YOLO Vision 2026:

YOLOX対DAMO-YOLO#

リアルタイム物体検出の進化では、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の移行や、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）への移行など、数々のパラダイムシフトが見られてきました。この包括的な技術比較では、この変遷における2つの重要なマイルストーンである YOLOX と DAMO-YOLO を分析します。両者のアーキテクチャ上の革新、トレーニング手法、パフォーマンスのトレードオフを掘り下げるとともに、現代の Ultralytics YOLO26 が現代の開発者にとって比類のない代替手段をどのように提供するかについても紹介します。

YOLOX：アンカーフリーパラダイムの先駆者#

Megvii の Zheng Ge、Songtao Liu、Feng Wang、Zeming Li、Jian Sun によって2021年7月18日にリリースされた YOLOX は、アンカーフリー設計を YOLO ファミリーに正常に統合することで、重要な転換点となりました。詳細な ArXiv の技術レポートに記載されているように、YOLOX は学術研究と産業界での導入のギャップを埋めることを目指していました。

主要なアーキテクチャの革新#

YOLOXは、先行モデルから劇的に進化したいくつかの核となる構造的転換を導入しました：

  • アンカーフリーメカニズム: 物体の中心とそのバウンディングボックスの寸法を直接予測することにより、YOLOX は設計のヒューリスティクス数を削減し、複雑なアンカークラスタリングプロセスを簡素化しました。これにより、さまざまな コンピュータビジョン シナリオへの高い適応性が実現されています。
  • デカップリングヘッド： 従来のYOLOモデルは、分類と回帰の両方に単一の結合ヘッドを使用していました。YOLOXは分類とローカリゼーションを個別に処理するデカップリングヘッドを実装し、これにより収束が大幅に高速化され、精度が向上しました。
  • SimOTAラベル割り当て： 最適輸送割り当て（OTA）の簡略化バージョンを使用してポジティブサンプルを動的に割り当て、トレーニング時間を短縮し、中心点割り当ての曖昧さを克服しました。
YOLOXのレガシー

YOLOXのデカップリングヘッド設計は後続の世代の物体検出器に多大な影響を与え、多くの現代モデルの標準機能となりました。

YOLOX について詳しく学ぶ

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 の論文に詳述されているように、このモデルは速度と精度のパレートフロンティアを押し上げるために、ニューラルアーキテクチャ探索（NAS）を大々的に活用しました。

主要なアーキテクチャの革新#

DAMO-YOLOの戦略は、効率的な構造の設計を自動化することに基づいています：

  • MAE-NAS バックボーン: マルチ目的に対応した進化アルゴリズムを利用して、DAMO-YOLO は、特に TensorRT などのフレームワークにエクスポートする際、特定のレイテンシの制約に合わせてカスタマイズされた高効率なバックボーンを発見しました。
  • 効率的な RepGFPN: さまざまな解像度にわたる特徴量フュージョンを大幅に強化する高負荷なネック設計であり、航空画像解析やさまざまなスケールの物体検出において非常に有効です。
  • ZeroHead： モデル全体の平均精度（mAP）を犠牲にすることなく、計算の冗長性を削ぎ落とした簡略化された予測ヘッド。
  • AlignedOTAと蒸留： 高度なラベル割り当てと教師・生徒モデルの知識蒸留を取り入れ、より小さな生徒モデルから最大限のパフォーマンスを引き出します。

DAMO-YOLOの詳細はこちら

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、パラメータ数、必要なFLOPs、レイテンシプロファイルを考慮する必要があります。以下は、複数のスケールにおけるYOLOXとDAMO-YOLOを比較したベンチマークデータです。

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
(M)		FLOPs
(B)
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
DAMO-YOLOt64042.0-2.328.518.1
DAMO-YOLOs64046.0-3.4516.337.8
DAMO-YOLOm64049.2-5.0928.261.8
DAMO-YOLOl64050.8-7.1842.197.3

両モデルとも素晴らしい成果を上げていますが、留意点もあります。YOLOX では分離ヘッドの慎重なチューニングが必要であり、一方 DAMO-YOLO は知識蒸留への依存度が高いため、カスタムデータセットでの再トレーニングが非常に多くのリソースを消費し、膨大な量の GPU メモリが要求されます。

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、展開制約、エコシステムの好みによって決まります。

YOLOXを選択すべき時#

YOLOXは以下の場合に強力な選択肢となります。

  • アンカーフリー検出研究: 新しい検出ヘッドや損失関数を実験するためのベースラインとして、YOLOXのクリーンでアンカーフリーな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）が不可欠な、マイクロコントローラやレガシー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、それが学習の収束に与える影響を調査する研究プロジェクト。

DAMO-YOLOを選択すべきケース#

DAMO-YOLOは以下の場合に推奨されます：

  • 高スループットビデオ解析: 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の高FPSビデオストリーム処理。
  • 産業用製造ライン: 組立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の厳格なGPUレイテンシ制約があるシナリオ。
  • Neural Architecture Searchの研究: 自動化されたアーキテクチャ探索 (MAE-NAS) や効率的な再パラメータ化バックボーンが検出パフォーマンスに与える影響の研究。

