YOLO Vision 2026:

YOLOX対YOLOv7#

リアルタイム物体検出の進化は、継続的なアーキテクチャのブレイクスルーによって推進されてきました。この歩みにおける2つの重要なマイルストーンが YOLOX と YOLOv7 です。1年以内にリリースされた両モデルは、標準的な物体検出パラダイムに対して新しいアプローチを導入し、速度と精度のトレードオフを大幅に改善しました。

本ページでは、YOLOXとYOLOv7の詳細な技術分析を行い、そのアーキテクチャ、性能指標、理想的なユースケースを比較することで、開発者がコンピュータビジョンの導入に適したツールを選択できるよう支援します。

YOLOX: アンカーフリー検出の先駆者#

2021年7月にMegviiの研究者によって発表されたYOLOXは、従来のアンカーベースの設計から脱却し、大きな転換点となりました。学術研究と産業応用のギャップを埋めることで、YOLOXは検出ヘッドを簡素化し、全体的なパフォーマンスを向上させました。

主なモデルの詳細:

アーキテクチャの革新#

YOLOXはアンカーフリーのアプローチを導入し、カスタムデータセットに必要な設計パラメータとヒューリスティックな調整の数を大幅に削減しました。分類タスクと回帰タスクを分離したデカップリングヘッドを実装し、収束速度と精度を向上させました。さらに、YOLOXはMixUpやMosaicなどの高度なデータ拡張戦略を活用して、モデルの堅牢性を高めました。

YOLOX について詳しく学ぶ

アンカーフリーの利点

アンカーボックスを排除することで、YOLOXはトレーニング中の予測値と正解データの間のIoU（Intersection over Union）計算における計算オーバーヘッドを削減し、CUDAメモリの要件低下とトレーニング時間の短縮を実現しています。

YOLOv7: Trainable Bag-of-Freebies#

2022年7月に台湾の中央研究院情報科学研究所の研究者によって発表されたYOLOv7は、リアルタイム物体検出の境界をさらに押し広げました。「学習可能なバッグ・オブ・フリービーズ（trainable bag-of-freebies）」という概念を導入し、リリース時にMS COCOデータセットで新たな最高水準のベンチマークを打ち立てました。

主なモデルの詳細:

アーキテクチャの革新#

YOLOv7のアーキテクチャは、Extended Efficient Layer Aggregation Network (E-ELAN)を中心に構築されており、勾配パスを劣化させることなく、モデルがより多様な特徴を継続的に学習できるようにしています。さらに、YOLOv7はモデルのリパラメタリゼーション技術を活用しており、推論時に複雑なマルチブランチトレーニングネットワークを、より高速なシングルパスネットワークへと簡素化することを可能にしています。

YOLOv7の詳細はこちら

パフォーマンスの比較#

実際のアプリケーションでこれらのモデルを評価する際、異なるスケールでの性能を理解することが不可欠です。以下の表は、YOLOXとYOLOv7の各サイズにおける標準的な指標を比較したものです。

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
YOLOv7l64051.4-6.8436.9104.7
YOLOv7x64053.1-11.5771.3189.9

分析#

  • 精度: YOLOv7は一般的に、同等のYOLOXモデルと比較してより高いmAPを達成します。例えば、YOLOv7xはYOLOXxの51.1に対し、53.1のmAPを達成しています。
  • 速度: 両モデルともTensorRTを使用したGPU実行に高度に最適化されていますが、YOLOv7のE-ELANアーキテクチャはハイエンドアプリケーション向けにわずかに優れたスループットを提供し、一方YOLOXは小型のエッジデバイスで優れたレイテンシを維持します。
  • 汎用性: YOLOv7は、インスタンスセグメンテーションや姿勢推定の重みをネイティブで提供することにより、バウンディングボックスを超えてレパートリーを拡大し、ベースのYOLOXリポジトリよりも汎用性を高めています。

実際のアプリケーション#

どちらのモデルを選択するかは、多くの場合、特定の展開環境によって決まります。

エッジコンピューティングとIoT#

Raspberry Piや古いモバイルプロセッサのような制約のあるエッジデバイスでは、YOLOX-Nano と YOLOX-Tiny が非常に魅力的です。パラメータ数が最小限であり、アンカーフリーの性質を持つため、基本的な動作追跡やスマートドアベルアプリケーションなどのタスク向けに、低電力環境でのデプロイが容易になります。

