YOLOXとDAMO-YOLOの比較
リアルタイム物体検出は、アンカーベースからアンカーフリーのアーキテクチャへ、手動設計のバックボーンから自動ニューラルアーキテクチャ探索(NAS)へと、いくつもの変化を経てきました。この技術比較では、その過程における重要な節目であるYOLOXとDAMO-YOLOを取り上げ、アーキテクチャの革新、トレーニング手法、性能のトレードオフを分析するとともに、新しいプロジェクトに推奨される代替モデルとしてUltralytics YOLO26を紹介します。
YOLOX:アンカーフリーパラダイムの先駆け#
2021年7月18日にMegviiのZheng Ge、Songtao Liu、Feng Wang、Zeming Li、Jian SunによってリリースされたYOLOXは、アンカーフリー設計をYOLOファミリーに導入し、同ファミリーにおける転換点となりました。著者らの詳細なarXiv上の技術レポートで説明されているように、YOLOXは学術研究と産業界でのデプロイのギャップを埋めることを目指しました。
主なアーキテクチャ上の革新#
YOLOXでは、従来モデルを改良するために、いくつかの主要な構造変更が導入されました。
- アンカーフリー機構:オブジェクトの中心とバウンディングボックスの寸法を直接予測することで、YOLOXは設計上のヒューリスティックを減らし、複雑なアンカークラスタリング処理を簡素化しました。そのため、さまざまなコンピュータービジョンのシナリオに適応できます。
- 分離型ヘッド:従来のYOLOモデルでは、分類と回帰の両方に単一の結合型ヘッドを使用していました。YOLOXは分離型ヘッドを実装し、分類と位置特定を別々に処理することで、収束を速め、精度を高めています。
- SimOTAラベル割り当て: Optimal Transport Assignment(OTA)を簡略化した手法を用いて、正例サンプルを動的に割り当てることで、学習時間を短縮し、中心点ベースの割り当てに伴う曖昧さを解消しました。
YOLOXの分離型ヘッド設計は、その後の物体検出モデルの世代に大きな影響を与え、多くの最新モデルに標準機能として採用されました。
DAMO-YOLO:大規模な自動アーキテクチャ探索#
Alibaba GroupのXianzhe Xuと研究者チームによって開発されたDAMO-YOLOは、2022年11月23日に発表されました。arXiv論文で詳述されているように、このモデルは速度と精度のトレードオフを改善するため、ニューラルアーキテクチャ探索 (NAS) に大きく依存していました。
主なアーキテクチャ上の革新#
DAMO-YOLOの戦略は、効率的な構造の設計を自動化することを基盤としていました。
- MAE-NASバックボーン:最大エントロピーに基づく探索を用いて、DAMO-YOLOは特定のレイテンシ予算に合わせた高効率なバックボーンを発見しました。特に、TensorRTなどのフレームワークにエクスポートする場合に効果を発揮します。
- Efficient RepGFPN:異なる空間解像度間の特徴融合を改善する、重厚なネック設計です。これにより、航空画像の分析や、さまざまなスケールのオブジェクト検出が向上します。
- ZeroHead: モデル全体の平均適合率(mAP)を損なうことなく、計算上の冗長性を削減する簡素化された予測ヘッドです。
- AlignedOTAと蒸留:高度なラベル割り当てと教師・生徒間の知識蒸留を取り入れ、小型の生徒モデルの性能を高めます。
パフォーマンスと指標の比較#
これら2つのモデルを比較する際は、パラメーター数、必要なFLOPs、レイテンシの特性を確認することが重要です。以下に、複数のスケールにおけるYOLOXとDAMO-YOLOのベンチマークデータを示します。
| 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) |
|---|---|---|---|---|---|---|
| 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 |
| DAMO-YOLOt | 640 | 42.0 | - | 2.32 | 8.5 | 18.1 |
| DAMO-YOLOs | 640 | 46.0 | - | 3.45 | 16.3 | 37.8 |
| DAMO-YOLOm | 640 | 49.2 | - | 5.09 | 28.2 | 61.8 |
| DAMO-YOLOl | 640 | 50.8 | - | 7.18 | 42.1 | 97.3 |
同程度のレイテンシではDAMO-YOLOのほうがYOLOXより高精度です。たとえば、DAMO-YOLOtは2.32 msで42.0 mAPを達成する一方、YOLOXsは2.56 msで40.5 mAPです。ただし、どちらのモデルにも留意点があります。YOLOXの設計は多くの新しいトレーニング手法が登場する前のものであり、DAMO-YOLOは蒸留への依存によってカスタムデータセットでの再トレーニングに多くのリソースを要し、GPUメモリの必要量も増加します。
ユースケースと推奨事項#
YOLOXとDAMO-YOLO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、エコシステムの好みによって異なります。
YOLOXを選ぶタイミング#
YOLOXは次のような用途に適しています:
- 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。
DAMO-YOLOを選ぶケース#
DAMO-YOLOは、次の用途に適しています。
- 高スループットの動画分析: バッチサイズ1でのスループットが主要な指標となる、固定のNVIDIA GPUインフラストラクチャ上で高FPSの動画ストリームを処理する用途。
