ProgLoss、STAL、MuSGDを使用してUltralytics YOLO26がどのように賢く学習するか

先週、私たちは Ultralytics YOLO26 をリリースし、エッジファーストなリアルタイムコンピュータビジョンモデルの新しい基準を確立しました。Ultralytics YOLO11 などの従来の Ultralytics YOLO モデル と同様に、YOLO26 は物体検出、インスタンスセグメンテーション、ポーズ推定など、ユーザーが慣れ親しんでいるコアなコンピュータビジョンタスクをサポートします。

図1. 画像内のオブジェクトをセグメント化するために使用されるUltralytics YOLO26の例。

しかし、Ultralytics YOLO26は単なる段階的なアップデートではありません。サポートされているタスクは一見おなじものに見えるかもしれませんが、この新しいモデルは、computer visionモデルのトレーニング方法における革新的な前進を示しています。YOLO26では、推論効率の向上にとどまらず、トレーニングをより安定させることに焦点が当てられています。

Ultralytics YOLO26は、完全なトレーニングライフサイクルを念頭に置いて設計されました。これは、より高速な収束、より信頼性の高いトレーニング実行、および一貫したモデルの動作を意味します。これらの改善は、トレーニングの信頼性がモデルの反復とデプロイの速度に直接影響する実世界のワークフローにおいて特に重要です。

これを実現するため、Ultralytics YOLO26は、Progressive Loss Balancing (ProgLoss)、Small-Target-Aware Label Assignment (STAL)、MuSGDオプティマイザーなど、いくつかのターゲットを絞ったトレーニングイノベーションを導入しています。これらの変更により、学習ロスのバランス調整、ラベルの割り当て方法、および時間の経過に伴う最適化の動作が総合的に改善されます。

本記事では、これらの各メカニズムがどのように機能し、なぜUltralytics YOLO26の学習を容易にし、スケールにおける信頼性を高めるのかを解説します。それでは始めましょう！

Ultralytics YOLO26: 単なる高速化ではなく、賢い学習のために構築#

Ultralytics YOLO26は、NMS（Non-Maximum Suppression）のような後処理ステップへの依存を排除し、推論パイプライン全体をネイティブに効率化します。多数の重複する予測を生成して後からフィルタリングするのではなく、YOLO26はネットワークから直接最終的な検出結果を出力します。

これにより、YOLO26 はエンドツーエンドのモデルとなり、予測、重複の解決、および最終的な出力がすべてネットワーク自体の中で学習されます。これにより、デプロイが簡素化され、推論効率が向上すると同時に、トレーニング中のモデルの学習方法も形作られます。

図 2. YOLO26 は最先端のエンドツーエンドかつ NMS 不要の推論を提供します（Source）

このようなエンドツーエンドのシステムでは、学習と推論が密接に結びついています。後で予測を修正するための外部の後処理ステージが存在しないため、モデルは学習中に明確で確信のある決定を下すように学習しなければなりません。

このため、学習目標と推論時の振る舞いの整合性が特に重要になります。モデルの学習方法と推論時の使用方法の間に不一致があると、学習が不安定になったり、収束が遅くなったりする可能性があります。

Ultralytics YOLO26は、最初から現実世界での使用を前提としてトレーニングプロセスを設計することで、この問題に対応しています。推論速度だけに焦点を当てるのではなく、長時間の実行でも安定した学習、NanoからExtra Largeまでのモデルサイズ間での一貫した収束、そして多様なデータセットに対する堅牢なパフォーマンスをサポートするようにトレーニングシステムが構築されています。

2つの学習ヘッドがどのようにUltralytics YOLO26の学習を改善するか#

Ultralytics YOLO26の主要な学習技術の1つは、以前のYOLOモデルで使用されていた2ヘッド学習アプローチに基づいています。物体検出モデルにおいて「ヘッド」とは、予測を行う役割を担うネットワークの部分を指します。

