YOLOXとYOLOv5
適切な物体検出モデルの選択は、あらゆるコンピュータービジョンプロジェクトにおいて重要な判断です。このガイドでは、影響力のある2つのモデル、MegviiのYOLOXとUltralytics YOLOv5を技術的に比較します。アーキテクチャ、パフォーマンス指標、トレーニングエコシステムを分析し、開発者や研究者が特定のデプロイ環境に適した選択を行えるよう支援します。
モデルの概要#
両モデルはリアルタイム物体検出が急速に進歩していた時期に登場しましたが、性能を実現するために異なるアーキテクチャアプローチを採用しました。
YOLOX:アンカーフリーのアプローチ#
Megviiの研究者である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、従来のアンカーボックスからの大きな転換をもたらしました。arXiv技術レポートに記載されたYOLOXは、分離ヘッドおよびSimOTAラベル割り当て戦略とともに、アンカーフリー設計を導入しました。この設計は、標準的なデータセットで高い性能を実現し、学術研究と産業応用の隔たりを埋めることを目指しました。
YOLOv5:本番環境のビジョンAIにおける標準#
Glenn Jocherによって開発され、2020年6月26日にUltralyticsからリリースされたYOLOv5は、急速に最も広くデプロイされるコンピュータービジョンモデルの1つとなりました。PyTorchフレームワーク上にネイティブに構築され、使いやすさ、高速なトレーニング、完成度の高いリポジトリを通じて、最先端のAIをより利用しやすくしました。YOLOv5のアーキテクチャは速度、精度、デプロイの容易さのバランスに優れており、エッジデバイスから大規模なクラウドデプロイまで幅広く利用されています。
アーキテクチャの違い#
これらのネットワークの基本的な仕組みの違いを理解すると、さまざまなタスクで性能に差が生じる理由が明確になります。
アンカーフリーとアンカーベース#
最も顕著な違いは、YOLOXのアンカーフリー方式です。YOLOv5のような従来のアンカーベースモデルは、バウンディングボックスを予測するために事前定義されたアンカーボックスに依存しており、最適なアンカーサイズを決めるにはトレーニングデータセットのクラスタリング分析が必要です。YOLOXはこの手順をなくし、各空間位置でバウンディングボックスの座標を直接予測します。アンカーフリー方式は設計パラメーターの数とヒューリスティックな調整を減らしますが、YOLOv5の改良されたアンカーベース方式は、自動アンカー機能によって、追加設定なしでも安定した予測可能なトレーニング収束を実現します。
分離型ヘッドと結合型ヘッド#
YOLOXは分離型ヘッドを採用しており、分類タスクと回帰タスクを別々のニューラルネットワーク分岐に分けています。著者らは、これによって空間特徴と意味特徴の学習間に生じる競合を解消できると説明しています。一方、YOLOv5は(初期バージョンでは)高度に最適化された結合型ヘッドを採用し、計算効率を最大化して推論レイテンシを低減しました。これはリアルタイムのエッジコンピューティングで特に重要です。
ラベル割り当て戦略#
YOLOXはラベル割り当てにSimOTAを使用します。SimOTAは、正解オブジェクトと予測の対応付けを最適輸送問題として定式化します。この動的な割り当てにより、混雑したシーンへの対応が向上します。YOLOv5は堅牢な形状ルールベースの割り当てを採用し、高品質な正例サンプルが一貫して損失関数に渡されるようにすることで、トレーニングの安定性を高めています。
性能とベンチマーク#
速度と精度のトレードオフは、これらのアーキテクチャを評価するうえで重要な指標です。以下の表は、標準ベンチマークにおけるさまざまなモデルサイズの性能を示しています。
| 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 |
| YOLOv5n | 640 | 28.0 | - | 1.12 | 1.9 | 4.5 |
| YOLOv5s | 640 | 37.4 | - | 1.92 | 7.2 | 16.5 |
| YOLOv5m | 640 | 45.4 | - | 4.03 | 21.2 | 49.0 |
| YOLOv5l | 640 | 49.0 | - | 6.61 | 46.5 | 109.1 |
| YOLOv5x | 640 | 50.7 | - | 11.89 | 86.7 | 205.7 |
YOLOXはsからxまでのサイズでより高い精度を示す一方、YOLOv5は全サイズでT4 TensorRT上の速度に優れています。たとえば、YOLOv5sの実行時間は1.92 msで、YOLOXsの2.56 msより短くなっています。ミリ秒単位の差が重要となるリアルタイムアプリケーションでは、この違いが大きな意味を持ちます。
Ultralyticsの強み:トレーニングと使いやすさ#
研究から本番環境へ移行する際、モデルを取り巻くエコシステムは、モデル自体と同じくらい重要になることがよくあります。この点で、Ultralyticsエコシステムの利点は明らかです。
使いやすいユーザー体験#