- 産業用製造ライン: 組み立てラインでのリアルタイム品質検査など、専用ハードウェア上でGPUレイテンシに厳しい制約があるシナリオ。
- ニューラルアーキテクチャ探索の研究: 自動アーキテクチャ探索 (MAE-NAS) と、効率的に再パラメーター化されたバックボーンが検出性能に与える影響を研究する用途。
Ultralytics (YOLO26)を選ぶ場合#
ほとんどの新規プロジェクトでは、Ultralytics YOLO26が性能と開発者体験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(NMS)の後処理を複雑にすることなく、安定した低レイテンシ推論を必要とするアプリケーション。
- CPU-Only Environments: 専用GPUアクセラレーションを備えていないデバイスでは、YOLO26の最大43%高速なCPU推論(YOLO26n対YOLO11n)が大きな優位性をもたらします。
- 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。
Ultralyticsの強み:YOLO26の紹介#
YOLOXとDAMO-YOLOは歴史的に重要な節目ですが、現代の開発者には高精度と使いやすさを兼ね備えたソリューションが必要です。2026年1月にリリースされたUltralytics YOLO26は、YOLOv10などのNMSフリーモデルを基盤とし、速度、精度、開発者体験のバランスを高いレベルで実現します。
YOLO26を選ぶ理由#
個別に開発された研究用リポジトリと比べ、統合されたUltralyticsエコシステムには次の利点があります。
- エンドツーエンドNMSフリーデザイン:YOLO26のオプションの1対1ヘッド(
nms=False)は、推論中のNMSを不要にします。その結果、高速で予測可能なレイテンシが得られ、エッジデバイスへのデプロイや自動運転車で重要な要件を満たします。 - DFLの削除:Distribution Focal Lossを削除することで、YOLO26はエッジデバイスへのエクスポートを簡素化し、低消費電力ハードウェアとの互換性を高めます。
- MuSGD Optimizer:YOLO26は、SGDとMuonを組み合わせたハイブリッドオプティマイザーを使い、LLMのトレーニングにおける革新を取り入れて、安定したトレーニングと高速な収束を実現します。
- CPU推論が最大43%高速:DFLとNMSを削除したYOLO26nは、高価なGPUハードウェアを必要とせずに、CPU上でYOLO11nより最大43%高速に動作します。
- ProgLoss + STAL:Progressive Loss and Small-Target-Aware Label Assignment(STAL)は小さなオブジェクトの検出精度を高めるため、YOLO26はドローンによる点検やIoTモニタリングなどのタスクに適しています。
- 汎用性:検出専用のDAMO-YOLOとは異なり、YOLO26は単一の統合フレームワークでインスタンスセグメンテーション、セマンティックセグメンテーション、深度推定、画像分類、姿勢推定、回転バウンディングボックス(OBB)タスクにネイティブ対応します。
Ultralytics Python APIを使えば、複雑な蒸留パイプラインを手動で設定したり、モデルのデプロイに何百行ものC++コードを書いたりする必要はありません。
from ultralytics import YOLO
# YOLO26 nanoモデルを読み込みます
model = YOLO("yolo26n.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
train_results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# 超高速なNMSフリー推論を実行できます
results = model("https://ultralytics.com/images/bus.jpg", nms=False)
# 1つのコマンドでONNXまたはOpenVINOにエクスポートできます
model.export(format="openvino")検討すべきその他のモデル#
コンピュータービジョンのエコシステムは幅広いため、固有の制約に応じて、Ultralyticsエコシステムで完全にサポートされている他のアーキテクチャもご検討ください。
- YOLO11:YOLO26の前世代モデルであり、小売分析や製造業の品質管理における堅牢性で知られています。
- YOLOv8:広く採用されている安定したアンカーフリーモデルで、エッジデバイスへのデプロイの普及に貢献しました。
- RT-DETR:Baiduが開発したリアルタイム検出Transformerで、グローバル注意機構の恩恵を大きく受けるタスクに有力な代替手段を提供します。ただし、トレーニング時に必要なメモリはより多くなります。
結論#
YOLOXとDAMO-YOLOはいずれも、ディープラーニングの発展に重要な概念をもたらしました。YOLOXは分離型・アンカーフリーのアプローチの有効性を示し、DAMO-YOLOは自動アーキテクチャ探索の威力を実証しました。しかし、実際の本番環境では、元の研究用コードベースの複雑さがアジャイルなチームの開発を遅らせることがあります。
Ultralytics Platformを使えば、開発者はこうした障壁を回避できます。YOLO26のエンドツーエンド設計、高速なCPU処理、充実したドキュメントにより、高精度なビジョンAIをより利用しやすくなります。スマートシティのインフラ、医療診断、高度なロボティクスのいずれを構築する場合も、Ultralyticsを使えば生データから実環境へのデプロイまでを直接進められます。
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。