YOLOv9とPP-YOLOE+の比較
リアルタイム物体検出の分野は進歩を続けており、コンピュータービジョンエンジニアは、エッジやクラウドのインフラに高精度モデルをデプロイするための幅広い選択肢を利用できます。この分野を代表するモデルに、YOLOv9とPP-YOLOE+があります。どちらも高い精度と速度を実現しますが、それぞれ異なる研究系譜とソフトウェアエコシステムから生まれています。
この技術比較では、両モデルのアーキテクチャ、学習手法、性能指標、実環境での適用例を解説します。また、使いやすさ、メモリ効率、多様なデプロイ方法を重視する開発者にとって、より広範なUltralyticsエコシステムがどのように役立つかも説明します。
モデルの成り立ちと技術仕様#
モデルの背景を理解すると、アーキテクチャ上の選択やフレームワークへの依存関係を把握しやすくなります。
YOLOv9:情報ボトルネックの解消#
2024年初頭に発表されたYOLOv9は、情報がディープニューラルネットワークを通過する際に発生する情報損失に対処します。パラメーター効率を最大化するよう設計された、効率的な畳み込みニューラルネットワークです。
- 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
- arXiv: 2402.13616
- GitHub: WongKinYiu/yolov9
- ドキュメント: Ultralytics YOLOv9ドキュメント
PP-YOLOE+:Paddleエコシステムの進化#
2022年にBaiduがリリースしたPP-YOLOE+は、PP-YOLOv2を段階的に改良したモデルです。アンカーフリー設計を採用し、PaddlePaddleフレームワークでの収束と精度を向上させる動的ラベル割り当て戦略を導入しています。
- 著者: PaddlePaddle Authors
- 組織: Baidu
- 日付: 2022年4月2日
- arXiv: 2203.16250
- GitHub: PaddleDetection
- ドキュメント: PP-YOLOE+の設定
アーキテクチャの比較#
プログラマブル勾配情報とCSPRepResStageの比較#
YOLOv9の中心的な技術革新はプログラマブル勾配情報 (PGI)です。PGIは補助的な教師あり学習フレームワークとして機能し、学習中に重要な勾配情報が保持され、浅い層へ正確に伝播されるようにします。これは汎用効率的レイヤー集約ネットワーク (GELAN)と組み合わされており、CSPNetとELANの強みを活用しながら、計算コスト (FLOPs) を抑えて高精度を実現します。
PP-YOLOE+は、CSPRepResStageという専用バックボーンを採用しています。RepVGGと同様の再パラメーター化手法を活用し、デプロイ時に畳み込み層を統合して推論を高速化します。さらに、分類タスクと回帰タスクのバランスを取るEfficient Task-aligned head(ET-head)を使用します。
PP-YOLOE+も堅牢なモデルですが、YOLOv9のGELANアーキテクチャは、すべてのモデルサイズでパラメーター数が少なく、推論時のメモリフットプリントを小さくできます。そのため、エッジAIデバイスに適しています。
パフォーマンス比較#
本番環境向けのモデルを評価する際には、mAP(平均適合率)、推論速度、モデルサイズのトレードオフが重要です。
| 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) |
|---|---|---|---|---|---|---|
| YOLOv9t | 640 | 38.3 | - | 2.3 | 2.0 | 7.7 |
| YOLOv9s | 640 | 46.8 | - | 3.54 | 7.2 | 26.7 |
| YOLOv9m | 640 | 51.4 | - | 6.43 | 20.1 | 76.8 |
| YOLOv9c | 640 | 53.0 | - | 7.16 | 25.5 | 102.8 |
| YOLOv9e | 640 | 55.6 | - | 16.77 | 58.1 | 192.5 |
| PP-YOLOE+t | 640 | 39.9 | - | 2.84 | 4.85 | 19.15 |
| PP-YOLOE+s | 640 | 43.7 | - | 2.62 | 7.93 | 17.36 |
| PP-YOLOE+m | 640 | 49.8 | - | 5.56 | 23.43 | 49.91 |
| PP-YOLOE+l | 640 | 52.9 | - | 8.36 | 52.2 | 110.07 |
| PP-YOLOE+x | 640 | 54.7 | - | 14.3 | 98.42 | 206.59 |
分析#
- パラメーター効率: YOLOv9はパラメーター効率に優れています。たとえば、YOLOv9cはわずか25.5MのパラメーターでmAP 53.0%を達成します。一方、PP-YOLOE+lはmAP 52.9%とやや低い精度を達成するために、その2倍以上にあたる52.2Mのパラメーターを必要とし、YOLOv9よりメモリ要件が高くなります。PP-YOLOE+はsおよびmサイズではFLOPsが少なくなります。
