費、マルチタスクの汎用性のバランスを取りながら、包括的で使いやすいエコシステムの構築に重点を置きました。
Ultralytics YOLOv8:汎用性の高いエコシステム標準#
2023年初頭にUltralyticsからリリースされたYOLOv8は、前世代からアーキテクチャを大きく刷新したモデルです。単なるリアルタイム物体検出器を超えるものとして一から設計され、幅広いビジョンタスクをすぐに処理できる統合フレームワークです。
- 著者: Glenn Jocher、Ayush Chaurasia、Jing Qiu
- 組織: Ultralytics
- 日付: 2023-01-10
- GitHub: ultralytics/ultralytics
- ドキュメント: YOLOv8のドキュメント
アーキテクチャの革新#
YOLOv8ではアンカーフリーの検出ヘッドが導入されています。カスタムデータセット固有の分布に基づいてアンカーボックスを手動で設定する必要がなくなるため、トレーニングプロセスが簡素化され、さまざまな環境でより堅牢に動作し、汎化しやすくなります。
さらに、アーキテクチャにはC2fモジュール(2つの畳み込みを用いたクロスステージ部分ボトルネック)が含まれています。この構造的な改良により、計算コストを大幅に増やすことなく勾配の流れが改善され、ニューラルネットワークがより豊かな特徴表現を学習できます。そのため、PyTorchなどの標準的なディープラーニングフレームワークを使った推論でも効率的です。
Ultralytics YOLOモデルは、効率的なトレーニングを実現するよう設計されています。Transformerベースのアーキテクチャや大規模なCNNと比べて、一般にトレーニング時に必要なCUDAメモリが大幅に少なくて済みます。そのため、一般向けハードウェアでより大きなバッチサイズを使ってトレーニングでき、開発サイクルを短縮できます。
YOLOv7:「Bag-of-Freebies」アプローチ#
YOLOv7は2022年半ばに発表され、学術分野で人気の高いベースラインモデルとして急速に普及しました。アーキテクチャの再パラメーター化と勾配経路の最適化を重視し、ハイエンドGPU上でのリアルタイム物体検出の限界を押し広げました。
- 著者: Chien-Yao Wang、Alexey Bochkovskiy、Hong-Yuan Mark Liao
- 所属機関: 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
アーキテクチャの革新#
YOLOv7では拡張効率レイヤー集約ネットワーク(E-ELAN)を採用し、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ています。アンカーベース設計を採用し、推論コストを増やさずに精度を高める一連の最適化手法である、トレーニング可能な「無料の工夫を詰め込む」方式を導入しています。
YOLOv7は、MS COCOデータセットなどの標準的な学術ベンチマークで優れた性能を発揮しますが、そのアーキテクチャはサーバーグレードのアクセラレーター向けに強く最適化されています。これらのモデルをエッジデバイス向けにエクスポートしてデプロイする際、より新しく洗練されたフレームワークと比べて、手動設定が多く必要になることがあります。
詳細なパフォーマンス比較#
これらのモデルを評価する際に主な検討事項となるのは、速度、精度、モデルサイズのトレードオフです。以下の表では、両モデルの評価指標を示しています。
| 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) |
|---|---|---|---|---|---|---|
| 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 |
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
データに示されているように、YOLOv8xは最高精度(53.9 mAP)を達成し、nanoバリエーション(YOLOv8n)は高速な推論と軽量なモデルサイズを実現しています。この幅広いサイズ展開により、YOLOv8はリソースが限られたハードウェア環境にも柔軟に対応できます。
Ultralyticsの強み:使いやすさとエコシステム#
YOLOv7は優れた生の検出指標を示しますが、Ultralytics YOLOv8は、より優れた開発者体験、エコシステムとの深い統合、マルチタスク対応を提供します。
汎用性#
