Ultralytics YOLO11と以前のYOLOモデルの比較

日常的なタスクの自動化から、リアルタイムでの十分な情報に基づく意思決定の支援まで、人工知能（AI）はさまざまな業界の未来を変革しています。AIの中でも特に注目されている分野の一つが、ビジョンAIとも呼ばれるコンピュータービジョンです。これは、機械が人間のように視覚データを分析・解釈できるようにすることに重点を置いています。

具体的には、コンピュータービジョンモデルが安全性と効率性の両方を高めるイノベーションを推進しています。例えば、これらのモデルは自動運転車で歩行者を検出したり、セキュリティカメラで施設を24時間監視したりするために使用されています。

最もよく知られているコンピュータービジョンモデルの一つが、リアルタイム物体検出機能で知られるYOLO（You Only Look Once）モデルです。時間の経過とともにYOLOモデルは改良され、新しいバージョンが登場するたびに、性能と柔軟性が向上しています。

Ultralytics YOLO11などの新しいバージョンは、インスタンスセグメンテーション、画像分類、ポーズ推定、マルチオブジェクトトラッキングなど、さまざまなタスクに対応し、これまで以上に高い精度、速度、正確性を実現しています。

この記事では、Ultralytics YOLOv8、YOLOv9、YOLOv10、Ultralytics YOLO11を比較し、これらのモデルがどのように進化してきたかを詳しく見ていきます。それぞれの主な機能、ベンチマーク結果、性能の違いを分析します。それでは始めましょう。

Ultralytics YOLOv8の概要#

Ultralyticsが2023年1月10日にリリースしたYOLOv8は、それ以前のYOLOモデルと比べて大きな前進を遂げました。十分に検証された手法と革新的なアップデートを組み合わせ、より良い結果を得られるよう最適化された、リアルタイムで高精度な検出モデルです。

物体検出に加えて、インスタンスセグメンテーション、ポーズ推定、方向付きバウンディングボックス（OBB）物体検出、画像分類にも対応しています。Ultralytics YOLOv8のもう一つの重要な特長は、Nano、Small、Medium、Large、Xという5種類のモデルバリアントで提供されていることです。ニーズに応じて、速度と精度の適切なバランスを選択できます。

汎用性と高い性能を備えているため、Ultralytics YOLOv8は、セキュリティシステム、スマートシティ、ヘルスケア、産業オートメーションなど、さまざまな実世界のアプリケーションで利用できます。

図1。YOLOv8によるスマートシティの駐車場管理。

Ultralytics YOLOv8の主な特長#

ここでは、Ultralytics YOLOv8のその他の主な特長を詳しく見ていきます。

• 強化された検出アーキテクチャ：Ultralytics YOLOv8は、改良されたCSPDarknetバックボーンを使用しています。このバックボーンは、モデルが正確な予測を行うために役立つ、入力画像から重要なパターンや詳細を特定・抽出する処理である特徴抽出に最適化されています。
• 検出ヘッド：アンカーフリーのanchor-free、分離型設計を採用しています。これは、あらかじめ設定されたバウンディングボックス形状（アンカー）に依存せず、物体の位置を直接予測するよう学習することを意味します。分離型の構成により、物体の種類を分類するタスクと、物体の位置を予測するタスク（回帰）が別々に処理されるため、精度の向上と学習の高速化につながります。
• 精度と速度のバランス：高速な推論時間を維持しながら優れた精度を実現するため、クラウド環境とエッジ環境の両方に適しています。
• 使いやすさ：YOLOv8は使い始めやすいように設計されており、Ultralytics Pythonパッケージを使用すれば、わずか数分で予測を開始し、結果を確認できます。

YOLOv9は計算効率に重点を置いています#

YOLOv9は、台湾の中央研究院情報科学研究所に所属するChien-Yao Wang氏とHong-Yuan Mark Liao氏によって、2024年2月21日にリリースされました。物体検出やインスタンスセグメンテーションなどのタスクに対応しています。

このモデルはUltralytics YOLOv5を基盤とし、プログラム可能な勾配情報（PGI）と一般化効率的レイヤー集約ネットワーク（GELAN）という2つの主要なイノベーションを導入しています。

PGIは、YOLOv9がデータを各レイヤーで処理する際に重要な情報を保持するのに役立ち、より正確な結果につながります。一方、GELANはモデルによるレイヤーの利用方法を改善し、性能と計算効率を高めます。これらのアップグレードにより、YOLOv9は、計算リソースが限られることの多いエッジデバイスやモバイルアプリで、リアルタイムタスクに対応できます。

