YOLOv9 と DAMO-YOLO の比較#
コンピュータビジョンの急速な進化により、展開の制約や精度の要件に合わせて調整された強力なアーキテクチャが多数生み出されています。この分野における2つの注目すべきモデルが、情報ボトルネックの堅牢な処理で評価される YOLOv9 と、ニューラルアーキテクチャ探索 (NAS) と効率的な特徴ピラミッドに重点を置いた DAMO-YOLO です。
本ガイドでは、YOLOv9とDAMO-YOLOの詳細な技術的比較を行い、そのアーキテクチャの違い、学習手法、最適な導入シナリオについて解説します。また、Ultralytics ecosystemが開発から本番環境へのシームレスな移行パスをどのように提供しているか、そしてYOLO26のような最新モデルがなぜ新規プロジェクトの推奨標準となっているのかについても探ります。
アーキテクチャの深掘り#
各モデルを支えるコアメカニズムを理解することで、なぜそれらが多様なメトリクスにおいて異なる性能を示すのかが明らかになります。
YOLOv9: プログラマブル勾配情報#
YOLOv9 は、深いニューラルネットワーク内をデータが流れる際に発生する情報損失に直接対処するために設計されました。
著者: Chien-Yao Wang、Hong-Yuan Mark Liao
所属: 台湾中央研究院 情報科学研究所
日付: 2024年2月21日
リンク: Arxiv、GitHub、Docs
YOLOv9は、**Programmable Gradient Information (PGI)とGeneralized Efficient Layer Aggregation Network (GELAN)**を導入しています。PGIは、フォワードパス中に重要な空間およびセマンティック情報が保持されることを保証し、重み更新に使用される勾配の劣化を防ぎます。GELANは、パラメータ効率を最大化することでこれを補完し、多くの従来のCNNよりも少ないFLOPsで最先端のmean Average Precision (mAP)をモデルが達成できるようにします。
DAMO-YOLO: NAS 主導の効率性#
Alibaba Group によって開発された DAMO-YOLO は、自動化されたアーキテクチャ探索を活用して速度と精度の最適なバランスを見つけるという、異なるアプローチを採用しています。
著者: Xianzhe Xu、Yiqi Jiang、Weihua Chen、Yilun Huang、Yuan Zhang、Xiuyu Sun
所属: Alibaba Group
日付: 2022年11月23日
リンク: Arxiv、GitHub
DAMO-YOLO は MAE-NAS (ニューラルアーキテクチャ探索のためのマスク付きオートエンコーダ) バックボーンに依存しており、効率的なネットワーク構造を自動生成します。強固な特徴融合のために RepGFPN (再パラメータ化一般化特徴ピラミッドネットワーク) を活用し、検出ヘッドの計算負荷を最小限に抑える「ZeroHead」設計を採用しています。さらに、ラベル割り当てのための AlignedOTA と、小型バリアントの性能を向上させる知識蒸留も組み込まれています。
ニューラルアーキテクチャ探索 (NAS) は、人工ニューラルネットワークの設計を自動化します。DAMO-YOLO のような極めて効率的なモデルを作成できる一方で、アーキテクチャ空間を探索するために膨大な計算リソースを必要とすることが多く、YOLOv9 のようなモデルの決定論的な設計哲学とは対照的です。
パフォーマンスと指標の比較#
object detectionモデルを選定する際には、精度、速度、および計算量のバランスを取ることが重要です。
| 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) |
|---|---|---|---|---|---|---|
| YOLOv9t | 640 | 38.3 | - | 2.3 | 2.0 | 7.7 |
| YOLOv9s | 640 | 46.8 | - | 3.54 | 7.1 | 26.4 |
| YOLOv9m | 640 | 51.4 | - | 6.43 | 20.0 | 76.3 |
| YOLOv9c | 640 | 53.0 | - | 7.16 | 25.3 | 102.1 |
| YOLOv9e | 640 | 55.6 | - | 16.77 | 57.3 | 189.0 |
