YOLOv10：リアルタイムのエンドツーエンド物体検出#

2024年5月にリリースされたYOLOv10は、清華大学の研究者が開発し、UltralyticsのPythonパッケージを基盤としています。従来のYOLOバージョンに見られた後処理とモデルアーキテクチャの課題に対処する、リアルタイム物体検出の新たなアプローチを導入しています。非極大抑制（NMS）を排除し、さまざまなモデルコンポーネントを最適化することで、YOLOv10はリリース当時、計算オーバーヘッドを大幅に削減しながら優れた性能を達成しました。NMSフリーのエンドツーエンド設計によって先駆的なアプローチを確立し、これはYOLO26でさらに発展しています。

概要#

リアルタイム物体検出では、低レイテンシで画像内の物体カテゴリと位置を正確に予測することを目指します。YOLOシリーズは、性能と効率のバランスにより、この研究をリードしてきました。しかし、NMSへの依存とアーキテクチャの非効率性が最適な性能の妨げとなっていました。YOLOv10は、NMSフリートレーニングを実現する一貫性のあるデュアルアサインメントと、効率と精度を包括的に重視したモデル設計戦略を導入し、これらの課題に対処します。

アーキテクチャ#

YOLOv10のアーキテクチャは、従来のYOLOモデルの強みを基盤としながら、いくつかの重要なイノベーションを導入しています。モデルアーキテクチャは、次のコンポーネントで構成されています。

1. バックボーン： 特徴抽出を担うYOLOv10のバックボーンでは、CSPNet（クロスステージ部分ネットワーク）の拡張版を使用し、勾配の流れを改善して計算の冗長性を削減しています。
2. ネック： ネックは、異なるスケールの特徴を集約してヘッドに渡すよう設計されています。効果的なマルチスケール特徴融合のために、PAN（経路集約ネットワーク）レイヤーを含みます。
3. One-to-Manyヘッド： トレーニング中に各物体について複数の予測を生成し、豊富な教師信号を提供して学習精度を向上させます。
4. One-to-One Head：推論時に各オブジェクトに対して最適な予測を1つだけ生成し、NMSを不要にすることで、レイテンシを短縮し効率を高めます。

主な機能#

1. NMS-Free Training：一貫性のあるデュアル割り当てを利用してNMSを不要にし、推論レイテンシを短縮します。
2. Holistic Model Design：軽量な分類ヘッド、空間とチャネルを分離したダウンサンプリング、ランクに基づくブロック設計など、効率と精度の両面からさまざまなコンポーネントを包括的に最適化します。
3. Enhanced Model Capabilities：大規模カーネルの畳み込みと部分的なセルフアテンションモジュールを導入し、計算コストを大幅に増加させることなく性能を向上させます。

モデルのバリエーション#

YOLOv10には、さまざまな用途のニーズに応える複数のモデルスケールがあります。

• YOLOv10n：リソースが極めて限られた環境向けのNanoバージョンです。
• YOLOv10s：速度と精度のバランスを取ったSmallバージョンです。
• YOLOv10m：汎用用途向けのMediumバージョンです。
• YOLOv10b：幅を広げて精度を高めた、バランス型のバージョンです。
• YOLOv10l：計算リソースの増加と引き換えに、より高い精度を実現するLargeバージョンです。
• YOLOv10x：最大限の精度と性能を実現するExtra-largeバージョンです。

性能#

YOLOv10は、精度と効率の面で従来のYOLOバージョンやその他の最先端モデルを上回ります。たとえば、COCOデータセットで同等のAPを達成しながら、YOLOv10sはRT-DETR-R18より1.8倍高速で、YOLOv10bは同等の性能でYOLOv9-Cよりレイテンシが46%低く、パラメーター数が25%少なくなっています。

方法論#

NMSフリートレーニングのための一貫性のあるデュアル割り当て#

YOLOv10は、トレーニング時にOne-to-ManyとOne-to-Oneの戦略を組み合わせたデュアルラベル割り当てを採用し、豊富な教師信号と効率的なエンドツーエンドのデプロイを実現します。Ultralyticsの予測と検証では、デフォルトでNMSを使用するOne-to-Manyヘッドが選択されます。NMSフリーヘッドを選択するには、nms=Falseを設定してください。一貫性のあるマッチング指標により、両方の戦略で教師信号が整合し、推論時の予測品質が向上します。

