YOLOXとYOLOv9
コンピュータービジョンの発展は、計算効率と高精度のバランスを取るアーキテクチャの継続的な進歩によって形作られてきました。リアルタイム物体検出モデルを評価する際、MegviiのYOLOXとAcademia SinicaのYOLOv9の比較から、ディープラーニング開発における2つの異なるアプローチが見えてきます。YOLOXがシンプルなアンカーフリー設計を普及させた一方、YOLOv9は情報保持を最大化するための勾配情報技術を導入しました。
この技術ガイドでは、アーキテクチャの違い、パフォーマンスのベンチマーク、最適なユースケースを解説し、Ultralytics PlatformとYOLO26モデルが本番環境へのデプロイにおいて、より優れた選択肢となる理由も紹介します。
YOLOX:アンカーフリーパラダイムの先駆け#
2021年半ばにリリースされたYOLOXは、学術研究と産業応用の隔たりを埋めるうえで大きな前進となりました。事前定義されたアンカーボックスを不要にすることで、カスタム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簡素化しました。
- 著者: Zheng Ge、Songtao Liu、Feng Wang、Zeming Li、Jian Sun
- 組織: Megvii
- リリース日: 2021年7月18日
- 参考資料: arXiv論文
- ソースコード: YOLOX GitHubリポジトリ
- ドキュメント: YOLOX公式ドキュメント
アーキテクチャの革新#
YOLOXは、標準的な検出パイプラインにいくつかの重要な変更を導入しました。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、物体の識別と境界位置の特定の間に生じる競合を大幅に軽減しました。また、YOLOXは動的なラベル割り当て戦略であるSimOTAを採用し、トレーニング中に正例サンプルを割り当てることで、標準的なベンチマークデータセットでの収束を速め、全体的なパフォーマンスを向上させました。
長所と制約#
YOLOXの主な強みは、シンプルな設計にあります。アンカーフリー方式により、開発者は特定のデータに適したアンカーサイズを見つけるためのクラスタリングアルゴリズムの実行にかける時間を減らせます。ただし、自己注意や勾配経路に関する近年の進歩を取り入れずに構築された旧世代のアーキテクチャであるため、新しいネットワークと同等のパラメーター効率はありません。また、統合API内でのインスタンスセグメンテーションや姿勢推定などの高度なタスクのネイティブサポートもありません。
YOLOv9:勾配情報の最大化#
2024年、YOLOv9は、深層畳み込みニューラルネットワークに内在する情報ボトルネック問題に対し、理論に基づいたアプローチを導入しました。
- 著者: Chien-Yao Wang、Hong-Yuan Mark Liao
- 組織:中央研究院情報科学研究所
- リリース日: 2024年2月21日
- 参考資料: arXiv論文
- ソースコード: YOLOv9 GitHubリポジトリ
- ドキュメント: Ultralytics YOLOv9ドキュメント
アーキテクチャの革新#
YOLOv9の特徴は、ネットワークの複数の層を通過する際に重要な意味情報が失われないようにするProgrammable Gradient Information(PGI)です。Generalized Efficient Layer Aggregation Network(GELAN)と組み合わせることで、YOLOv9はパラメーター数に対する精度の比率に優れています。これにより、重みの更新に必要な勾配の精度を維持できるため、軽量版でも効果を発揮します。
長所と制約#
YOLOv9は高いモデル精度を実現し、COCOで優れたmAPスコアを達成することから、研究者に広く利用されています。しかし、効率的である一方、YOLOv9は依然として後処理に従来の非極大値抑制(NMS)を使用するため、推論時のレイテンシが変動します。エッジデバイスへのAIデプロイに取り組むエンジニアにとって、NMSロジックの管理はデプロイパイプラインを複雑にします。
YOLOXやYOLOv9などの従来モデルでは、重複したバウンディングボックスを除去するために非最大値抑制(NMS)が必要です。この処理は本質的に逐次実行され、CPUでボトルネックになることが多いため、最新のUltralyticsモデルに搭載されているネイティブなエンドツーエンドアーキテクチャの必要性が明らかになります。
パフォーマンス比較#
これらのアーキテクチャの計算指標を比較すると、YOLOv9がより現代的なベースラインを提供する一方、YOLOXは従来の環境向けの軽量な選択肢であることがわかります。以下に、標準モデルの詳細を示します。
| 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 |
| YOLOv9t | 640 | 38.3 | - | 2.3 | 2.0 | 7.7 |
