はじめる

YOLOv9とYOLOX

コンピュータービジョン分野では、リアルタイム物体検出アーキテクチャが急速に進化しています。このガイドでは、YOLOv9とYOLOXを比較し、アーキテクチャの革新、性能指標、学習手法を分析します。製造業のAI活用に向けたスマートアプリケーションの構築や、予測モデリングの検討において、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が可能になります。

アーキテクチャの革新#

YOLOv9:プログラム可能な勾配情報#

YOLOv9は、ディープニューラルネットワークに固有の情報ボトルネック問題に対処します。主な技術革新には、プログラマブル勾配情報 (PGI)と汎用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に重みの更新に使われる勾配の精度を保ちやすくします。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に見られるような、複雑な環境での小さな物体の検出に効果を発揮します。

YOLOv9の詳細を見る

YOLOX:研究と産業の架け橋#

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。分類タスクと位置特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採用しました。

YOLOXはかつて大きな影響を与え、優れた平均適合率 (mAP)を達成するとともに、アンカーボックスのハイパーパラメーター調整を不要にしました。しかし、パラメーター数と特徴保持のバランスに優れた最新ネットワークが登場し、その基盤アーキテクチャはすでにそれらを下回っています。

YOLOXの詳細はこちら

アンカーフリー設計の進化

YOLOXと新しいUltralyticsモデルは、どちら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ー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高めています。

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のトレードオフにおいて、一貫して優れた結果を達成します。

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)
YOLOv9t64038.3-2.32.07.7
YOLOv9s64046.8-3.547.226.7
YOLOv9m64051.4-6.4320.176.8
YOLOv9c64053.0-7.1625.5102.8
YOLOv9e64055.6-16.7758.1192.5
YOLOXnano41625.8--0.911.08
YOLOXtiny41632.8--5.066.45
YOLOXs64040.5-2.569.026.8
YOLOXm64046.9-5.4325.373.8
YOLOXl64049.7-9.0454.2155.6
YOLOXx64051.1-16.199.1281.9

YOLOXには、極端なエッジ環境向けのYOLOX-Nanoのような軽量モデルもありますが、純粋な精度では、YOLOv9の各モデルが同程度のサイズのYOLOXモデルを一貫して上回ります。たとえば、YOLOv9mはYOLOXlの49.7%に対し51.4%のmAPを達成し、パラメーター数は半分以下(20.1M対54.2M)です。

Ultralyticsの強み#

モデルの選定では、アーキテクチャの理論だけでなく、その周辺エコシステムも開発速度とデプロイの成否を左右します。UltralyticsエコシステムでYOLOv9を使用すると、使いやすさと充実したコミュニティサポートが得られます。

従来のオリジナル研究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一されたPython APIを提供します。学習時に必要なGPUメモリは多くの代替モデルより少なく、学習効率が向上します。

from ultralytics import YOLO

# YOLOv9cモデルを初期化します
model = YOLO("yolov9c.pt")

# カスタムデータセットでモデルをトレーニングします
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# モデルの性能を検証します
metrics = model.val()

# 最適化済みモデルをTensorRT形式にエクスポートします
model.export(format="engine")

物体検出、インスタンスセグメンテーション、姿勢推定など、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ビジョンタスクを切り替えられます。

簡単なエクスポート

エッジにデプロイする場合も、Ultralyticsなら、ONNX、TensorRT、OpenVINOなどの最適化された形式に学習済みモデルをワンコマンドで簡単にエクスポートできます。

実際の用途#

モデルごとの強みは、それぞれ異なる実用的な用途に適しています。

高速な小売分析#

リアルタイムの商品認識が必要な現代の小売環境では、YOLOv9が優れた性能を発揮します。細かな特徴を保持できるため、混雑した棚に並ぶ見た目の似た商品を区別する必要がある小売業のAI活用に適しています。

レガシーなエッジデバイスへのデプロイ#

ハードウェアの制約が厳しい環境や、新しい集約ブロックの処理が難しい専用NPUを使用する環境では、YOLOX-Nanoがニッチな用途に適する場合があります。非常にリソースの限られたマイクロコントローラーでは、シンプルな畳み込みパターンが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、小さな物体を見逃すと重大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、小さく遠方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します。これは、自動車分野のAI活用などのセーフティクリティカルな環境で重要です。

ユースケースと推奨事項#

YOLOv9とYOLOXのどちらを選ぶかは、プロジェクト固有の要件、デプロイ上の制約、エコシステムに対する好みによって異なります。

YOLOv9を選ぶ場合#

YOLOv9が適している用途:

  • 情報ボトルネックの研究: プログラム可能な勾配情報(PGI)や一般化効率的層集約ネットワーク(GELAN)の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抑制に焦点を当てた研究。
  • 高精度検出のベンチマーク: アーキテクチャの比較において、YOLOv9の優れたCOCOベンチマーク性能を基準として必要とするシナリオ。

YOLOXを選ぶタイミング#

YOLOXは次のような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際のベースラインとして、YOLOXのシンプル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バリアントの極めて小さなフットプリント(パラメーター数0.91M)が重要となる、マイクロコントローラーや旧式のモバイルハードウェアへのデプロイ。
  • SimOTAラベル割り当ての研究: 最適輸送に基づくラベル割り当て戦略と、トレーニングの収束への影響を調査する研究プロジェクト。

Ultralytics (YOLO26)を選ぶ場合#

多くの新規プロジェクトにおいて、Ultralytics YOLO26はパフォーマンスと開発者体験を最適なバランスで提供します。

  • NMSフリーのエッジデプロイ: Non-Maximum Suppression (NMS)の後処理を複雑にすることなく、一貫して低レイテンシの推論を必要とするアプリケーションに適しています。
  • CPUのみの環境: 専用GPUアクセラレーションのないデバイスでは、YOLO26nのCPU推論がYOLO11nより最大43%高速であることが大きな強みになります。
  • 小物体検出: ドローンによる空撮画像やIoTセンサー分析などの難しいシナリオでは、ProgLossとSTALが小さな物体の精度を向上させます。

次世代モデル:YOLO26の登場#

YOLOv9は重要な節目となるモデルですが、本番環境の要件は進化し続けています。2026年1月にリリースされたYOLO26が、現在Ultralyticsが推奨するモデルです。

YOLO26はオプション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簡素化します。nms=Falseを使用してNMSの後処理を排除し、推論レイテンシを低減します。

YOLO26にはMuSGDオプティマイザーも組み込まれています。これはSGDとMuonのハイブリッドで、LLMの学習から着想を得た技術革新を取り入れ、安定した高速収束を実現します。DFLを取り除き、NMSフリー推論を採用したYOLO26nは、YOLO11nより最大43%高速なCPU推論を実現するため、エッジデバイスやエンタープライズ環境に適しています。ProgLossとSTAL (Progressive Loss and Small-Target-Aware Label Assignment)による小さな物体の検出精度の向上により、YOLO26は新しいプロジェクトにおいてYOLOXとYOLOv9の両方に取って代わります。

最新のアーキテクチャを検討するエンジニアには、Ultralyticsエコシステム内の有力な選択肢としてYOLO11とRT-DETRもあります。また、Ultralytics Platformを使えば、最新モデルの学習とデプロイを一か所で行えます。

コントリビューター

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。