YOLOv9 対 YOLOv10#
リアルタイムコンピュータビジョンの分野では、研究者たちが性能と効率の限界を継続的に押し広げていることを主な原動力として、目覚ましい進歩が見られています。最先端のビジョンモデルの進化を分析すると、YOLOv9 と YOLOv10 は2つの重要なマイルストーンにあたります。2024年初頭にリリースされた両モデルは、情報ボトルネックから後処理のレイテンシまで、ディープニューラルネットワークにおける長年の課題に対処する、パラダイムを変えるアーキテクチャ設計を導入しました。
この包括的な技術比較では、両モデルのアーキテクチャ、性能指標、理想的なデプロイシナリオを検証し、現代の 物体検出 エコシステムの複雑さを把握できるようにします。
モデルの起源とアーキテクチャ上のブレークスルー#
これらのモデルの系譜と理論的基盤を理解することは、特定の コンピュータビジョン プロジェクトに適したアーキテクチャを選択するうえで重要です。
YOLOv9：情報フローの習熟#
2024年2月21日に発表された YOLOv9 は、データがディープニューラルネットワークを通過する際に生じる情報損失という理論上の問題に取り組みます。
- 著者: Chien-Yao Wang、Hong-Yuan Mark Liao
- 組織: 台湾中央研究院情報科学研究所
- 参考文献: YOLOv9 arXiv論文
- リポジトリ: YOLOv9 GitHub
YOLOv9 は、CSPNet と ELAN の長所を組み合わせることでパラメーターの利用効率を最大化する 一般化効率的層集約ネットワーク (GELAN) を導入しています。さらに、プログラム可能な勾配情報 (PGI) を採用しています。これは、深い層が重要な空間情報を保持できるようにする補助的な教師メカニズムです。そのため YOLOv9 は、医用画像解析 や遠距離監視など、高い特徴忠実度が求められるタスクにおいて特に優れています。
YOLOv10：リアルタイムのエンドツーエンド効率#
2024年5月23日に間もなく続いてリリースされた YOLOv10 は、物体検出における最もよく知られたレイテンシボトルネックの1つである非最大抑制 (NMS) を排除することで、デプロイパイプラインを再構想しています。
- 著者: Ao Wang、Hui Chen、Lihao Liu、ほか
- 組織: 清華大学
- 参考文献: YOLOv10 arXiv論文
- リポジトリ: YOLOv10 GitHub
YOLOv10 は、トレーニング中に 一貫性のあるデュアル割り当て を利用することで、ネイティブな NMSフリーデザイン を実現しています。これにより推論時の後処理オーバーヘッドがなくなり、レイテンシが大幅に低減されます。効率と精度を総合的に考慮したモデル設計と組み合わせることで、YOLOv10 は競争力のある精度を維持しながら計算オーバーヘッド (FLOPs) を削減し、優れたバランスを実現しています。そのため、エッジコンピューティング アプリケーションに非常に適しています。
パフォーマンスとメトリクスの比較#
標準の MS COCO データセットでこの2つの強力なモデルをベンチマークすると、純粋な精度と推論レイテンシの間に明確なトレードオフが現れます。
| モデル | サイズ （ピクセル） | mAPval 50-95 | 速度 CPU ONNX （ms） | 速度 T4 TensorRT10 （ms） | パラメーター数 （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 |
| YOLOv10n | 640 | 39.5 | - | 1.56 | 2.3 | 6.7 |
| YOLOv10s | 640 | 46.7 | - | 2.66 | 7.2 | 21.6 |
| YOLOv10m | 640 | 51.3 | - | 5.48 | 15.4 | 59.1 |
| YOLOv10b | 640 | 52.7 | - | 6.54 | 24.4 | 92.0 |
| YOLOv10l | 640 | 53.3 | - | 8.33 | 29.5 | 120.3 |
| YOLOv10x | 640 | 54.4 | - | 12.2 | 56.9 | 160.4 |
データの分析#
- レイテンシと精度: YOLOv10 モデルは、一般的に優れた推論速度を提供します。たとえば、YOLOv10s は TensorRT 上でわずか 2.66ms で 46.7% mAP を達成します。一方、YOLOv9s はほぼ同等の 46.8% mAP に 3.54ms を要します。
- 最高水準の精度: 最大限の検出精度が求められる研究シナリオでは、YOLOv9e は依然として有力な選択肢であり、55.6% mAP という優れた値に達します。その PGI アーキテクチャにより、微細な特徴を確実に抽出できます。
