YOLOXとYOLOv7の比較
リアルタイム物体検出の進化は、アーキテクチャの継続的な進歩によって推進されてきました。この流れにおける重要な節目がYOLOXとYOLOv7です。1年以内にリリースされた両モデルは、標準的な物体検出の枠組みに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。
このページでは、YOLOXとYOLOv7のアーキテクチャ、パフォーマンス指標、最適なユースケースを技術的に分析し、開発者がコンピュータービジョンのデプロイに適したツールを選べるよう支援します。
YOLOX: アンカーフリー検出の先駆け#
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設計から移行する大きな転換点となりました。学術研究と産業応用の隔たりを埋めることで、YOLOXは検出ヘッドを簡素化し、全体的な性能を向上させました。
主なモデル情報:
- 著者: Zheng Ge、Songtao Liu、Feng Wang、Zeming Li、Jian Sun
- 組織: Megvii
- 日付: 2021-07-18
- 研究論文: arXiv:2107.08430
- ソースコード: Megvii YOLOX GitHub
- ドキュメント: YOLOX GitHubドキュメント
アーキテクチャの革新#
YOLOXはアンカーフリー方式を導入し、カスタムデータセットで必要な設計パラメーターの数とヒューリスティックな調整を大幅に削減しました。分類タスクと回帰タスクを分離する分離ヘッドを実装し、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手法を利用して、モデルの堅牢性を高めました。
複数のアンカーボックスではなく各位置で1つのボックスを予測することで、YOLOXはトレーニング中にIntersection over Union(IoU)を使用して正解データと照合する予測数を減らします。これにより、ラベル割り当てが簡素化され、CUDAメモリの使用量を抑えられる場合があります。
YOLOv7:トレーニング可能なBag-of-Freebies#
2022年7月、台湾のAcademia Sinicaにある情報科学研究所の研究者によってリリースされたYOLOv7は、リアルタイム物体検出をさらに進歩させました。「トレーニング可能な無料特典の組み合わせ」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先端の結果を達成しました。
主なモデル情報:
- 著者: Chien-Yao Wang、Alexey Bochkovskiy、Hong-Yuan Mark Liao
- 所属機関: 台湾、中央研究院情報科学研究所
- 日付: 2022-07-06
- 研究論文: arXiv:2207.02696
- ソースコード: WongKinYiu YOLOv7 GitHub
- ドキュメント: Ultralytics YOLOv7 Docs
アーキテクチャの革新#
YOLOv7のアーキテクチャは、拡張効率的層集約ネットワーク(E-ELAN)を中心に構築されており、勾配経路を損なうことなく、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ます。さらに、YOLOv7ではモデルの再パラメーター化技術を採用しており、複雑なマルチブランチのトレーニングネットワークを、推論時により高速な単一路ネットワークへと簡略化できます。
パフォーマンス比較#
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は、異なる規模での性能を理解することが重要です。以下の表では、YOLOXとYOLOv7のさまざまなサイズについて、標準的な指標を比較します。
| 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 |
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
分析#
- 精度: YOLOv7は通常、同等のYOLOXモデルより高いmAPを達成します。たとえば、YOLOv7xのmAPは53.1で、YOLOXxの51.1を上回ります。
- 速度: 両モデルとも、TensorRTを使用したGPU実行向けに最適化されています。大規模モデルではYOLOv7の方が高速かつ高精度です(たとえば、YOLOv7lは6.84 msで動作するのに対し、YOLOXlは9.04 msです)。一方、YOLOXはエッジデバイス向けに小型モデルも用意しています。
- 汎用性: YOLOv7は、インスタンスセグメンテーションと姿勢推定の重みをネイティブに提供することで、バウンディングボックス以外にも対応範囲を広げ、基本的なYOLOXリポジトリより高い汎用性を実現しています。
実際の用途#
これらのモデルのどちらを選ぶかは、多くの場合、具体的なデプロイ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や旧世代のモバイルプロセッサーなど、制約のあるエッジデバイスでは、YOLOX-NanoとYOLOX-Tinyが魅力的な選択肢です。パラメーター数が少なくアンカーフリーであるため、基本的な動体追跡やスマートドアベルの用途など、低消費電力環境にもデプロイしやすくなっています。
高精細な動画分析#
産業分野の欠陥検出や高密度な交通監視で高解像度の映像を処理するには、YOLOv7がより適しています。堅牢な特徴集約により、物体の一部が遮蔽されている場合や、物体の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のどちらを選ぶかは、具体的なプロジェクト要件、デプロイ上の制約、エコシステムの好みによって決まります。
YOLOXを選ぶタイミング#
YOLOXは次のような用途に適しています:
- 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際のベースラインとして、YOLOXのシンプル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バリアントの極めて小さなフットプリント(パラメーター数0.91M)が重要となる、マイクロコントローラーや旧式の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、トレーニングの収束への影響を調査する研究プロジェクト。
YOLOv7を選ぶ場合#
YOLOv7は次の用途におすすめです。
- 学術的なベンチマーク: 2022年当時の最先端の結果を再現する場合、またはE-ELANやトレーニング可能なbag-of-freebies技術の効果を研究する場合。
- 再パラメーター化の研究: 計画的な再パラメーター化畳み込みや、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高度にカスタマイズされ、容易にリファクタリングできないパイプラインを使用するプロジェクト。
Ultralytics (YOLO26)を選ぶ場合#
多くの新規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を最適なバランスで提供します。
- NMSフリーのエッジデプロイ: Non-Maximum Suppression(NMS)の後処理を複雑にすることなく、安定した低レイテンシ推論を必要とするアプリケーション。
- CPU-Only Environments: 専用GPUアクセラレーションを備えていないデバイスでは、YOLO26の最大43%高速なCPU推論(YOLO26n対YOLO11n)が大きな優位性をもたらします。
- 小物体検出: ドローンによる空撮画像やIoTセンサー分析などの難しいシナリオでは、ProgLossとSTALが小さな物体の精度を向上させます。
Ultralyticsの強み#
YOLOXとYOLOv7はいずれも強力な研究実装ですが、研究用リポジトリからスケーラブルな本番環境に移行するのは困難な場合があります。そこで役立つのがUltralytics Platformです。
Ultralyticsモデルは統合Python APIを提供し、モデルのトレーニング、検証、デプロイを効率化された標準タスクとして扱います。これにより、旧世代のアーキテクチャで一般的だった複雑なサードパーティ依存関係やカスタムC++演算子を管理する必要がなくなります。
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べ、トレーニング時に必要なCUDAメモリが大幅に少なくなります。これにより、より大きなバッチサイズを利用でき、カスタムデータセットでトレーニングを安定させ、収束を加速できます。
Ultralyticsは、業界標準形式のONNX、OpenVINO、CoreMLへのモデルのエクスポートを、1つのformat引数でネイティブにサポートしており、モデルデプロイのプロセスを簡素化します。
コード例: Ultralyticsによるトレーニング#
Ultralytics Pythonパッケージは、YOLOv7の.ptチェックポイントのトレーニングや実行をネイティブにはサポートしていません(エクスポート済みのONNXモデルまたはTensorRTモデルの実行方法はYOLOv7 docsを参照してください)。一方、YOLO26のような新しいアーキテクチャは、わずか数行のコードで読み込み、トレーニング、実行できます。
from ultralytics import YOLO
# 事前学習済みYOLO26モデルを読み込みます
model = YOLO("yolo26n.pt")
# カスタムデータセット(例: COCO8)でモデルをトレーニングします
# APIがデータ読み込み、拡張、メモリ管理を自動的に処理します
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# テスト画像に対して推論を実行します
predictions = model("path/to/image.jpg")
predictions[0].show()未来を見据えて:Ultralytics YOLO26#
YOLOv7とYOLOXは歴史的に重要な段階を示すモデルですが、この分野は急速に進歩しています。2026年1月にリリースされたUltralytics YOLO26は、従来のモデルに取って代わる複数の変更を導入しています。
- エンドツーエンドのNMSフリー設計: YOLO26のオプションのワンツーワンヘッド(
nms=False)はNMS後処理を省略します。これによりレイテンシのボトルネックが軽減され、さまざまなハードウェア構成で予測可能な実行時間が得られます。 - CPU推論が最大43%高速: Distribution Focal Loss(DFL)を削除し、NMSフリー推論に対応したYOLO26nは、CPU上でYOLO11nより最大43%高速に動作するため、専用GPUを搭載しないエッジデバイスに適しています。
- MuSGDオプティマイザー: LLMのトレーニング技術に着想を得た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。
- 小さな物体の検出性能を向上: ProgLoss + STAL(Progressive Loss and Small-Target-Aware Label Assignment)により、小さく遠方にある物体の認識性能が向上します。これは、ドローンマッピングやセキュリティ監視で重要です。
- タスクのネイティブサポート: YOLO26は、同じAPI内でインスタンスセグメンテーション、セマンティックセグメンテーション、深度推定、分類、姿勢推定、回転バウンディングボックス(OBB)をネイティブにサポートします。
現在、新しいコンピュータービジョンプロジェクトを始める開発者には、速度、精度、デプロイの容易さのバランスに最も優れた選択肢としてUltralytics YOLO26を推奨します。YOLO11やYOLOv8などの前世代モデルからアップグレードする場合、通常はモデル名の文字列を変更するだけで移行できます。
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。