YOLOv5は、分かりやすい開発者体験で広く知られています。Ultralytics Python APIとCLIを使えば、数行のコードでモデルの読み込み、トレーニング、デプロイを行えます。一方、Megvii GitHubリポジトリからYOLOXを実行するには、環境変数の手動設定、複雑なPythonパスの構成、学術研究用コードベースにありがちな学習曲線への対応がより多く必要です。
トレーニング効率とメモリ要件#
Ultralyticsのモデルは、トレーニング中のメモリ使用量を最小限に抑えるように設計されています。YOLOv5は、RT-DETRのようなパラメーター数の多いTransformerモデルや、最適化されていない研究用モデルと比べて、必要なCUDAメモリが大幅に少なくなります。そのため、開発者は一般向けハードウェアでより大きなバッチサイズを使ってトレーニングでき、反復的な開発サイクルを加速できます。
さまざまなタスクに対応する汎用性#
YOLOXが物体検出に特化したフレームワークである一方、UltralyticsエコシステムではYOLOv5が進化し、複数のビジョンタスクに対応しています。標準機能として、同じAPI構文を使って物体検出、インスタンスセグメンテーション、画像分類を実行できます。
姿勢推定や回転バウンディングボックス(OBB)検出など、さらに高度なタスクが必要な場合は、これらのタスクにネイティブ対応し、高精度を実現するUltralytics YOLO26へのアップグレードをご検討ください。
コードの比較#
使いやすさの違いは、コードを見れば最もよく分かります。
YOLOv5でのトレーニング:
from ultralytics import YOLO
# 事前学習済みYOLOv5sモデルを読み込む
model = YOLO("yolov5su.pt") # YOLOv5u: ultralyticsパッケージ向けのアンカーフリーYOLOv5重み
# COCO8のサンプルデータセットでモデルをトレーニングする
model.train(data="coco8.yaml", epochs=100, imgsz=640)
# 画像に対して推論を実行する
results = model("https://ultralytics.com/images/zidane.jpg")
# 結果を表示
results[0].show()YOLOXでのトレーニング: (リポジトリの手動クローン、setup.pyのインストール、複雑なCLI引数が必要です)
# Example YOLOX training command
python tools/train.py -f exps/default/yolox_s.py -d 1 -b 64 --fp16 -oUltralyticsのアプローチは設定に伴う煩雑さを解消し、設定ファイルのデバッグではなく、データセットとアプリケーションロジックに集中できるようにします。Weights & BiasesとComet MLとの連携により、実験の追跡機能も組み込まれています。
最適なユースケースと実際の応用例#
どちらのモデルを選ぶかは、プロジェクトの運用環境によって決まります。
YOLOXが優れている点#
研究者がアンカーフリーのパラダイムやラベル割り当て戦略を明示的に研究する学術環境では、YOLOXは依然として有力な候補です。また、混雑したシーンの検出が主要な評価指標で、エッジデバイスへのデプロイ速度の優先度が低い場合にも有用です。
YOLOv5が優れている用途#
YOLOv5は、実用的なデプロイにおいて実績のある選択肢です。
- 高速製造:組立ラインでの欠陥検出では、エッジGPU上で推論レイテンシが低いYOLOv5を使うことで、ベルトコンベヤーを減速させずに製品を検査できます。
- ドローンと航空画像: メモリ使用量が少ないため、ドローンの軽量なコンパニオンコンピューター上で、農業モニタリングや野生動物の追跡などのタスクを実行できます。
- スマートリテール: 自動精算から在庫管理まで、YOLOv5はTensorRTやONNXに簡単にエクスポートでき、数千台の店舗カメラに一斉にデプロイできます。
今後を見据えて:YOLO26の優位性#
YOLOv5は現在も広く利用されていますが、AI分野は急速に進歩しています。現在、新しいプロジェクトを始める場合、Ultralyticsは最新世代のUltralyticsモデルを推奨します。
2026年1月にリリースされたUltralytics YOLO26は、オプションのエンドツーエンドNMSフリーデザイン(nms=False)を備え、非最大値抑制(NMS)の後処理を不要にして、デプロイのロジックを簡素化します。Distribution Focal Loss(DFL)を削除したことで、YOLO26nはYOLO11nよりもCPU推論が最大43%高速です。また、MuSGD Optimizerがトレーニングの安定性を高め、ProgLoss + STAL(Progressive Loss and Small-Target-Aware Label Assignment)が小さなオブジェクトの精度を向上させます。
YOLOv5とYOLO26のどちらを選んでも、Ultralytics Platformはコンピュータービジョンソリューションを構想から本番環境へ移行するためのツールを提供し、Ultralyticsのドキュメントではパイプラインの各ステップを解説しています。
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。