高忠実度ビデオ分析#

産業用欠陥検出や高密度トラフィック監視における高解像度フィードの処理には、YOLOv7が優れています。その堅牢な特徴集約機能により、物体が部分的に隠れていたり、スケールが大きく異なる場合でも高い精度を維持できます。

ユースケースと推奨事項#

YOLOXとYOLOv7のどちらを選択するかは、プロジェクトの特定の要件、展開の制約、およびエコシステムの好みによって異なります。

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。

YOLOv7を選択すべき時#

YOLOv7は以下の場合に推奨されます：

  • 学術的なベンチマーク: 2022年当時の最先端の結果を再現したり、E-ELANやtrainable bag-of-freebies技術の効果を研究したりする場合。
  • 再パラメータ化の研究: 計画的な再パラメータ化畳み込みや複合モデルスケーリング戦略を調査する場合。
  • 既存のカスタムパイプライン: YOLOv7固有のアーキテクチャを中心に構築され、容易にリファクタリングできない高度にカスタマイズされたパイプラインを持つプロジェクト。

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の利点#

YOLOXとYOLOv7はいずれも強力な研究実装ですが、リポジトリの研究段階からスケーラブルな本番環境へ移行するのは困難な場合があります。ここでUltralytics プラットフォームが真価を発揮します。

Ultralyticsモデルは統一されたPython APIを提供し、モデルのトレーニング、検証、展開を効率化された標準的なタスクとして扱います。古いアーキテクチャでよく見られる複雑なサードパーティの依存関係やカスタムC++演算子を管理する手間を回避できます。

さらに、Ultralytics YOLOモデルは、RT-DETRのようなTransformerベースの検出器と比較して、トレーニング中のCUDAメモリ消費量が大幅に少なくなります。これにより、実務者はより大きなバッチサイズを利用できるようになり、カスタムデータセットにおけるトレーニングの安定化と収束の加速が可能になります。

サポートされている統合

Ultralyticsは、簡単なブールフラグを使用するだけで、モデルをONNX、OpenVINO、CoreMLなどの業界標準フォーマットにエクスポートすることをネイティブでサポートしており、モデルのデプロイプロセスを大幅に簡素化します。

コード例: Ultralyticsでのトレーニング#

Ultralyticsエコシステムを使用すると、数行のコードでYOLOv7や新しいアーキテクチャのロード、トレーニング、推論を簡単に行うことができます。

from ultralytics import YOLO

# Load a pre-trained YOLOv7 model
model = YOLO("yolov7.pt")

# Train the model on a custom dataset (e.g., COCO8)
# The API handles data loading, augmentation, and memory management automatically
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Run inference on a test image
predictions = model("path/to/image.jpg")
predictions[0].show()

未来：Ultralytics YOLO26#

YOLOv7とYOLOXは歴史的に重要なステップですが、最先端技術は急速に変化しています。2026年1月にリリースされたUltralytics YOLO26は、以前のモデルに取って代わる画期的なパラダイムを導入しています。

YOLO26の詳細はこちら

  • エンドツーエンドのNMSフリー設計: YOLO26は、Non-Maximum Suppression (NMS)の後処理をネイティブで排除します。これにより、レイテンシのボトルネックが大幅に軽減され、多様なハードウェア構成にわたって決定論的な実行時間が保証されます。
  • 最大43%高速なCPU推論: Distribution Focal Loss (DFL)を削除し、ネットワーク深度を最適化することで、YOLO26は専用のGPUハードウェアを搭載していないエッジデバイス向けに高度に調整されています。
  • MuSGDオプティマイザー: 高度なLLMトレーニング手法に触発されたMuSGDオプティマイザー（SGDとMuonのハイブリッド）は、卓越したトレーニングの安定性と高速な収束を提供します。
  • 小型物体の検出精度向上: ProgLossおよびSTAL損失関数の統合により、小さく遠くにある物体の認識が大幅に改善され、ドローンマッピングやセキュリティ監視において重要となります。
  • ネイティブなタスクサポート: YOLO26は、同じ効率的なAPI内で、回転バウンディングボックス (OBB)、インスタンスセグメンテーション、および姿勢推定を包括的にネイティブサポートします。

現在新しいコンピュータビジョンプロジェクトを開始する現代の開発者にとって、プラットフォーム上の Ultralytics YOLO26の評価は、速度、精度、デプロイのシンプルさの絶対的な最良のバランスを達成するための推奨されるパスです。YOLO11やYOLOv8などの前の世代からアップグレードする場合、移行にはモデル文字列を変更するだけでよく、優れた機能を瞬時に利用可能にします。

貢献者
GLglenn-jocher15

コメント