- 推論速度: YOLOv9はNVIDIA T4 GPU上でTensorRTを使用した場合に競争力のある速度を実現し、この比較ではYOLOv9tが最速です。一方、PP-YOLOE+はs、m、xサイズでより高速です。どちらのモデル群もリアルタイム推論に適しています。
トレーニング手法とエコシステム#
これらのモデルのどちらを選ぶかは、多くの場合、ソフトウェアエコシステムによって決まります。
PP-YOLOE+とPaddlePaddle#
PP-YOLOE+はPaddleDetectionスイートと密接に連携しています。高い性能を備える一方で、ユーザーは設定項目が多く、コマンドライン操作が中心の環境に対応する必要があります。PyTorchやTensorFlowのエコシステムを深く利用しているチームにとって、PaddlePaddleへの移行は大きな負担となり、学習のハードルも高くなります。
Ultralyticsの強み:効率的なワークフロー#
一方、YOLOv9は開発者と研究者向けに設計され、使いやすさを重視するUltralyticsエコシステムでサポートされています。Python APIを使えば、定型コードの大部分を省けます。
from ultralytics import YOLO
# 事前学習済みのYOLOv9モデルを読み込む
model = YOLO("yolov9c.pt")
# カスタムデータセットでトレーニングします
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device=0)
# 推論を実行して結果を可視化する
results = model("https://ultralytics.com/images/bus.jpg")
# 本番環境へのデプロイ用にONNXへエクスポートします
model.export(format="onnx")このワークフローは、Ultralyticsモデルの学習効率の高さを示しています。データ拡張、分散学習、Weights & BiasesやMLflowなどのプラットフォームへの自動ログ記録を標準で利用できます。
YOLOv9は優れた性能を発揮しますが、Ultralyticsは新しいプロジェクトにUltralytics YOLO26を推奨しています。YOLO26はネイティブのエンドツーエンドNMSフリーデザイン(nms=Falseでオプションとして利用可能)を備え、Non-Maximum Suppression (NMS)の後処理を排除してデプロイを簡素化します。DFLの除去(Distribution Focal Lossを除去し、エクスポートを簡素化してエッジや低消費電力デバイスとの互換性を向上)により、YOLO26nはエッジコンピューティングでYOLO11nより最大43%高速なCPU推論を実現します。MuSGDオプティマイザーは安定した学習と高速な収束を実現し、ProgLoss + STAL(Progressive Loss and Small-Target-Aware Label Assignment)は、小さな物体の検出を改善します。これはIoT、ロボティクス、航空画像において重要です。
汎用性とタスクへの対応#
現代のコンピュータービジョンプロジェクトは、単純なバウンディングボックス検出だけにとどまりません。
PP-YOLOE+は主に標準的な物体検出向けに設計されています。ほかのタスクに対応するには、アーキテクチャに大幅なカスタムエンジニアリングを加える必要があります。
一方、Ultralyticsフレームワークは複数のタスクをサポートしています。統一されたAPIにより、開発者は標準的な物体検出からインスタンスセグメンテーション、画像分類、姿勢推定、航空画像向けの回転バウンディングボックス (OBB)検出へと切り替えられます。この汎用性は、YOLOv9、YOLO11、YOLO26など、Ultralyticsがサポートするモデルをチームが選ぶ大きな理由です。
最適なユースケースと用途#
- スマートシティ分析と交通管理: YOLOv9(および後継のYOLO26)はパラメーター効率に優れ、レイテンシも低いため、交通流や都市の安全を監視する用途で、NVIDIA Jetsonデバイスなどのリソースに制約のあるエッジハードウェアへのデプロイに適しています。
- 小売在庫システム: 棚に並ぶ小さな商品の密集した配置を検出する場合、YOLOv9のPGIは細かな空間情報の保持に役立ち、小さな物体の検出精度を高めます。
- 既存システムへのデプロイ: 既存のインフラでBaidu/PaddlePaddleのソフトウェアスタックを使用する必要があるチームにとって、PP-YOLOE+は引き続き実用的な選択肢です。
Transformerベースのアーキテクチャを検討している研究者向けに、Ultralyticsは同じAPI内でRT-DETRもネイティブにサポートしているため、デプロイ要件に最適な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。