YOLOv9とYOLO11#

コンピュータービジョンは急速に進化し、リアルタイム物体検出の可能性を絶えず広げてきました。主要なアーキテクチャを比較すると、YOLOv9とUltralytics YOLO11は、それぞれ異なる技術的ニーズに応える大きな進歩として際立っています。YOLOv9は、深層ネットワークのトレーニング中に勾配フローを維持する新しい方法を導入しました。一方、YOLO11は、比類のない効率性、柔軟性、使いやすさによって汎用ビジョンのエコシステムを一新しました。

この包括的な技術比較では、アーキテクチャ、性能指標、メモリ要件、最適なデプロイシナリオを分析し、次のAIプロジェクトに最適なモデルの選択を支援します。

技術仕様と開発者#

これらのモデルの系譜を理解すると、アーキテクチャの選択やフレームワークへの依存関係を把握するうえで重要な背景が得られます。

YOLOv9#

YOLOv9はディープラーニングにおける情報ボトルネックに学術的な焦点を当て、カスタムネットワークブロックを通じて特徴の忠実度を最大化することを重視しました。

• 著者: Chien-Yao Wang、Hong-Yuan Mark Liao
• 組織：中央研究院情報科学研究所
• 日付: 2024年2月21日
• Arxiv: https://arxiv.org/abs/2402.13616
• GitHub: https://github.com/WongKinYiu/yolov9

YOLOv9の詳細を見る

Ultralytics YOLO11#

YOLO11は、本番環境向けにゼロから設計され、最高水準の精度、実環境でのデプロイ速度、マルチタスクの柔軟性のバランスを重視しています。

• 著者: Glenn Jocher、Jing Qiu
• 組織: Ultralytics
• 日付: 2024年9月27日
• GitHub: https://github.com/ultralytics/ultralytics

アーキテクチャの革新#

YOLOv9のプログラム可能な勾配情報#

YOLOv9は、プログラム可能な勾配情報（PGI）と汎用効率的レイヤー集約ネットワーク（GELAN）の概念を導入しています。ニューラルネットワークが深くなると、順伝播処理中に重要な情報が失われる情報ボトルネックが生じることがあります。PGIは、細かな空間情報を保持しながら信頼性の高い勾配更新を行い、GELANはパラメーター効率を最大化することで、この問題に対処します。そのためYOLOv9は、特徴の忠実度が重視されるタスクに特に適していますが、後処理では標準的な非最大値抑制（NMS）に依存するため、エッジデバイスでレイテンシが発生することがあります。

YOLO11の効率性を高める最適化#

YOLO11は、長年にわたる基礎研究を基盤として、高度に最適化されたアーキテクチャを実現しています。計算オーバーヘッドを削減しながら、特徴抽出を最大化することで、従来のバージョンを改良しています。YOLO11も後処理では標準的なNMSに依存しますが、改良された検出ヘッドにより、レイテンシと精度を優れたバランスで両立します。さらに、トレーニングと推論の両方で、トレーニングに時間がかかり大量のCUDAメモリを必要とする重いTransformerモデルよりも、モデルのトレーニング時のメモリ使用量が本質的に少なくなっています。

性能指標の比較#

標準的なCOCOデータセットでこれらのモデルを比較すると、どちらも優れた性能を発揮しますが、パラメーター数と実運用時の速度の間にトレードオフが見られます。

以下に、YOLOの性能指標の詳細を示します。

結果の分析#

1. 速度とハードウェア効率：YOLO11は推論速度で一貫してYOLOv9を上回ります。たとえば、YOLO11nはTensorRTを使用してNVIDIA T4 GPU上で驚異的な1.5msを達成し、厳しいリアルタイム要件のパイプラインにも十分に対応できます。
2. 計算要件：YOLO11モデルは一般に必要なFLOPsが少なく（例：YOLO11mは68.1B、YOLOv9mは76.8B）、Raspberry Piやモバイルハードウェアなど、バッテリー駆動のエッジデバイスで消費電力を抑えられます。
3. 精度の同等性：YOLOv9eは絶対値のmAPでYOLO11xをわずかに上回ります（55.6対54.7）が、YOLO11は大幅に低いレイテンシ（11.3ms対16.77ms）で最高精度に達し、実環境へのデプロイにより適した性能バランスを示します。

エコシステムと使いやすさ#

生の指標も重要ですが、プロジェクトの成否はフレームワークのエコシステムに左右されることがよくあります。ここでUltralyticsの強みが際立ちます。

オリジナルのYOLOv9リポジトリは、高度に専門化された最先端の研究実装を提供します。一方、Ultralytics Platformと対応するオープンソースパッケージは、シンプルなAPIと充実したドキュメントを備えた効率的なユーザー体験を提供し、市場投入までの時間を大幅に短縮します。

マルチタスクの柔軟性#

YOLOv9は主にバウンディングボックス検出に重点を置いています。一方、YOLO11は次の機能にネイティブ対応する、統合されたマルチタスクモデルです。

• インスタンスセグメンテーション
• 姿勢推定
• 方向付きバウンディングボックス（OBB）
• 画像分類

シームレスなデプロイ#

Ultralyticsエコシステムを利用すると、1行のPythonコードで、さまざまな形式にモデルをエクスポートできます。ONNX、OpenVINO、LiteRT、CoreMLのいずれを対象とする場合も、トレーニングから本番環境への移行は簡単です。

from ultralytics import YOLO

# 高効率なYOLO11モデルを読み込む
model = YOLO("yolo11n.pt")

# メモリ使用量を最小限に抑えながら、カスタムデータセットをすばやくトレーニングする
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# トレーニング済みモデルをOpenVINOにエクスポートしてIntel CPUで高速化する
model.export(format="openvino")

最適なユースケース#

YOLOv9を利用する場面#

YOLOv9は、研究を重視する環境や、ハードウェアのレイテンシが主な制約ではなく、特徴の忠実度を極めて重視する状況に適した優れたツールです。GELANアーキテクチャは、わずかなピクセルの変化の検出が重要となる医療画像解析で大きな効果を発揮します。

YOLO11が優れた選択肢である理由#

開発者、エンジニア、本番環境のチームには、YOLO11を強くおすすめします。高速かつスケーラブルなデプロイが求められる環境で優れた性能を発揮します。

• スマートリテール分析：標準的なIntelプロセッサを使って、商品や顧客をシームレスに追跡します。
• 自律型ドローン：FLOPsの少ないアーキテクチャによってバッテリー寿命を延ばしながら、小物体を高い信頼性で検出できます。
• 変化するプロジェクト：検出タスクから始め、後に姿勢推定やセグメンテーションが必要になるワークフローに対応します。

今後の展望：次なる進化#

YOLO11はその世代の最先端モデルですが、コンピュータービジョンの状況は進化し続けています。AIの可能性を探るユーザーは、YOLO26にも注目してください。

YOLOv10で初めて検討されたエンドツーエンドのNMS不要設計を先駆けて採用し、YOLO26はMuSGDオプティマイザー（SGDとMuonのハイブリッド）を導入して、かつてないトレーニングの安定性を実現します。エクスポートを簡素化するためにDistribution Focal Loss（DFL）を削除し、ProgLossやSTALなどの高度な損失機構を採用することで、YOLO26はCPU推論を最大43%高速化します。現代のプロジェクトに、学術的な革新と本番環境に対応する信頼性を最高の形で組み合わせて提供します。さらに、Ultralytics YOLOv8のような従来システムからアップグレードするチームも、Ultralytics APIの統一性により、YOLO26やYOLO11へスムーズに移行できます。