Ultralytics YOLO11と従来のYOLOモデルの比較

日常業務の自動化から、リアルタイムで情報に基づいた意思決定を支援することまで、人工知能（AI）はさまざまな業界の未来を変えています。AIの中でも特に興味深い分野の1つがコンピュータービジョン、すなわちビジョンAIです。コンピュータービジョンは、人間のように視覚データを分析・解釈できるよう機械を支援することに重点を置いています。

特に、コンピュータービジョンモデルは、安全性と効率の両方を高めるイノベーションを推進しています。たとえば、自動運転車では歩行者の検出に、防犯カメラでは敷地内の24時間監視に使われています。

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、リアルタイムのオブジェクト検出能力で知られるYOLO（You Only Look Once）モデルです。YOLOモデルは時とともに改良され、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のような新しいバージョンでは、インスタンスセグメンテーション、画像分類、姿勢推定、複数オブジェクト追跡など、さまざまなタスクをこれまで以上の精度、速度、正確さで処理できます。

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見ていきます。主な機能、ベンチマーク結果、パフォーマンスの違いを分析します。

Ultralytics YOLOv8の概要#

2023年1月10日にUltralyticsがリリースしたYOLOv8は、従来のYOLOモデルから大きく進歩したモデルです。リアルタイムでの高精度な検出に最適化され、十分に検証された手法と新たな改善を組み合わせて、より良い結果を実現します。

オブジェクト検出に加え、インスタンスセグメンテーション、画像分類、姿勢推定、回転バウンディングボックス（OBB）検出にも対応しています。Ultralytics YOLOv8のもう1つの重要な特徴は、Nano、Small、Medium、Large、Xの5種類のモデルバリアントが用意されていることです。ニーズに応じて速度と精度のバランスを選択できます。

Ultralytics YOLOv8は汎用性が高く性能にも優れているため、セキュリティシステム、スマートシティ、医療、産業オートメーションなど、さまざまな実環境のアプリケーションで使用できます。

図1。YOLOv8を使ったスマートシティの駐車場管理。

Ultralytics YOLOv8の主な特徴#

Ultralytics YOLOv8のその他の主な特徴を詳しく見ていきましょう。

• 検出アーキテクチャの強化：Ultralytics YOLOv8は、改良されたCSPDarknetバックボーンを使用します。このバックボーンは、モデルが正確な予測を行うために入力画像から重要なパターンや詳細を識別・抽出するプロセスである特徴抽出に最適化されています。
• 検出ヘッド：アンカーフリーの分離型設計を採用しています。あらかじめ設定されたバウンディングボックスの形状（アンカー）に依存せず、オブジェクトの位置を直接予測するように学習します。分離型の構成では、オブジェクトのクラス分類と位置予測（回帰）を個別に処理するため、精度の向上とトレーニングの高速化に役立ちます。
• 精度と速度のバランス：このモデルは高速な推論時間を維持しながら高い精度を達成するため、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は簡単に使い始められるよう設計されています。Ultralytics Pythonパッケージを使えば、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。オブジェクト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）と汎用効率的レイヤー集約ネットワーク（GELAN）という2つの主要な技術革新を導入しています。

PGIは、YOLOv9が各レイヤーでデータを処理する際に重要な情報を保持できるようにし、より高精度な結果につなげます。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。こうした改良により、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も、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の主な特徴#

YOLOv9のその他の主な特徴をいくつか紹介します。

• 高精度と効率性：YOLOv9は計算リソースを多く消費せずに高い検出精度を実現するため、利用可能な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の軽量な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パッケージでサポートされているため、コードでもコマンドラインでも、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不要のオブジェクト検出を実現します#

2024年5月23日に清華大学の研究者によって発表されたYOLOv10は、リアルタイムのオブジェクト検出に重点を置いています。重複した検出結果を除去する後処理である非最大値抑制（NMS）を不要にし、モデル全体の設計を改善することで、従来のYOLOバージョンの制約に対処しています。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オブジェクト検出を実現します。

これを可能にする重要な要素の一つが、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、複数の予測が同じオブジェクトから学習できるようにする方法（one-to-many）と、最適な単一の予測を選択する方法（one-to-one）の2つを組み合わせます。両方の方法で同じマッチングルールに従うため、モデルは重複を自ら回避でき、NMSは不要です。

図3。YOLOv10は一貫性のあるデュアルラベル割り当てを使い、NMS不要の学習を実現します。

YOLOv10のアーキテクチャでは、特徴をより効果的に学習する改良型CSPNetバックボーンと、異なるレイヤーの情報を統合するPAN（パス集約ネットワーク）ネックも採用しており、小さなオブジェクトから大きなオブジェクトまで検出しやすくなっています。これらの改良により、製造、小売、自動運転などの実環境のアプリケーションでYOLOv10を活用できます。

