YOLOXとYOLO11の比較
コンピュータービジョンの進化は、高精度と推論速度のバランスを取るリアルタイム物体検出フレームワークの追求によって推進されてきました。この進化における特筆すべきマイルストーンは、YOLOXとUltralytics YOLO11です。両モデルはこの分野に大きく貢献してきましたが、基盤となるアーキテクチャ、設計思想、開発者向けエコシステムには大きな違いがあります。
この技術比較では、次の人工知能プロジェクトについて十分な情報に基づいて判断できるよう、両モデルのアーキテクチャ、性能指標、トレーニング手法、理想的なデプロイシナリオを検討します。
YOLOXの概要#
2021年7月18日、Megviiの研究者であるZheng Ge、Songtao Liu、Feng Wang、Zeming Li、Jian Sunによって発表されたYOLOXは、YOLOシリーズに大きな転換をもたらしました。アンカーフリー設計を導入することで、学術研究と産業応用の隔たりを埋める一助となりました。
技術的な背景について詳しく知りたい場合は、元のYOLOX arXiv論文をご覧ください。
主なアーキテクチャ上の特徴#
YOLOXは分離型ヘッドとアンカーフリー機構を採用し、従来のアンカーベースの検出方式から脱却しました。この設計によって設計パラメーター数を削減し、さまざまなベンチマークでモデルの性能を向上させました。さらに、SimOTAなどのラベル割り当て戦略を導入し、トレーニングの高速化と収束の改善を実現しました。
YOLOXは当時として優れた精度を実現していますが、主にバウンディングボックスによる物体検出に重点を置いており、他の複雑なビジョンタスクを標準でネイティブサポートしていません。
事前定義されたアンカーボックスを排除することで、YOLOXはさまざまなデータセットに必要なヒューリスティックな調整を大幅に削減し、アンカーフリー手法の研究における優れたベースラインとなりました。
Ultralytics YOLO11の概要#
2024年9月27日に、UltralyticsのGlenn JocherとJing QiuによってリリースされたYOLO11は、汎用性と使いやすさに重点を置いた本番対応モデルです。長年にわたるYOLOの研究を基盤とし、多くのタスクで優れた性能を発揮します。
Ultralyticsの強み#
YOLO11は単なる物体検出器ではなく、インスタンスセグメンテーション、画像分類、姿勢推定、回転バウンディングボックス(OBB)検出に対応する統合フレームワークです。効率的なアーキテクチャにより、速度、パラメーター数、精度のバランスを実現します。
さらにYOLO11はUltralytics Platformに完全統合されており、データアノテーション、モデル学習、デプロイのための効率的なエコシステムを提供します。
パフォーマンスと指標の比較#
これらのモデルを比較すると、パフォーマンスのバランスが明確になります。YOLO11は、多くのサイズ区分で、YOLOXの対応モデルよりも大幅に少ないパラメーター数とFLOPsで、より高い平均適合率(mAP)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) |
|---|---|---|---|---|---|---|
| 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 |
| YOLO11n | 640 | 39.5 | 56.1 | 1.5 | 2.6 | 6.5 |
| YOLO11s | 640 | 47.0 | 90.0 | 2.5 | 9.4 | 21.6 |
| YOLO11m | 640 | 51.5 | 183.2 | 4.7 | 20.1 | 68.1 |
| YOLO11l | 640 | 53.4 | 238.6 | 6.2 | 25.3 | 87.2 |
| YOLO11x | 640 | 54.7 | 462.8 | 11.3 | 56.9 | 195.3 |
示されているように、YOLO11モデルはYOLOXよりも一貫して高い精度を達成しながら、パラメーター数を抑えています。たとえば、YOLO11mは20.1MパラメーターのみでmAP 51.5を達成します。一方、YOLOXxは同程度のmAP 51.1を達成するために99.1Mパラメーターを必要とします。このパラメーター効率により、トレーニング時と推論時のメモリー使用量が減少し、YOLO11はエッジAIデバイスへのデプロイに適しています。また、RT-DETRのような旧世代モデルやTransformerベースのモデルに典型的な、大量のCUDAメモリー要件も回避できます。
Ultralyticsモデルは通常、YOLOXやTransformerベースのアーキテクチャよりもトレーニング時のGPUメモリー要件が低いため、研究者は一般的なコンシューマー向けハードウェアで高性能なモデルをトレーニングできます。
エコシステムと使いやすさ#
2つのフレームワークの大きな違いの1つは、開発者エクスペリエンスです。
YOLOXでは、多くの場合、リポジトリのクローン、複雑な環境のセットアップ、ONNXやTensorRTなどの形式へのモデルの学習・エクスポートに必要な冗長なコマンドライン引数の実行が求められます。
対照的に、Ultralytics YOLO11はシンプルなPython APIとCLIを提供します。Ultralyticsライブラリは、データ拡張、ハイパーパラメーターのチューニング、エクスポートを自動的に処理します。