- 効率: YOLOv10 は FLOPs効率 に優れています。これは、ビジョンAIモデル を実行するバッテリー駆動デバイスにとって重要な指標である、低消費電力に直接つながります。
CPU や Raspberry Pi のようなリソース制約のあるエッジハードウェアにデプロイする場合、YOLOv10 の NMSフリーアーキテクチャは、非決定的な後処理ステップを排除することで、通常はよりスムーズなパイプラインを実現します。
Ultralytics の強み：トレーニングとエコシステム#
アーキテクチャの違いは重要ですが、プロジェクトの成功は周辺のソフトウェアエコシステムにも大きく左右されます。YOLOv9 と YOLOv10 はどちらも Ultralytics エコシステム に完全統合されており、比類のない開発者エクスペリエンスを提供します。
使いやすさとメモリ効率#
大幅なメモリ肥大化に悩まされる複雑な Transformer ベースのアーキテクチャとは異なり、Ultralytics YOLO モデルは GPUメモリ を最適に使用できるよう設計されています。これにより、研究者はコンシューマー向けハードウェア上でより大きな バッチサイズ を利用でき、最先端の AI を利用しやすくなります。
統合された Python API により、データ拡張 と ハイパーパラメーター調整 の複雑さが抽象化されます。重みファイルの文字列を変更するだけで、アーキテクチャをシームレスに切り替えられます。
from ultralytics import YOLO
# Load a YOLOv10 model (Easily swap to "yolov9c.pt" for YOLOv9)
model = YOLO("yolov10n.pt")
# Train the model on the COCO8 dataset
results = model.train(data="coco8.yaml", epochs=50, imgsz=640, device=0)
# Validate the model's performance
metrics = model.val()
# Export the trained model to ONNX format for deployment
model.export(format="onnx")MLflow にメトリクスを記録する場合でも、高速ハードウェアデプロイ向けに TensorRT へエクスポートする場合でも、Ultralytics プラットフォームがネイティブに処理します。
理想的なユースケース#
これらのモデルの選択は、デプロイの制約によって決まります。
- YOLOv9 を選ぶ場合: 航空ドローン画像や 小さな腫瘍の検出 など、小物体検出 タスクに取り組んでおり、GELAN アーキテクチャの特徴保持による最高レベルの忠実度が必要な場合です。
- YOLOv10 を選ぶ場合: 主な目標がエッジデバイス上での リアルタイム推論 である場合です。NMSフリー設計は、自律ロボティクス、リアルタイム交通監視、スマート監視 に最適です。
将来性の確保：YOLO26 への移行#
YOLOv8、YOLOv9、YOLOv10 は優れたモデルですが、最新の AI ソリューションの構築を目指す開発者は、2026年1月にリリースされた Ultralytics YOLO26 を検討してください。
YOLO26 は、YOLOv9 の精度と YOLOv10 の効率性の長所を組み合わせ、これまでの世代の集大成を実現しています。
YOLO26 の主なイノベーション#
- エンドツーエンドのNMSフリー設計: YOLOv10 が築いた基盤を発展させ、YOLO26 は NMS の後処理をネイティブに排除し、よりシンプルなデプロイを実現します。
- MuSGD オプティマイザー: SGD と Muon を組み合わせたハイブリッドであり、LLM トレーニングの先進的なイノベーションをコンピュータビジョンにもたらし、非常に安定した高速収束を実現します。
- 最大43%高速なCPU推論: 専用 GPU を搭載しないエッジコンピューティングおよびデバイス向けに特別に最適化されています。
- DFL の削除: Distribution Focal Loss を削除して モデルエクスポート を簡素化し、低消費電力デバイスとの互換性を高めています。
- ProgLoss + STAL: これらの改良された損失関数により、小物体認識が大幅に向上し、YOLOv9 の能力に匹敵またはそれを上回ります。
従来のアーキテクチャを評価している研究者にとって、RT-DETR と YOLO11 も、Ultralytics エコシステム内で十分なドキュメントが整備された選択肢です。ただし、あらゆるビジョンタスクで最大限の汎用性を求める場合は、Ultralytics Platform 上で YOLO26 に移行することで、オープンソースのビジョン AI の最先端を活用できます。