Ultralytics (YOLO26) を選択すべき時#

ほとんどの新しい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の最高の組み合わせを提供します。

  • NMSフリーのエッジ展開： Non-Maximum Suppression後処理の複雑さを伴わずに、一貫した低レイテンシの推論が求められるアプリケーション。
  • CPUのみの環境： GPUアクセラレーションを利用できないデバイスにおいて、YOLO26の最大43%高速なCPU推論が決定的な利点となる場合。
  • 小物体検出: ProgLossとSTALにより極小オブジェクトの精度が大幅に向上する、空中ドローン画像やIoTセンサー分析などの困難なシナリオ。

Ultralyticsの優位性：YOLO26の紹介#

YOLOX と DAMO-YOLO は重要な歴史的マイルストーンですが、現代の開発者には、最先端の精度と比類のない使いやすさを両立させるソリューションが求められています。ここで Ultralytics YOLO26 が状況を一変させます。2026年1月に出荷された YOLO26 は、NMS フリーモデルのレガシーを基盤として、速度、精度、開発者体験の究極のバランスを提供します。

なぜYOLO26を選ぶのか？#

統合されたUltralyticsエコシステムは、以下を提供することで断片化された学術リポジトリを凌駕します：

  • エンドツーエンドの NMS フリー設計: YOLO26 は、推論時に非最大値抑制（NMS）をネイティブに排除します。これにより、エッジデバイスへのデプロイや 自動運転車に不可欠な、非常に高速で予測可能なレイテンシが実現します。
  • DFLの除去： Distribution Focal Lossを排除することで、YOLO26はエッジデバイスへのエクスポートプロセスを簡素化し、軽量アプリケーションのメモリ要件を劇的に削減します。
  • MuSGDオプティマイザ： YOLO26は、ハイブリッドSGDとMuonオプティマイザを備えたLLMトレーニングの革新技術を取り入れており、強固なトレーニングの安定性と超高速な収束を保証します。
  • 最大43%高速なCPU推論： 深い構造の最適化により、高価なGPUハードウェアを必要とせず、CPU上で爆速で動作します。
  • 高度な損失関数: ProgLoss と STAL の統合により、小さな物体の認識精度が大幅に向上し、ドローン検査や IoT モニタリングなどのタスクに最適です。
  • 汎用性: 厳密には検出器である DAMO-YOLO とは異なり、YOLO26 は単一の統合フレームワーク内で、インスタンスセグメンテーション、ポーズ推定、画像分類、方向付きバウンディングボックス（OBB）の各タスクをネイティブにサポートします。
即座に開発を開始

Ultralytics Python API を使用すれば、複雑な知識蒸留パイプラインを手動で設定したり、モデルをデプロイするために何百行もの C++ コードを書いたりする必要はありません。

from ultralytics import YOLO

# Load the cutting-edge YOLO26 nano model
model = YOLO("yolo26n.pt")

# Train the model effortlessly on a custom dataset
train_results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Run ultra-fast, NMS-free inference
results = model("https://ultralytics.com/images/bus.jpg")

# Export to ONNX or OpenVINO with a single command
model.export(format="openvino")

YOLO26の詳細はこちら

検討すべきその他のモデル#

コンピュータビジョンのエコシステムは広大です。特定の制約に応じて、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を探求することもできます：

  • YOLO11: YOLO26 の非常に優れた前継モデルであり、リテールアナリティクスや製造業の品質管理における頑健性で知られています。
  • YOLOv8: 広範なエッジデプロイを普及させた、伝説的かつ非常に安定したアンカーフリーモデルです。
  • RT-DETR: Baidu が開発したリアルタイム検出トランスフォーマー（Real-Time DEtection TRansformer）であり、トレーニング時のメモリ要件が高くなるという犠牲は伴うものの、グローバルアテンション機構の恩恵を強く受けるタスクに対して優れた代替手段を提供します。

結論#

YOLOXとDAMO-YOLOはどちらもディープラーニングの進歩に不可欠な概念に貢献しました。YOLOXはデカップリングされたアンカーフリーアプローチを検証し、DAMO-YOLOは自動化されたアーキテクチャ探索の力を証明しました。しかし、実際の生産環境においては、研究段階のコードベースの複雑さが、アジャイルなチームの足を引っ張ることがあります。

包括的な Ultralytics プラットフォームを活用することで、開発者はこれらのハードルを回避できます。YOLO26 のエンドツーエンド設計、優れた CPU 速度、豊富な ドキュメントにより、最先端のビジョン AI の実現がかつてないほど容易になります。スマートシティインフラ、ヘルスケア診断、高度なロボット工学のいずれを構築する場合でも、Ultralytics は生データから堅牢な実世界へのデプロイに至る最も効率的なパスを提供します。

貢献者
GLglenn-jocher14PDpderrenger1

コメント