図2。GELANがYOLOv9の精度を向上させる仕組み。

YOLOv9の主な特長#

ここでは、YOLOv9のその他の主な特長を簡単に紹介します。

• 効率性を備えた高精度：YOLOv9は多くの計算能力を消費することなく高い検出精度を実現するため、リソースが限られている場合に適しています。
• 軽量モデル：YOLOv9の軽量モデルバリアントは、エッジ環境やモバイル環境へのデプロイに最適化されています。
• 使いやすさ： YOLOv9はUltralytics Pythonパッケージに対応しているため、コードを使用する場合でもコマンドラインを使用する場合でも、さまざまな環境で簡単にセットアップして実行できます。

YOLOv10はNMSなしの物体検出を実現します#

YOLOv10は2024年5月23日に清華大学の研究者によって発表され、リアルタイム物体検出に重点を置いています。重複した検出を排除するために使用される後処理ステップである非最大抑制（NMS）を不要にし、モデル全体の設計を洗練することで、従来のYOLOバージョンの制限に対処しています。その結果、最先端の精度を維持しながら、より高速で効率的な物体検出を実現します。

これを可能にする重要な要素が、一貫性のあるデュアルラベル割り当てと呼ばれる学習手法です。この手法は、複数の予測が同じ物体から学習できるようにする戦略（one-to-many）と、最適な単一の予測を選択することに重点を置く戦略（one-to-one）という2つの戦略を組み合わせます。両方の戦略が同じマッチングルールに従うため、モデルは自ら重複を回避するように学習し、NMSが不要になります。

図3。YOLOv10はNMSなしの学習に一貫性のあるデュアルラベル割り当てを使用します。

YOLOv10のアーキテクチャでは、特徴をより効果的に学習するために改良されたCSPNetバックボーンも使用しています。また、異なるレイヤーの情報を組み合わせるPAN（Path Aggregation Network）ネックにより、小さな物体と大きな物体の両方をより適切に検出できます。これらの改善により、製造、小売、自動運転などの実世界のアプリケーションでYOLOv10を利用できます。

YOLOv10の主な特長#

ここでは、YOLOv10のその他の際立った特長を紹介します。

• 大規模カーネル畳み込み： 大規模カーネル畳み込みを使用して画像の広い領域からより多くのコンテキストを捉え、シーン全体をより適切に理解できるようにします。

• 部分的自己注意モジュール： 部分的自己注意モジュールを組み込み、過大な計算能力を使わずに画像の最も重要な部分に焦点を当て、効率的に性能を高めます。

• 独自のモデルバリアント： 通常のYOLOv10のサイズであるNano、Small、Medium、Large、Xに加えて、YOLOv10b（Balanced）という特別なバージョンもあります。これはより幅の広いモデルで、各レイヤーでより多くの特徴を処理するため、速度とサイズのバランスを維持しながら精度を向上できます。

• 使いやすさ： YOLOv10はUltralytics Pythonパッケージと互換性があるため、簡単に使用できます。

Ultralytics YOLO11：速度と精度の向上#

今年、9月30日にUltralyticsは、年次ハイブリッドイベントYOLO Vision 2024（YV24）で、YOLOシリーズの最新モデルの一つであるYOLO11を正式に発表しました。

このリリースでは、従来のバージョンから大幅な改善が導入されました。Ultralytics YOLO11は、より高速で、より高精度かつ非常に効率的です。物体検出、インスタンスセグメンテーション、画像分類など、YOLOv8ユーザーが慣れ親しんでいるすべてのコンピュータービジョンタスクに対応しています。また、YOLOv8のワークフローとの互換性も維持しているため、新しいバージョンへスムーズに移行できます。

さらに、Ultralytics YOLO11は、軽量なエッジデバイスから高性能なクラウドシステムまで、幅広い計算ニーズに対応するよう設計されています。オープンソース版とエンタープライズ版の両方が提供されているため、さまざまなユースケースに適応できます。

医療画像や衛星検出などの高精度が求められるタスクに加え、自動運転車、農業、ヘルスケアなどの幅広いアプリケーションにも適しています。

図4。Ultralytics YOLO11による交通の検出、カウント、追跡。

Ultralytics YOLO11の主な特長#

ここでは、Ultralytics YOLO11のその他の独自の特長を紹介します。

• 高速かつ効率的な検出： Ultralytics YOLO11は、最小限のレイテンシーを実現するよう設計された検出ヘッドを備えています。性能を損なうことなく、最終的な予測レイヤーでの速度に重点を置いています。
• 改善された特徴抽出：最適化されたバックボーンとネックのアーキテクチャにより特徴抽出が強化され、より正確な予測につながります。
• プラットフォーム間でのシームレスなデプロイ：Ultralytics YOLO11は、エッジデバイス、クラウドプラットフォーム、NVIDIA GPU上で効率的に動作するよう最適化されており、さまざまな環境に適応できます。

