YOLOv9とDAMO-YOLO#

コンピュータービジョンの急速な進化により、デプロイ上の制約や精度要件に合わせた強力なアーキテクチャが数多く登場しています。この分野で注目されるモデルには、情報ボトルネックへの堅牢な対応で知られるYOLOv9と、ニューラルアーキテクチャ探索（NAS）や効率的な特徴ピラミッドに重点を置くDAMO-YOLOがあります。

このガイドでは、YOLOv9とDAMO-YOLOを技術的に詳しく比較し、アーキテクチャの違い、学習手法、最適なデプロイシナリオを解説します。また、Ultralyticsエコシステムが開発から本番環境までの移行をいかに円滑にするか、そしてYOLO26のような最新モデルが新規プロジェクトで推奨される標準となった理由も紹介します。

アーキテクチャの詳細#

各モデルを支える中核的な仕組みを理解すると、さまざまな指標で性能に差が生じる理由がわかります。

YOLOv9：プログラム可能な勾配情報#

YOLOv9は、データが深層ニューラルネットワークを流れる際に生じる情報損失に直接対処するよう設計されています。

• 著者： Chien-Yao Wang、Hong-Yuan Mark Liao
• 所属機関: 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、ドキュメント

YOLOv9の詳細を見る

YOLOv9はプログラマブル勾配情報（PGI）と汎用効率的レイヤー集約ネットワーク（GELAN）を導入しています。PGIはフィードフォワード処理中に重要な空間情報と意味情報を保持し、重み更新に使われる勾配の劣化を防ぎます。GELANはこれを補完し、パラメーター効率を最大化することで、多くの従来型CNNよりも少ないFLOPsで最先端の平均適合率（mAP）を実現します。

DAMO-YOLO：NAS主導の効率性#

Alibaba Groupが開発したDAMO-YOLOは異なるアプローチを採用し、自動アーキテクチャ探索によって速度と精度の最適なバランスを見つけます。

• 著者: Xianzhe Xu、Yiqi Jiang、Weihua Chen、Yilun Huang、Yuan Zhang、Xiuyu Sun
• 組織： Alibaba Group
• 日付： 2022年11月23日
• リンク： Arxiv、GitHub

DAMO-YOLOの詳細はこちら

DAMO-YOLOはMAE-NAS（最大エントロピー・ニューラルアーキテクチャ探索）バックボーンを用いて、効率的なネットワーク構造を自動生成します。堅牢な特徴融合にはRepGFPN（再パラメーター化汎用特徴ピラミッドネットワーク）を使用し、検出ヘッドの計算負荷を抑える「ZeroHead」設計を採用しています。さらに、ラベル割り当てにAlignedOTAを使用し、知識蒸留によって小型バリアントの性能を高めています。

パフォーマンスと指標の比較#

物体検出モデルを選ぶ際には、精度、速度、計算リソースのバランスが重要です。

分析#

• 精度とパラメーター数： YOLOv9は一般に、パラメーター数に対する精度の比率が優れています。たとえば、YOLOv9cは25.5Mのパラメーターで53.0%のmAPを達成します。一方、DAMO-YOLOlは50.8%のmAPにとどまりながら、はるかに多くのパラメーター（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で競争力のあるTensorRT推論速度を実現し、中規模モデルではYOLOv9をわずかに上回ります。ただし、YOLOv9はFLOPsとパラメーター数の効率が高く、優れたGPUメモリ効率を発揮します。
• メモリ要件： YOLOv9を含むUltralytics YOLOモデルは、一般に、複雑なNAS生成モデルや大規模なTransformerアーキテクチャよりも、学習時と推論時のメモリ使用量が少なく、リソースが限られたエッジハードウェアにも容易にデプロイできます。

Ultralyticsエコシステムの利点#

理論上の指標も重要ですが、実際の実装がプロジェクトの成否を大きく左右します。この点で、Ultralytics Platformと包括的なソフトウェアエコシステムは、DAMO-YOLOのような単独のリポジトリよりも優れています。

使いやすさとトレーニング効率#

カスタムYOLOv9モデルの学習に必要な定型コードは最小限です。Ultralytics Python APIが、データ拡張、分散学習、ハードウェア最適化などの複雑な処理を抽象化します。

from ultralytics import YOLO

# 事前学習済みのYOLOv9モデルを読み込みます
model = YOLO("yolov9c.pt")

# カスタムデータセットでモデルをトレーニングします
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# モデルのパフォーマンスを検証します
metrics = model.val()

# 本番環境へのデプロイ用にエクスポートします
model.export(format="onnx")

一方、DAMO-YOLOを利用するには、多くの場合、独自のトレーニング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を扱う必要があり、学習のハードルが高くなります。

