YOLOXと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、また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サーチ（NAS）へと、多くのパラダイムシフトが起きてきました。本稿では、この進化における2つの重要なマイルストーンである YOLOX と DAMO-YOLO を包括的かつ技術的に比較します。両者のアーキテクチャ上の革新、トレーニング手法、性能面でのトレードオフを検討するとともに、現代の開発者に対して最新の Ultralytics YOLO26 が他に類を見ない選択肢を提供する方法についても説明します。
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氏、Songtao Liu氏、Feng Wang氏、Zeming Li氏、Jian Sun氏によってリリースされたYOLOXは、アンカーフリー設計をYOLOファミリーに統合することに成功し、重要な転換点となりました。詳細な ArXivの技術レポートで説明されているように、YOLOXは学術研究と産業展開の間にある隔たり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は、従来モデルを大幅に改善する、いくつかの中核的な構造変更を導入しました。
- 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の数を減らし、複雑なアンカークラスタリング処理を簡素化しました。これにより、さまざまな コンピュータビジョン シナリオに高い適応性を発揮します。
- デカップルドヘッド: 従来のYOLOモデルでは、分類と回帰の両方に単一の結合ヘッドを使用していました。YOLOXは、分類とローカライズを分離して処理するデカップルドヘッドを実装し、収束を大幅に高速化するとともに精度を向上させました。
- SimOTAラベル割り当て: Optimal Transport Assignment（OTA）の簡略版を使用してポジティブサンプルを動的に割り当てることで、トレーニング時間を短縮し、中心点割り当てに伴う曖昧さを解消しました。
YOLOXのデカップルドヘッド設計は、後続世代の物体検出器に大きな影響を与え、多くの最新モデルで標準的な機能となりました。
DAMO-YOLO: 大規模な自動アーキテクチャサーチ#
Alibaba Group のXianzhe Xu氏と研究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の論文で詳しく説明されているように、このモデルはニューラルアーキテクチャサーチ（NAS）を大いに活用し、速度と精度のパレートフロンティアを押し広げました。
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: 最大エントロピー誘導探索を活用することで、DAMO-YOLO は特定のレイテンシ予算に最適化された高効率なバックボーンを発見しました。これは特に TensorRT などのフレームワークにエクスポートする際に有効です。
- Efficient RepGFPN: 異なる空間解像度間での特徴融合を大幅に強化するヘビーネック設計です。航空画像解析や、さまざまなスケールの物体検出に特に有効です。
- 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略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・生徒型の知識蒸留を取り入れ、より小規模な生徒モデルから最大限の性能を引き出します。
パフォーマンスとメトリクスの比較#
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、レイテンシープロファイルを確認する必要があります。以下に、複数のスケールでYOLOXとDAMO-YOLOを比較したベンチマークデータを示します。
| 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） |
|---|---|---|---|---|---|---|
| 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 |
両モデルは優れた結果を達成していますが、注意点もあります。YOLOXではデカップルドヘッドの慎重なチューニングが必要です。一方、DAMO-YOLOは蒸留に大きく依存しているため、カスタムデータセットでの再トレーニングには多大なリソースが必要で、大量の GPUメモリ を消費します。
ユースケースと推奨事項#
YOLOXとDAMO-YOLOのどちらを選択するかは、具体的なプロジェクト要件、デプロイの制約、エコシステムに対する好みによって決まります。
YOLOX を選択するタイミング#
YOLOXが適しているケース:
- 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。
DAMO-YOLOを選択する場合#
DAMO-YOLOは次の用途に推奨されます。
- 高スループットの動画分析: バッチサイズ1のスループットが主要な指標となる、固定されたNVIDIA GPUインフラストラクチャ上での高FPS動画ストリーム処理。
- 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サーチ研究: 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の研究。
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。
Ultralyticsの優位性: YOLO26のご紹介#
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、最先端の精度と他に類を見ない使いやすさを兼ね備えたソリューションが求められます。そこで Ultralytics YOLO26 が状況を一変させます。2026年1月にリリースされた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実現します。
YOLO26 を選ぶ理由#
統合されたUltralyticsエコシステムは、分散した学術リポジトリに対して、次の機能を提供することで優位性を発揮します。
- エンドツーエンドのNMSフリー設計: YOLO26は推論時にNon-Maximum Suppression（NMS）をネイティブに排除します。これにより、エッジデプロイメントや 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ーを実現します。
- 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プロセスを簡素化し、軽量アプリケーションに必要なメモリ量を大幅に削減します。
- MuSGDオプティマイザー: YOLO26は、ハイブリッドSGDおよびMuonオプティマイザーにLLMトレーニングの革新を取り入れ、非常に高いトレーニング安定性と超高速の収束を実現します。
- CPU推論が最大43%高速: 構造を深く最適化することで、YOLO26は高価なGPUハードウェアを必要とせず、CPU上で非常に高速に動作します。
- 高度な損失関数: ProgLoss + STALを統合することで、小物体認識が大幅に向上し、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: 検出器に特化した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、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）タスクをネイティブにサポートします。
Ultralytics Python APIを使用すれば、複雑な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")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。具体的な制約に応じて、Ultralyticsエコシステムが完全にサポートする次のアーキテクチャも検討するとよいでしょう。
- YOLO11: YOLO26の高性能な前身であり、小売分析や製造品質管理における堅牢性で知られています。
- YOLOv8: 広範なエッジデプロイメントを普及させた、実績があり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Transformerで、グローバルアテンションメカニズムの恩恵を大きく受けるタスクに優れた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量は多くなります。
まとめ#
YOLOXとDAMO-YOLOは、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はデカップルドかつアンカーフリーなアプローチの有効性を示し、DAMO-YOLOは自動アーキテクチャサーチの威力を実証しました。しかし、実際の本番環境では、両者の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速度を低下させる可能性があります。
包括的な Ultralytics Platform を活用することで、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、優れたCPU速度、充実した ドキュメント により、最先端のビジョンAIをこれまで以上に容易に実現できます。スマートシティインフラ、医療診断、高度なロボティクスのいずれを構築する場合でも、Ultralyticsは生データから堅牢な実環境デプロイメントに至るまで、最も効率的な道筋を提供します。