| DAMO-YOLOt | 640 | 42.0 | - | 2.32 | 8.5 | 18.1 |
| DAMO-YOLOs | 640 | 46.0 | - | 3.45 | 16.3 | 37.8 |
| DAMO-YOLOm | 640 | 49.2 | - | 5.09 | 28.2 | 61.8 |
| DAMO-YOLOl | 640 | 50.8 | - | 7.18 | 42.1 | 97.3 |
分析#
- 精度とパラメータ: YOLOv9 は一般的に、優れたパラメータ対精度比を示します。例えば、YOLOv9c は 25.3M パラメータで 53.0% mAP を達成しますが、DAMO-YOLOl は 50.8% mAP を達成するために、より多くのパラメータ (42.1M) を必要とします。
- 推論速度: DAMO-YOLOのアーキテクチャはT4 GPU上で優れたTensorRT推論速度を提供し、ミドルティアではYOLOv9をわずかに上回ります。しかし、FLOPsとパラメータ数におけるYOLOv9の効率性は、卓越したGPU memory efficiencyにつながります。
- メモリ要件: YOLOv9 を含む Ultralytics YOLO モデルは、複雑な NAS 生成モデルや重い Transformer アーキテクチャと比較して、学習と推論の両方においてメモリ使用量が少ない傾向にあり、制約のあるエッジハードウェアへの展開において非常に高いアクセシビリティを誇ります。
Ultralyticsエコシステムの利点#
理論上の指標も重要ですが、実際の導入はプロジェクトの成功を大きく左右します。ここで、Ultralytics Platformとその包括的なソフトウェアエコシステムが、DAMO-YOLOのような単体リポジトリを圧倒します。
使いやすさと学習の効率性#
カスタムのYOLOv9モデルの学習には、最小限のボイラープレートしか必要ありません。Ultralytics Python APIは、data augmentation、分散学習、ハードウェア最適化などの複雑なプロセスを抽象化します。
from ultralytics import YOLO
# Load a pretrained YOLOv9 model
model = YOLO("yolov9c.pt")
# Train the model on your custom dataset
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Validate model performance
metrics = model.val()
# Export for production deployment
model.export(format="onnx")対照的に、DAMO-YOLO を使用する場合は、独自の学習パイプラインに固有の厳格な設定ファイルや複雑な依存関係のチェーンを扱う必要があり、学習コストが高くなる傾向があります。
タスク間での汎用性#
Ultralyticsモデルの最大の特徴は、その固有の汎用性です。標準的なバウンディングボックス検出にとどまらず、Ultralyticsフレームワークは、Instance Segmentation、Pose Estimation、Image Classification、およびOriented Bounding Box (OBB)検出などのタスクをシームレスにサポートします。DAMO-YOLOは2D物体検出に厳密に最適化されており、他のビジュアルパラダイムに適応させるには大幅な再エンジニアリングが必要です。
Ultralyticsは、TensorRT、OpenVINO、CoreMLなどのフォーマットへのワンクリックでのmodel exportを提供することでデプロイメントパイプラインを簡素化し、ターゲットハードウェアに関係なく最大限のパフォーマンスを確保します。
ユースケースと推奨事項#
YOLOv9 と DAMO-YOLO の選択は、特定のプロジェクト要件、展開の制約、およびエコシステムの優先順位によって異なります。
YOLOv9を選択すべき場合#
YOLOv9は以下の場合に強力な選択肢となります:
- 情報ボトルネック研究: Programmable Gradient Information (PGI)およびGeneralized Efficient Layer Aggregation Network (GELAN)アーキテクチャを研究する学術プロジェクト。