さまざまなタスクに対応する汎用性#

Ultralyticsモデルの大きな特長は、本質的な汎用性です。標準的なバウンディングボックス検出だけでなく、Ultralyticsフレームワークはインスタンスセグメンテーション、姿勢推定、画像分類、方向付きバウンディングボックス（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物体検出に特化して最適化されており、ほかの視覚タスクに適応させるには大幅な再設計が必要です。

ユースケースと推奨事項#

YOLOv9とDAMO-YOLOのどちらを選ぶかは、プロジェクト固有の要件、デプロイ上の制約、エコシステムに対する好みによって異なります。

YOLOv9を選ぶ場合#

YOLOv9が適している用途：

• 情報ボトルネックの研究: プログラム可能な勾配情報（PGI）や一般化効率的層集約ネットワーク（GELAN）の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: 学習中の深層ネットワーク層における情報損失の理解と抑制に焦点を当てた研究。
• 高精度検出のベンチマーク: アーキテクチャの比較において、YOLOv9の優れたCOCOベンチマーク性能を基準として必要とするシナリオ。

DAMO-YOLOを選ぶケース#

DAMO-YOLOは、次の用途に適しています。

• 高スループットの動画分析： 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高FPSの動画ストリームを処理する用途。
• 産業用製造ライン： 組み立て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GPUレイテンシに厳しい制約があるシナリオ。
• ニューラルアーキテクチャ探索の研究： 自動アーキテクチャ探索 (MAE-NAS) と、効率的に再パラメーター化されたバックボーンが検出性能に与える影響を研究する用途。

Ultralytics (YOLO26)を選ぶ場合#

多くの新規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を最適なバランスで提供します。

• NMSを使用しないエッジデプロイ: 非最大抑制の後処理を複雑化させずに、安定した低レイテンシー推論を必要とするアプリケーション。
• CPUのみの環境: 専用のGPUアクセラレーションを備えていないデバイスで、YOLO26の最大43%高速なCPU推論が大きな優位性を発揮します。
• 小物体検出: ドローンによる航空画像やIoTセンサーの分析など、ProgLossとSTALによって小さな物体の精度が大幅に向上する難しいシナリオ。

次世代への展望：YOLO26への移行#

YOLOv9とDAMO-YOLOは、これまでの重要なマイルストーンですが、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アーキテクチャへと移行しています。新たに開発を始める場合は、YOLO26を標準モデルとして推奨します。

2026年にリリースされたYOLO26は、先行モデルの成果を基盤とし、精度とデプロイの簡便性の両面で大きく進化しています。

YOLO26の主な革新点#

• 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、後処理のNon-Maximum Suppression（NMS）を完全に不要にします。これにより、ネイティブなエンドツーエンドの効率的なデプロイパイプラインを実現します。この画期的な手法は、YOLOv10で初めて導入されました。
• DFLの削除： Distribution Focal Lossを削除することで、エクスポートを簡素化し、エッジデバイスや低消費電力デバイスとの互換性を高めています。
• CPU推論が最大43%高速化： DFLを削除し、主要な畳み込み処理を最適化したYOLO26は、専用GPUを搭載しないエッジコンピューティング環境に最適です。
• MuSGDオプティマイザー： LLMトレーニングの革新に着想を得たYOLO26は、SGDとMuonのハイブリッド（MuSGD）を採用し、より安定したトレーニングと大幅に速い収束を実現します。
• ProgLoss + STAL： これらの高度な損失関数により、小物体認識が大幅に向上するため、YOLO26は高高度から撮影した航空画像やIoTデバイスに最適です。

次のプロジェクトに向けてYOLO11やYOLOv8を検討中の場合、YOLO26にアップグレードすることで、現在利用可能な最適化済みの最先端ビジョンAIフレームワークを活用できます。

概要#

適切なモデルは、運用上の制約に応じて異なります。

• DAMO-YOLOは、NAS主導の最適化を興味深い形で示しており、RepGFPNアーキテクチャの強みが活きる特定のハードウェア構成では、優れた速度を発揮します。
• YOLOv9は、細かな視覚情報の保持に注力する研究者に最適です。PGIアーキテクチャにより、ディープネットワーク内での情報損失を防ぎます。
• Ultralytics YOLO26は、現代のエンタープライズや研究用途における決定的な選択肢です。卓越した使いやすさ、NMSフリーアーキテクチャ、最先端のMuSGDトレーニング最適化により、コンピュータービジョン分野で最も信頼性と精度が高く、デプロイも容易なモデルとなっています。