YOLOv9 vs YOLOX#
コンピュータビジョン分野では、リアルタイム物体検出アーキテクチャが急速な進化を遂げてきました。本ガイドでは、YOLOv9 と YOLOX を詳しく比較し、それぞれのアーキテクチャ上の革新、パフォーマンス指標、トレーニング手法を分析します。製造業におけるAI向けのスマートアプリケーションを構築する場合でも、予測モデリングを検討する場合でも、これらのモデルを理解することで、次のデプロイに向けた適切な判断に役立ちます。
アーキテクチャのイノベーション#
YOLOv9：プログラマブル勾配情報#
YOLOv9は、深層ニューラルネットワークに内在する情報ボトルネック問題に対処することで、パラダイムシフトをもたらしました。中核となる革新技術には、プログラマブル勾配情報（PGI）と一般化効率的レイヤー集約ネットワーク（GELAN）があります。
- 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
- Arxiv: 2402.13616
- GitHub: WongKinYiu/yolov9
フィードフォワード処理中に重要な特徴データを保持することで、YOLOv9はバックプロパゲーション中の重み更新に使用される勾配の正確性を維持します。このアーキテクチャは特徴抽出に優れており、航空画像や詳細な医療スキャンなど、複雑な環境における小さな物体の検出に非常に適しています。
YOLOX：研究と産業の橋渡し#
2021年半ばにリリースされたYOLOXは、YOLOシリーズをアンカーフリー設計へと移行させました。分類タスクと位置推定タスクを分離するデカップルドヘッドを導入し、トレーニングの収束を改善するためにSimOTAラベル割り当て戦略を活用しました。
- 著者: Zheng Ge、Songtao Liu、Feng Wang、Zeming Li、Jian Sun
- 組織: Megvii
- 日付： 2021年7月18日
- arXiv: 2107.08430
- GitHub： Megvii-BaseDetection/YOLOX
YOLOXは当時画期的であり、優れた平均適合率（mAP）を達成し、アンカーボックスのハイパーパラメータ調整を不要にしましたが、その基盤となるアーキテクチャは、パラメータ数と特徴保持のバランスに優れた最新のネットワークにすでに追い越されています。
YOLOXと新しいUltralyticsモデルはいずれもアンカーフリー設計を採用しており、ハイパーパラメータ調整の複雑さを軽減し、多様なデータセットに対する汎化性能を向上させます。
パフォーマンス分析#
MS COCOベンチマークでこれらのモデルを比較すると、YOLOv9の進歩が明らかになります。YOLOv9は、精度とFLOPsのより優れたトレードオフを一貫して実現します。
| 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 |
| YOLOXnano | 416 | 25.8 | - | - | 0.91 | 1.08 |
| YOLOXtiny | 416 | 32.8 | - | - | 5.06 | 6.45 |
| YOLOXs | 640 | 40.5 | - | 2.56 | 9.0 | 26.8 |
| YOLOXm | 640 | 46.9 | - | 5.43 | 25.3 | 73.8 |
| YOLOXl | 640 | 49.7 | - | 9.04 | 54.2 | 155.6 |
| YOLOXx | 640 | 51.1 | - | 16.1 | 99.1 | 281.9 |
YOLOXには、極端なエッジケース向けのYOLOX-Nanoのような軽量なバリアントがありますが、YOLOv9のバリアントは、純粋な精度において、同程度のサイズのYOLOXモデルを一貫して上回ります。たとえば、YOLOv9mは、パラメータ数が半分未満（20.0M対54.2M）であるにもかかわらず、YOLOXlの49.7%に対して51.4% mAPを達成します。
Ultralyticsの優位性#
モデルの選択では、アーキテクチャ理論だけでなく、それを取り巻くエコシステムが開発速度とデプロイの成功を左右します。UltralyticsエコシステムでYOLOv9を利用すると、他に類を見ない使いやすさと強力なコミュニティサポートが得られます。
従来の研究用リポジトリとは異なり、Ultralyticsフレームワークは複雑なパイプラインを簡素化する統合Python APIを提供します。トレーニングに必要なGPUメモリも多くの代替手段より大幅に少なく、卓越したトレーニング効率を実現します。
from ultralytics import YOLO
# Initialize the YOLOv9c model
model = YOLO("yolov9c.pt")
# Train the model on your custom dataset seamlessly
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Validate the model's performance