YOLOv7は主に検出モデルであり、他のタスク向けのブランチは実験的なものです。一方、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、有向バウンディングボックス (OBB)を標準でサポートします。この統合的なアプローチにより、チームは単一のAPIを習得するだけで、まったく異なるプロジェクト要件に対応できます。
効率的なデプロイと統合#
本番環境向けのモデルエクスポートがボトルネックになることは少なくありません。Ultralyticsパッケージを使えば、1行のPythonコードでONNX、TensorRT、CoreMLなどの形式にエクスポートできます。これにより、複雑なアンカーベースの計算グラフをエクスポートする際に発生することがある、演算子のサポートに関する問題を回避できます。
YOLOv8はMLOpsツールとも統合できます。Weights & Biasesを使った実験管理から、Hugging Face Spacesでのデプロイテストまで、Ultralyticsエコシステムが複雑な処理を担います。
コード例:YOLOv8のトレーニングとエクスポート#
以下のコードは、Ultralytics Python APIのシンプルさを示しています。10行未満のコードで、モデルの初期化からトレーニング、エッジデプロイ用のエクスポートまで実行できます。
from ultralytics import YOLO
# 高速な推論向けに、事前トレーニング済みのYOLOv8 nanoモデルを読み込みます
model = YOLO("yolov8n.pt")
# COCO8データセットでモデルをトレーニングします
# APIがデータの読み込み、拡張、ロギングを自動的に処理します
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# テスト画像に対して推論を実行します
predictions = model("https://ultralytics.com/images/bus.jpg")
# トレーニング済みモデルをデプロイ用にONNX形式でエクスポートします
model.export(format="onnx")model.export()関数を使うと、高性能な推論エンジンとすぐに連携でき、YOLOv8をモバイルアプリケーション、組み込みシステム、高スループットのクラウドサーバーに統合できます。
実際のユースケース#
2つのモデルのアーキテクチャの違いによって、それぞれに最適なデプロイシナリオが決まります。
YOLOv8を選ぶ場合:
- エッジAIとIoTデバイス: 高速なNanoモデルやSmallモデルにより、スマートカメラやドローンなど、計算能力が限られたハードウェアにYOLOv8を適用できます。
- マルチタスクプロジェクト: 人間の関節の追跡(姿勢推定)と障害物のマッピング(セグメンテーション)を同時にパイプラインで処理する必要がある場合、YOLOv8は両方を標準で扱えます。
- 迅速なプロトタイピングから本番環境へ: 充実したUltralyticsのドキュメントと使いやすいPython APIにより、チームは製品をより早く市場に投入できます。
YOLOv7を検討する場合:
- 学術ベンチマーク: 再パラメーター化手法の効果を研究する場合、Hugging Face Papersでの人気にも示されているように、研究者はYOLOv7を標準的なベースラインとしてよく使用します。
- 既存のサーバーパイプライン: 既存の大規模計算パイプラインが、YOLOv7固有のアンカー出力に合わせてすでに厳密に最適化されている場合、短期的にはそのまま維持するのが現実的なこともあります。
今後の展望:次世代モデル#
YOLOv8は引き続き汎用性に優れていますが、AIの分野は急速に変化しています。新規プロジェクトを始めるチームには、Ultralyticsの最新モデルを検討することを推奨します。
最新世代のYOLO26は、現在推奨されているUltralyticsモデルです。オプションのエンドツーエンドNMSフリー設計(nms=False)により、非極大値抑制(NMS)による後処理を省略し、より簡単かつ高速にデプロイできます。分布フォーカルロス(DFL)の削除と、大規模言語モデルに着想を得たMuSGDオプティマイザーの導入により、トレーニングの安定性が向上し、CPU推論が最大43%高速になります(YOLO26nとYOLO11nの比較)。ProgLoss + STAL(段階的損失と小物体対応ラベル割り当て)は小物体検出を改善するため、最新のエッジコンピューティングや航空画像に適しています。
旧システムから移行するユーザーも、YOLO11と従来モデルのYOLOv5を統一されたUltralyticsエコシステムで引き続き全面的に利用できます。そのため、ハードウェアの制約に合ったモデルを選択できます。
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。