YOLOv10の主な特徴#

YOLOv10のその他の優れた特徴をいくつか紹介します。

• 大規模カーネル畳み込み：モデルは大規模カーネル畳み込みを使用して、画像のより広い領域から多くのコンテキストを取り込み、シーン全体をより適切に理解できるようにします。
• 部分的な自己注意モジュール：モデルには部分的な自己注意モジュールが組み込まれており、計算能力を過剰に使わずに画像の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：一般的な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。YOLOv10bは幅の広いモデルで、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保ちながら精度を高められます。
• 使いやすさ：YOLOv10はUltralytics Pythonパッケージに対応しているため、簡単に利用できます。

Ultralytics YOLO11：速度と精度の向上#

2024年9月30日、Ultralyticsは毎年開催するハイブリッドイベント、YOLO Vision 2024（YV24）でYOLO11を正式にリリースしました。

今回のリリースでは、以前のバージョンから大幅な改善が加えられました。Ultralytics YOLO11は、より高速かつ高精度で、効率性にも優れています。オブジェクト検出、インスタンスセグメンテーション、画像分類など、YOLOv8のユーザーにおなじみの幅広い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、ユーザーは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できるように設計されています。オープンソース版とエンタープライズ版が用意されており、さまざまなユースケースに適応できます。

医療画像や衛星画像の検出といった高精度が求められるタスクだけでなく、自動運転車、農業、医療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を使った交通の検出、カウント、追跡。

Ultralytics YOLO11の主な特徴#

Ultralytics YOLO11のその他の独自の特徴をいくつか紹介します。

• 高速かつ効率的な検出：Ultralytics YOLO11は、最終的な予測レイヤーで速度を重視し、性能を損なうことなくレイテンシーを最小限に抑えるよう設計された検出ヘッドを備えています。
• 特徴抽出の向上：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って特徴抽出が強化され、より正確な予測につながります。
• さまざまなプラットフォームへのデプロイ：Ultralytics YOLO11は、エッジデバイス、クラウドプラットフォーム、NVIDIA GPUで効率よく動作するよう最適化されており、さまざまな環境に柔軟に対応します。

COCOデータセットでのYOLOモデルのベンチマーク#

さまざまなモデルを調べる際、特徴を見るだけで比較するのは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れば、性能を客観的に測定して比較できます。COCOデータセットで各モデルがどのような性能を示すか見ていきましょう。

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、柔軟性が大きく向上しています。特にYOLO11mは、YOLOv8mよりパラメーター数が22%少なく、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適合率（mAP）を達成しています。この指標は、モデルがどれだけ適切にオブジェクトを検出して位置を特定するかを測定するものであり、mAPが高いほど予測精度が高いことを意味します。

図5。COCOデータセットでのYOLO11と他のYOLOモデルのベンチマーク。

動画を使ったYOLOモデルのテストと比較#

実環境でこれらのモデルがどのような性能を発揮するか見ていきましょう。

YOLOv8、YOLOv9、YOLOv10、YOLO11を比較するため、公平な評価を行えるように、4つのモデルすべてを同じ交通動画に対して、信頼度スコア0.3（オブジェクトを正しく識別した確信度が30%以上の場合にのみ、モデルが検出結果を表示する設定）と画像サイズ640で実行しました。オブジェクト検出と追跡の結果から、検出精度、速度、正確さ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も十分な性能を示しましたが、照明条件やオブジェクトのサイズによって結果にばらつきがありました。小型で遠くにある車両は、すべてのモデルにとって依然として課題でしたが、YOLO11ではそうした検出にも明らかな改善が見られました。

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行いました。興味深いことに、レイテンシーの低減を目的に設計されたYOLOv10はより高速でしたが、一部のオブジェクト種別の検出にばらつきが見られました。

一方、Ultralytics YOLO11は、速度と精度のバランスに優れ、正確さで際立っていました。どのモデルもすべてのフレームで完璧な性能を発揮したわけではありませんが、並べて比較すると、YOLO11が総合的に最も優れた性能を示したことが明確にわかりました。

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は、固有の要件に応じて選択します。たとえば、速度を重視するアプリケーションもあれば、より高い精度が必要なものや、デプロイ上の制約が選択に影響するものもあります。

もう1つの重要な要素は、対応が必要な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できるモデルをお探しの場合は、YOLOv8とYOLO11が適しています。

YOLOv8とYOLO11のどちらを選ぶかは、ニーズによって異なります。コンピュータービジョンを始めたばかりで、より大きなコミュニティ、豊富なチュートリアル、幅広いサードパーティ統合を重視する場合は、YOLOv8が有力な選択肢です。

一方、精度と速度の向上を重視する場合はUltralytics YOLO11が適しています。ただし、新しいモデルであるため、コミュニティの規模が小さく、統合先も少ない傾向があります。この比較記事の公開後、UltralyticsはUltralytics YOLO26をリリースしており、現在、新規プロジェクトに推奨されるモデルとなっています。

重要なポイント#

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一貫した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、正確さの面で有意義な改良を重ねています。

コンピュータービジョンの進歩が続く中、これらのモデルはオブジェクト検出から自律システムまで、実環境の課題に対して信頼できるソリューションを提供しています。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について詳しく知るには、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。製造分野のビジョンAIから医療分野の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ください。ビジョンAIプロジェクトを今すぐ始めるには、ライセンスオプションをご確認ください。