from ultralytics import YOLO
# 事前学習済みYOLO11モデルを読み込みます
model = YOLO("yolo11n.pt")
# カスタムデータでモデルをトレーニングする
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# 最適化されたデプロイのために、学習済みモデルをTensorRTにエクスポートします
model.export(format="engine")この整備されたエコシステムは、充実したドキュメントと、実験トラッキング用のWeights & Biasesなどのツールとの統合によって支えられています。
最適なユースケース#
どちらのモデルを選ぶかは、多くの場合、デプロイ環境の具体的な条件によって異なります。
YOLOXを使用する場合#
- レガシーシステム: 元のYOLOXコードベースや2021年初頭の物体検出手法を基盤として、すでにパイプラインが構築されている場合。
- 学術研究のベースライン: 2021年当時の基礎的なアンカーフリーアーキテクチャと直接比較する必要がある研究を実施する場合。
YOLO11を使用する場合#
- 本番環境へのデプロイ: 堅牢で保守しやすいコードと高い精度が不可欠な、スマート小売やセキュリティ警報システム向けの商用アプリケーションに適しています。
- マルチタスクパイプライン: 単一の統合フレームワークを使用して、物体の追跡、人間の姿勢推定、インスタンスのセグメンテーションが必要なプロジェクト。
- リソースに制約のあるエッジデバイス: パラメーター数が少なくスループットが高いYOLO11は、Raspberry Piや、CoreMLおよびNCNNを介したモバイルエッジノードへのデプロイに適しています。
今後の展望:YOLO26の優位性#
YOLO11はYOLOXから大きく進歩していますが、コンピュータービジョンの分野は急速に進化しています。現在、新しいプロジェクトを始める開発者には、Ultralytics YOLO26をおすすめします。
2026年1月にリリースされたYOLO26はYOLO11を基盤とし、いくつかの新機能を導入しています。
- エンドツーエンドのNMS不要設計: YOLO26のオプションのone-to-oneヘッド(
nms=False)は、Non-Maximum Suppression(NMS)の後処理を不要にし、より高速でシンプルなデプロイパイプラインを実現します(このアプローチはYOLOv10で初めて検討されました)。 - CPU推論が最大43%高速化: Distribution Focal Loss(DFL)を削除し、NMS不要の推論を実現したことで、YOLO26nはCPU上でYOLO11nより最大43%高速に動作し、低消費電力のエッジデバイスで有利です。
- MuSGDオプティマイザー: Moonshot AIのKimi K2など、LLMトレーニングの革新に着想を得たMuSGDオプティマイザー(SGDとMuonのハイブリッド)は、安定したトレーニングと高速な収束を実現します。
- ProgLoss + STAL: Progressive LossとSmall-Target-Aware Label Assignment(STAL)により小物体検出が向上し、ドローン画像や自律型ロボティクスに不可欠な性能を実現します。
最新のコンピュータービジョンタスクの大半において、YOLO26は速度、精度、デプロイの簡便さの最適なバランスを提供します。
コメント2
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。
shah0nawaz
Is the latency comparison on the same machine? If yes, please if you can give me the reference , I am working on the latency accuracy trade-off research.
Glenn JocherUltralytics@shah0nawaz I can’t confirm that the listed latencies were measured on the same machine, so I wouldn’t treat them as a controlled comparison for your research. The YOLO11 performance table specifies T4/TensorRT10, while the official YOLOX benchmarks report V100 timings and do not establish the provenance of the YOLOX latencies shown here. For a defensible latency–accuracy trade-off, benchmark both on the same GPU with matched input size, batch size, precision, runtime version, and timing boundaries, explicitly stating whether preprocessing and NMS are included.