COCOデータセットでのYOLOモデルのベンチマーク#

異なるモデルを検討する際、機能を見るだけで比較するのは必ずしも簡単ではありません。そこで役立つのがベンチマークです。すべてのモデルを同じデータセットで実行することで、性能を客観的に測定・比較できます。各モデルがCOCOデータセットでどのような性能を発揮するか見てみましょう。

YOLOモデルを比較すると、新しいバージョンが登場するたびに、精度、速度、柔軟性に関して顕著な改善が見られます。特にYOLO11mは、YOLOv8mよりパラメーター数が22%少ないため、より軽量で高速に実行できます。また、サイズが小さいにもかかわらず、COCOデータセットでより高い平均平均適合率（mAP）を達成しています。この指標は、モデルが物体をどれだけ適切に検出・位置特定できるかを測定するため、mAPが高いほど予測が正確であることを意味します。

図5。COCOデータセットでのYOLO11およびその他のYOLOモデルのベンチマーク。

動画でのYOLOモデルのテストと比較#

これらのモデルが実世界の状況でどのような性能を発揮するか見てみましょう。

YOLOv8、YOLOv9、YOLOv10、YOLO11を比較するため、公平に評価できるよう、4つすべてを同じ交通動画に対して、信頼度スコア0.3（物体を正しく識別した信頼度が少なくとも30%の場合にのみモデルが検出結果を表示）および画像サイズ640で実行しました。物体検出と追跡の結果から、検出精度、速度、正確性における主な違いが明らかになりました。

最初のフレームから、YOLO11はYOLOv10が見逃したトラックなどの大型車両を検出しました。YOLOv8とYOLOv9は十分な性能を示しましたが、照明条件や物体のサイズによって結果が変動しました。小型で遠方にある車両はすべてのモデルで依然として課題でしたが、YOLO11ではそれらの検出も明らかに改善されていました。

図6。 YOLOv8、YOLOv9、YOLOv10、YOLO11の比較。

速度については、すべてのモデルが1フレームあたり10～20ミリ秒で動作し、50 FPSを超えるリアルタイムタスクにも十分対応できました。一方、Ultralytics YOLOv8とYOLOv9は、動画全体を通じて安定した信頼性の高い検出を実現しました。興味深いことに、低レイテンシー向けに設計されたYOLOv10はより高速でしたが、一部の物体タイプの検出にばらつきが見られました。

一方、Ultralytics YOLO11は正確性で際立ち、速度と精度の優れたバランスを実現しました。すべてのフレームで完璧に動作したモデルはありませんでしたが、並べて比較することで、YOLO11が総合的に最高の性能を発揮したことが明確に示されました。

コンピュータービジョンタスクに最適なYOLOモデルはどれですか？#

プロジェクトに使用するモデルの選択は、具体的な要件によって異なります。例えば、速度を優先するアプリケーションもあれば、より高い精度を必要とするアプリケーションや、デプロイの制約が判断に影響するアプリケーションもあります。

もう一つの重要な要素は、対応する必要があるコンピュータービジョンタスクの種類です。さまざまなタスクに幅広く柔軟に対応したい場合は、YOLOv8とYOLO11が適した選択肢です。

YOLOv8とYOLO11のどちらを選ぶかは、実際にはニーズによって決まります。コンピュータービジョンを初めて使用し、より大きなコミュニティ、より多くのチュートリアル、豊富なサードパーティー連携を重視する場合は、YOLOv8が堅実な選択肢です。

一方、より高い精度と速度を備えた最先端の性能を求める場合は、Ultralytics YOLO11がより適しています。ただし、新しいリリースであるため、コミュニティが小さく、連携も少ない点には注意が必要です。

主なポイント#

Ultralytics YOLOv8からUltralytics YOLO11まで、YOLOモデルシリーズの進化は、よりインテリジェントなコンピュータービジョンモデルを目指す継続的な取り組みを反映しています。YOLOはバージョンごとに、速度、精度、正確性の面で有意義なアップグレードをもたらしています。

コンピュータービジョンが進歩し続ける中、これらのモデルは物体検出から自律システムまで、実世界の課題に対する信頼性の高いソリューションを提供します。YOLOモデルの継続的な開発は、この分野がどれほど進歩してきたか、そして今後どれほどの発展が期待できるかを示しています。

AIについて詳しく知りたい場合は、GitHubリポジトリをご覧いただき、コミュニティにご参加ください。製造業におけるビジョンAIからヘルスケアにおけるコンピュータービジョンまで、さまざまな業界の進歩をご覧いただけます。今すぐビジョンAIプロジェクトを始めるには、ライセンスオプションをご確認ください。