YOLOv9とYOLOv6-3.0#

リアルタイム物体検出は、ニューラルネットワークアーキテクチャの継続的な革新によって進化してきました。推論速度、精度、計算効率の繊細なバランスを最適化するうえで、コンピュータービジョンのフレームワークが数多く存在する中、主要なアーキテクチャを比較することは、用途に合ったツールを選ぶために重要です。

この技術ガイドでは、高い能力を備えた2つのモデルを詳しく比較します。ディープラーニングにおける情報保持で知られるYOLOv9と、産業用途向けに特化したYOLOv6-3.0です。

YOLOv9の概要：特徴保持の最大化#

2024年初頭に発表されたYOLOv9は、ディープニューラルネットワークにおける最も根強い課題の一つである、フィードフォワード処理中の情報損失に取り組んでいます。勾配の信頼性を確保し、特徴マップに重要なデータを保持させることで、理論上の精度の限界を押し広げています。

• 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論文、GitHubリポジトリ

アーキテクチャと手法#

YOLOv9では、Programmable Gradient Information (PGI)とGeneralized Efficient Layer Aggregation Network (GELAN)の概念が導入されています。PGIは、補助的な監視を提供して情報のボトルネックに対処し、推論時のオーバーヘッドを増やすことなく、メインネットワークが堅牢で信頼性の高い特徴を学習できるようにします。一方、GELANはパラメーターの利用効率を最適化し、計算コストを抑えながら最先端の平均適合率（mAP）を実現します。そのため、特徴の忠実度が重要となる医療画像解析や極めて小さなオブジェクトの検出に最適です。

YOLOv9の詳細を見る

YOLOv6-3.0の概要：産業規模向けに構築#

Meituanが開発したYOLOv6-3.0（v3.0とも呼ばれます）は、負荷の高い産業用途に対応するため、ゼロから設計されています。2023年初頭にリリースされ、デプロイ効率を重視しており、エッジハードウェアで優れた性能を発揮する、量子化に適したモデル群を提供します。

• 著者： Chuyi Li、Lulu Li、Yifei Geng、Hongliang Jiang、Meng Cheng、Bo Zhang、Zaidan Ke、Xiaoming Xu、Xiangxiang Chu
• 組織: Meituan
• 日付: 2023年1月13日
• リンク: Arxiv論文、GitHubリポジトリ

アーキテクチャと手法#

YOLOv6-3.0は、RepOptimizerとAnchor-Aided Training (AAT)の手法を特徴としています。RepVGGに着想を得たハードウェアを考慮したニューラルネットワーク設計を採用しており、推論時にレイヤーを融合することでGPU上で非常に高速に動作します。バージョン3.0では、位置特定の精度向上を目的にBi-directional Concatenation (BiC)モジュールを導入し、アーキテクチャをさらに改良しました。TensorRTやOpenVINOなどのデプロイ形式に高度に最適化されているため、YOLOv6-3.0は物流、製造オートメーション、高スループットのサーバー環境で広く採用されています。

YOLOv6-3.0の詳細はこちら

パフォーマンス比較#

標準のCOCOデータセットでこれらのモデルを評価すると、精度と推論速度の間に明確なトレードオフが見られます。

技術分析#

YOLOv6-3.0nはT4ハードウェア上で最高の速度（1.17ms）を誇りますが、YOLOv9tはパラメーター数を半分未満（2.0M対4.7M）に抑え、FLOPsも大幅に少ない一方で、わずかに高いmAP（38.3%）を達成しています。複雑で高い精度が求められる用途では、大型モデルのYOLOv9eがmAP 55.6%を実現し、ディープネットワークにおけるPGIアーキテクチャの威力を示しています。

Ultralyticsエコシステムの利点#

どのモデルのアーキテクチャ思想を選ぶ場合でも、Ultralytics Python APIを通じてネイティブに実装することで、優れた開発者体験が得られます。

使いやすさとトレーニング効率#

従来、複雑なディープラーニングモデルのトレーニングには、大量の定型コードが必要でした。Ultralytics Platformは、こうした複雑さを抽象化します。欠陥検出用にYOLOv9をファインチューニングする場合も、モバイルアプリケーション向けにYOLOv6をエクスポートする場合も、ワークフローは非常に一貫しています。

さらに、Ultralyticsのアーキテクチャは一般に、かさばるTransformerベースのモデルと比べて、トレーニング中のCUDAメモリ要件が少なくて済みます。これにより、コンシューマー向けGPUでより大きなバッチサイズを使用でき、トレーニング効率が大幅に向上します。

from ultralytics import YOLO

# モデルファイルの文字列を変更するだけで、アーキテクチャを簡単に切り替えられます
# model = YOLO("yolov6n.yaml")  # YOLOv6はYAML設定として利用できます（事前学習済み重みはありません）
model = YOLO("yolov9c.pt")

# 組み込みのデータ拡張とキャッシュを使用してモデルをトレーニングします
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device="0")

# ONNXまたはTensorRTにシームレスにエクスポートできます
model.export(format="engine", quantize=16)

ビジョンタスク全般で比類のない汎用性#

YOLOv6-3.0はバウンディングボックスの高速生成に高度に最適化されていますが、現代のコンピュータービジョンプロジェクトではマルチタスクへの対応が求められることもよくあります。Ultralyticsのモデルは、非常に幅広い用途に対応できることで知られています。Ultralytics YOLOv8や新しいYOLO26などのツールを使えば、単一のフレームワークで物体検出、インスタンスセグメンテーション、画像分類、姿勢推定、回転バウンディングボックス（OBB）をシームレスに処理できます。

YOLO26の紹介：新たな標準#

性能とデプロイの容易さをともに最大化したい組織にとって、YOLO26は速度と精度を究極の形で両立するモデルです。

YOLO11の成功を受け継ぐYOLO26は、パラダイムを大きく変える複数の機能を導入しています。

• MuSGD Optimizer: Moonshot AIのKimi K2のような大規模言語モデル（LLM）のトレーニング手法に着想を得たこのハイブリッドオプティマイザーは、非常に安定したトレーニングと高速な収束を実現します。
• DFL Removal: Distribution Focal Lossを取り除くことで、YOLO26はエクスポートグラフを簡素化し、低電力のエッジコンピューティングチップとの互換性を大幅に高めます。
• ProgLoss + STAL: これらの高度な損失関数は、小規模オブジェクトの認識性能を大きく向上させます。これは、ドローン運用やIoTアプリケーションで重要です。
• タスク固有の改善: YOLO26は、セグメンテーション向けのネイティブなマルチスケールプロトタイピング、姿勢推定向けのResidual Log-Likelihood Estimation (RLE)、およびOBB検出のエッジケースを解決するための専用角度損失アルゴリズムを備えています。

最適なデプロイシナリオ#

適切なアーキテクチャを選ぶには、最終的に本番環境の制約を考慮する必要があります。

産業製造で確立済みのパイプラインがあり、量子化に大きく依存し、ハードウェアのレイテンシを最小限に抑える必要がある専用の推論アクセラレーターを使用している場合は、YOLOv6-3.0を選択してください。

微妙なピクセルレベルの特徴を見落とせない医療診断や長距離監視に取り組む場合は、YOLOv9を選択してください。

最先端の精度と、簡素化されたNMSフリーのデプロイをバランスよく実現したい場合、現代のコンピュータービジョンエンジニアリングにはUltralytics YOLO26を強くおすすめします。活発な開発サイクル、充実したドキュメント、活気あるコミュニティのサポートにより、研究者にも開発者にも欠かせないツールとなっています。