効率と精度を総合的に考慮したモデル設計#

効率の向上#

1. 軽量な分類ヘッド：深さ方向分離可能な畳み込みを使用して、分類ヘッドの計算オーバーヘッドを削減します。
2. 空間とチャネルを分離したダウンサンプリング：空間の縮小とチャネルの調整を分離し、情報損失と計算コストを最小限に抑えます。
3. ランクに基づくブロック設計：ステージ固有の冗長性に応じてブロック設計を調整し、パラメーターを最適に活用します。

精度の向上#

1. 大規模カーネルの畳み込み：受容野を拡大し、特徴抽出能力を高めます。
2. 部分的なセルフアテンション（PSA）：最小限のオーバーヘッドでグローバル表現の学習を向上させるため、セルフアテンションモジュールを導入します。

実験と結果#

YOLOv10は、COCOなどの標準ベンチマークで広範にテストされ、優れた性能と効率を示しています。各種モデルで最先端の結果を達成し、従来バージョンや他の最新検出器と比べて、レイテンシと精度が大幅に向上しています。

比較#

他の最先端の検出器と比較すると、次のとおりです。

• YOLOv10s / xは、同等の精度でRT-DETR-R18 / R101より1.8倍 / 1.3倍高速です
• YOLOv10bは、同等の精度でYOLOv9-Cよりパラメーター数が25%少なく、レイテンシが46%低くなっています
• YOLOv10l / xは、YOLOv8l / xを0.3 AP / 0.5 AP上回り、パラメーター数は1.8倍 / 2.3倍少なくなっています

パラメーター数とFLOPsの値は、model.fuse()後の融合モデルを対象としています。この処理ではConv層とBatchNorm層が統合され、補助的なOne-to-Many検出ヘッドが削除されます。事前学習済みチェックポイントはトレーニング時の完全なアーキテクチャを保持しているため、より大きな値が示されることがあります。

使用例#

Ultralytics Platformを通じて、クラウドGPU上でモデルをトレーニングすることもできます。YOLOv10で新しい画像を予測するには、次のようにします。

from ultralytics import YOLO

# 事前学習済みのYOLOv10nモデルを読み込みます
model = YOLO("yolov10n.pt")

# 画像で物体検出を実行する
results = model("image.jpg")

# 結果を表示します
results[0].show()

カスタムデータセットでYOLOv10をトレーニングするには、次のようにします。

from ultralytics import YOLO

# YOLOv10nモデルをスクラッチから読み込みます
model = YOLO("yolov10n.yaml")

# モデルをトレーニングする
model.train(data="coco8.yaml", epochs=100, imgsz=640)

サポート対象のタスクとモード#

YOLOv10モデルシリーズは、高性能な物体検出に最適化された多様なモデルを提供します。これらのモデルは、さまざまな計算ニーズと精度要件に対応し、幅広い用途で活用できます。

YOLOv10のエクスポート#

YOLOv10で導入された新しい演算子により、現在、Ultralyticsが提供するすべてのエクスポート形式がサポートされているわけではありません。以下の表に、Ultralyticsを使用してYOLOv10向けに変換できることが確認された形式を示します。YOLOv10の追加形式へのエクスポート対応に向けて、変更を提案できる場合は、プルリクエストをぜひ作成してください。

結論#

YOLOv10は、従来のYOLOバージョンの課題に対処し、革新的な設計手法を取り入れたことで、リリース時にリアルタイム物体検出の新たな基準を確立しました。NMSフリーのアプローチにより、YOLOシリーズにおけるエンドツーエンド物体検出の先駆けとなりました。性能が向上し、NMSフリー推論に対応した最新のUltralyticsモデルについては、YOLO26をご覧ください。

引用と謝辞#

広範な研究とUltralyticsフレームワークへの多大な貢献を称え、清華大学のYOLOv10著者の皆様に感謝いたします。

@inproceedings{wang2024yolov10,
  title={YOLOv10: Real-Time End-to-End Object Detection},
  author={Wang, Ao and Chen, Hui and Liu, Lihao and Chen, Kai and Lin, Zijia and Han, Jungong and Ding, Guiguang},
  booktitle={Advances in Neural Information Processing Systems},
  doi = {10.52202/079017-3429},
  url = {https://proceedings.neurips.cc/paper_files/paper/2024/file/c34ddd05eb089991f06f3c5dc36836e0-Paper-Conference.pdf},
  volume={37},
  pages={107984--108011},
  year={2024}
}

実装の詳細、アーキテクチャの革新、実験結果については、清華大学チームによるYOLOv10の研究論文とGitHubリポジトリをご覧ください。

よくある質問#