metrics = model.val()
# Export the optimized model to TensorRT format
model.export(format="engine")物体検出、インスタンスセグメンテーション、ポーズ推定など、複数のタスクを標準でサポートしているため、コードベース全体を変更することなく、コンピュータビジョンソリューションを迅速に別の用途へ展開できます。
実世界での用途#
これらのモデルはそれぞれ固有の強みを持つため、現実世界の異なるアプリケーションに適しています。
高速小売分析#
リアルタイムの商品認識が求められる最新の小売環境では、YOLOv9が優れています。複雑な特徴の詳細を保持できるため、混雑した棚で見た目のよく似た商品を区別する必要がある小売業におけるAIのデプロイに最適です。
レガシーエッジデプロイ#
厳しいハードウェア制約や、新しい集約ブロックへの対応に苦労する特殊なNPUがある環境では、YOLOX-Nanoがニッチな用途に適する場合があります。無駄を省いた純粋な畳み込みパターンは、リソースが極端に制限されたマイクロコントローラーで好まれることがあります。
自律型ロボティクス#
ロボティクスのナビゲーションでは、小さな物体を見落とすと致命的な結果につながる可能性があります。YOLOv9のGELANアーキテクチャは、小さく遠くにある障害物の特徴がネットワークの深い層で失われないようにするため、自動車分野におけるAIのような、安全性が重要な環境で従来のモデルを上回ります。
ユースケースと推奨事項#
YOLOv9とYOLOXのどちらを選ぶかは、具体的なプロジェクト要件、デプロイの制約、エコシステムに関する好みによって決まります。
YOLOv9を選ぶタイミング#
YOLOv9が適しているケース:
- 情報ボトルネックの研究: プログラマブル勾配情報（PGI）および汎用効率的レイヤー集約ネットワーク（GELAN）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軽減に重点を置く研究。
- 高精度検出のベンチマーク: アーキテクチャ比較の基準点として、YOLOv9の優れたCOCOベンチマーク性能が必要なシナリオ。
YOLOX を選択するタイミング#
YOLOX は次の用途に推奨されます。
- アンカーフリー検出の研究: 新しい検出ヘッドや損失関数を試すためのベースラインとして、YOLOX の簡潔なアンカーフリーアーキテクチャを使用する学術研究。
- 超軽量エッジデバイス: YOLOX-Nano バリアントの非常に小さなフットプリント（0.91Mパラメータ）が重要となる、マイクロコントローラーや従来型モバイルハードウェアへのデプロイ。
- SimOTA ラベル割り当て研究: 最適輸送に基づくラベル割り当て戦略と、それがトレーニングの収束に与える影響を調査する研究プロジェクト。
Ultralytics (YOLO26)を選ぶタイミング#
ほとんどの新規プロジェクトでは、Ultralytics YOLO26が性能と開発者エクスペリエンスの最適な組み合わせを提供します。
- NMSフリーのエッジデプロイ: Non-Maximum Suppressionの後処理を複雑にすることなく、一貫した低レイテンシー推論が必要なアプリケーション。
- CPUのみの環境: 専用GPUアクセラレーションを持たないデバイスで、YOLO26の最大43%高速なCPU推論が決定的な優位性となる場合。
- 小さな物体の検出: aerial drone imageryやIoTセンサー分析など、ProgLossとSTALによって微小物体の精度が大幅に向上する難しいシナリオ。
未来：YOLO26の登場#
YOLOv9は目覚ましいマイルストーンですが、プロダクション環境の要求は常に限界を押し広げています。新たにリリースされた YOLO26 は、最新のビジョンAIにおける決定的な標準です。
YOLO26は、ネイティブのエンドツーエンドNMSフリーデザインによってデプロイパイプラインを一新します。後処理で複雑な非最大抑制を行う必要をなくすことで、推論レイテンシを大幅に短縮します。
さらに、YOLO26は画期的なMuSGD Optimizerを採用しています。これはSGDとMuonのハイブリッドであり、LLMトレーニングの革新技術を取り入れることで、非常に安定した高速収束を実現します。Distribution Focal Loss（DFL）を削除することで、YOLO26は従来モデルと比べて最大43%高速なCPU推論を実現し、エッジデバイスやエンタープライズデプロイにおける絶対的な最適解となっています。ProgLossとSTALによる小物体認識の顕著な改善により、YOLO26はYOLOXとYOLOv9の両方を実質的に上回ります。
最新のアーキテクチャを検討しているエンジニアには、Ultralyticsスイート内の強力な代替手段として、YOLO11とRT-DETRも確認することをおすすめします。Ultralytics Platformで最新モデルの比類ないパフォーマンスを活用し、プロジェクトを将来にわたって利用できるものにしてください。