- 勾配フロー最適化の研究: トレーニング中の深層ネットワーク層における情報損失の理解と軽減に重点を置いた研究。
- 高精度検出ベンチマーク: アーキテクチャ比較の基準点として、YOLOv9の強力なCOCOベンチマークパフォーマンスが必要とされるシナリオ。
DAMO-YOLOを選択すべきケース#
DAMO-YOLOは以下の場合に推奨されます：
- 高スループットビデオ解析: バッチサイズ1でのスループットが主要な指標となる、固定のNVIDIA GPUインフラストラクチャ上での高FPSビデオストリーム処理。
- 産業用製造ライン: 組立ラインでのリアルタイム品質検査など、専用ハードウェア上での厳格なGPUレイテンシ制約があるシナリオ。
- Neural Architecture Searchの研究: 自動化されたアーキテクチャ探索 (MAE-NAS) や効率的な再パラメータ化バックボーンが検出パフォーマンスに与える影響の研究。
Ultralytics (YOLO26) を選択すべき時#
ほとんどの新しいプロジェクトにおいて、Ultralytics YOLO26はパフォーマンスと開発者体験の最高の組み合わせを提供します。
- NMSフリーのエッジ展開： Non-Maximum Suppression後処理の複雑さを伴わずに、一貫した低レイテンシの推論が求められるアプリケーション。
- CPUのみの環境： GPUアクセラレーションを利用できないデバイスにおいて、YOLO26の最大43%高速なCPU推論が決定的な利点となる場合。
- 小物体検出: ProgLossとSTALにより極小オブジェクトの精度が大幅に向上する、空中ドローン画像やIoTセンサー分析などの困難なシナリオ。
未来: YOLO26 への移行#
YOLOv9とDAMO-YOLOは強力な歴史的マイルストーンを表していますが、現代のコンピュータービジョンは、ネイティブなエンドツーエンドのアーキテクチャへと移行しています。新しい開発においては、**YOLO26**が推奨標準となります。
2026年にリリースされた YOLO26 は、前モデルの成功を基盤としており、精度と展開の簡素性の両面で大きな飛躍を遂げています。
YOLO26の主な革新点#
- エンドツーエンドのNMSフリー設計: YOLO26は、非最大値抑制（NMS）の後処理を完全に排除します。これにより、ネイティブなエンドツーエンドである合理化されたデプロイパイプラインが実現します。これはYOLOv10で初めて開拓された画期的な成果です。
- DFL 除去: エクスポートの簡素化とエッジ/低電力デバイスとの互換性向上のため、Distribution Focal Loss を削除しました。
- CPU 推論速度が最大 43% 向上: 複雑な後処理の削除とコア畳み込みの最適化により、YOLO26 は専用 GPU を持たないエッジコンピューティング環境に適しています。
- MuSGD オプティマイザ: LLM 学習の革新に触発された YOLO26 は、SGD と Muon のハイブリッドである MuSGD を採用しており、より安定した学習と、大幅に高速な収束時間を実現します。
- ProgLoss + STAL: これらの高度な損失関数は、小型物体の認識において驚異的な強化を提供し、YOLO26 を高高度からの航空画像解析や IoT デバイスに最適なものにしています。
次のプロジェクトに向けて現在YOLO11やYOLOv8を検討している場合、YOLO26へのアップグレードにより、現在利用可能な最も最適化された最先端のビジョンAIフレームワークを使用できるようになります。
要約#
適切なモデルを選択する際は、具体的な運用上の制約を考慮してください。
- DAMO-YOLO は、NAS 主導の最適化への興味深い洞察を提供し、RepGFPN アーキテクチャが輝く特定のハードウェアプロファイルにおいて競争力のある速度を実現します。
- YOLOv9 は、詳細な視覚情報の保持を重視する研究者にとって優れた選択肢であり、PGI アーキテクチャを活用して深層ネットワークでの情報損失を防ぎます。
- Ultralytics YOLO26 は、現代の企業および研究用途における決定的な選択肢です。その比類のない使いやすさ、NMS フリーアーキテクチャ、および最先端の MuSGD 学習最適化により、コンピュータビジョンの分野において最も信頼性が高く、高精度で、簡単に展開できるモデルとなっています。