| YOLOv9s | 640 | 46.8 | - | 3.54 | 7.2 | 26.7 |
| YOLOv9m | 640 | 51.4 | - | 6.43 | 20.1 | 76.8 |
| YOLOv9c | 640 | 53.0 | - | 7.16 | 25.5 | 102.8 |
| YOLOv9e | 640 | 55.6 | - | 16.77 | 58.1 | 192.5 |
同程度のパラメーター数で比較するとYOLOv9の方が高精度ですが、速度、精度、使いやすさのバランスを重視する開発者は、Ultralyticsの最新技術を検討してください。
Ultralyticsの強み:YOLO26の紹介#
YOLOXやYOLOv9などの歴代モデルを評価することは貴重な参考になりますが、現在Ultralyticsが推奨するモデルは、2026年1月にリリースされ、本番環境向けに検出パイプラインを再設計したUltralytics YOLO26です。
アーキテクチャの革新#
YOLO26は、オプションのエンドツーエンドNMSフリー設計(nms=False)により、前世代モデルの後処理ボトルネックに対処し、さまざまなハードウェアへのデプロイを簡素化します。また、エクスポートを簡素化するためにDistribution Focal Loss(DFL)を削除し、より安定したトレーニングを実現するため、確率的勾配降下法(SGD)とMuonを組み合わせたMuSGDオプティマイザーを統合しています。
Raspberry Piのような制約のある環境にデプロイする開発者にとって、YOLO26nはYOLO11nよりもCPU推論が最大43%高速です。また、ProgLoss + STAL(Progressive Loss and Small-Target-Aware Label Assignment)を導入し、小さな物体の検出性能を向上させています。これは航空画像やドローン解析で重要です。
開発エコシステムの効率化#
独立した研究用リポジトリとは異なり、Ultralyticsエコシステムは開発者向けに効率化された使いやすい環境を提供します。Ultralytics Python APIを使えば、エンジニアは定型コードを大幅に削減できます。また、メモリ使用量が最適化されているため、アテンションを多用するアーキテクチャより少ないGPU VRAMで堅牢なモデルをトレーニングできます。
from ultralytics import YOLO
# 最適化されたNMSフリーのYOLO26小型モデルを読み込みます
model = YOLO("yolo26s.pt")
# メモリー使用量を最小限に抑えてカスタムデータセットでトレーニングします
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# 最適化されたデプロイ形式へ簡単にエクスポートします
model.export(format="engine", quantize=16) # TensorRTにエクスポートするYOLO26は検出以外にも、同じフレームワーク内で多くのタスクに対応します。衛星画像向けの高精度な回転バウンディングボックス(OBB)が必要な場合も、医用画像解析向けの詳細なピクセルマスクが必要な場合も、ワークフローは変わりません。前世代のワークフローを利用しているチームには、Ultralytics YOLO11も提供されており、完全にサポートされています。
最適なユースケースとデプロイ戦略#
適切なアーキテクチャは、デプロイ先の環境とプロジェクトの要件によって異なります。
エッジコンピューティングとロボティクス#
低消費電力デバイスでは、重い後処理が必要なモデルを使うとパフォーマンスが低下することがあります。YOLOX-Nanoは非常に小型ですが、安全性が重要なタスクでは精度が不十分な場合がよくあります。このような用途にはYOLO26がより適しています。DFLを使用しないヘッドとオプションのNMSフリー推論により、CPUスレッド上でスムーズに動作するため、自律型ロボットやスマートパーキング管理に適しています。
学術的なベンチマーク#
勾配フローの解析や深層ネットワークのボトルネックの研究が主な目的であれば、YOLOv9は今でも優れた研究対象です。そのPGIフレームワークは、深層ニューラルネットワークの各層で特徴がどのように保持されるかについて有益な知見をもたらし、畳み込み理論を研究する大学の研究者にとって価値あるツールとなります。
エンタープライズ向け動画分析#
セキュリティアラームシステムや交通監視など、大規模な動画処理タスクでは、速度と柔軟なエクスポート機能が不可欠です。Ultralyticsフレームワークのネイティブなエクスポートツールを使えば、YOLO26を1つのコマンドで直接TensorRTやOpenVINOにコンパイルでき、市場投入までの時間を短縮できます。
Ultralyticsエコシステムにより、機械学習チームは研究用コードベースの複雑さを避け、スケーラブルで実用的なAIアプリケーションの構築に集中できます。
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。