言い換えれば、検出ヘッドは画像内のどこに物体があるか、そしてその物体が何であるかを予測するように学習します。これらはバウンディングボックスの座標を回帰させることによって行われ、つまり入力画像内の各物体の位置とサイズを推定することを学習します。

学習中、モデルはロスを最小化することで学習します。これは、予測が正解またはグランドトゥルースからどれだけ離れているかを示す数値的な尺度です。ロスが低いほどモデルの予測がグランドトゥルースに近いことを意味し、ロスが高いほど誤差が大きいことを示します。ロス計算は、学習中にモデルがパラメータをどのように更新するかをガイドします。

Ultralytics YOLO26は、トレーニング中に同じ基盤モデルを共有しながら異なる目的を果たす2つの検出ヘッドを使用します。1対1ヘッドは、推論時に使用されるヘッドです。各オブジェクトを単一の確信度の高い予測に関連付けることを学習し、これはYOLO26のエンドツーエンドでNMS不要のデザインに不可欠です。

一方、one-to-manyヘッドは学習中にのみ使用されます。これにより複数の予測を同じ物体に関連付けることが可能になり、より密な監視（スーパービジョン）を提供します。このリッチな学習信号は、特に初期段階において学習を安定させ、精度を向上させるのに役立ちます。

Ultralytics YOLO26では、両方のヘッドでボックス回帰と分類に同じ損失計算を使用しています。以前の実装では、トレーニング全体を通じてこれら2つの損失シグナルの間に固定のバランスが適用されていました。

しかし、実際には各ヘッドの重要性は時間の経過とともに変化します。密な教師あり学習は初期段階で最も有用であり、一方、推論時の挙動との整合性はトレーニングの後半になるにつれて重要になります。Ultralytics YOLO26はこの洞察に基づいて設計されており、それがトレーニングの進行に伴う学習シグナルの再バランス調整に直接つながっています。

Ultralytics YOLO26はProgressive Loss Balancingを採用#

では、Ultralytics YOLO26は学習中のこれらの変化する学習ニーズにどのように対処するのでしょうか？Progressive Loss Balancingを使用して、時間の経過とともに学習信号の重みを調整します。

ProgLossは、学習の進行に合わせて各ヘッドがトータルロスにどれだけ寄与するかを動的にシフトさせることで機能します。初期段階では、学習を安定させリコールを向上させるためにone-to-manyヘッドにより多くの重みが置かれます。学習が進むにつれて、バランスは徐々にone-to-oneヘッドへと移行し、学習を推論時の振る舞いにより近づけていきます。

この段階的な移行により、Ultralytics YOLO26は正しい順序で学習することができます。モデルに競合する目的を一度に最適化させるのではなく、プログレッシブ損失バランス調整（Progressive Loss Balancing）は、トレーニングの各ステージで最も有用な学習シグナルを優先します。その結果、よりスムーズな収束、不安定なトレーニング実行の減少、そしてより一貫した最終パフォーマンスがもたらされます。

STALがどのようにUltralytics YOLO26の小さな物体の学習を助けるか#

Ultralytics YOLO26のもう一つの興味深い学習の改善は、モデルが学習ターゲットを予測に割り当てる方法、つまりラベル割り当てとして知られるプロセスに由来します。これは、グランドトゥルースの物体を、しばしばアンカーと呼ばれる候補予測に一致させる責任があります。

これらのマッチングにより、どの予測が教師あり学習を受け、損失に寄与するか決まります。Ultralytics YOLO26は、トレーニング中の分類と位置合わせをより良くするために設計された、Task Alignment Learning（TAL）と呼ばれる既存のラベル割り当て方法をベースに構築されています。

TALはほとんどの物体に対してうまく機能しますが、学習を通じて重要な制限が明らかになりました。マッチングプロセス中に、非常に小さな物体が完全に除外されてしまう可能性があるのです。実際には、640ピクセルの入力画像で約8ピクセル未満の物体は、アンカーの割り当てを受けられないことがよくあります。これが発生すると、モデルはその物体に対する監視がほとんど、あるいは全く得られず、確実に検出することを学習するのが困難になります。

この問題に対処するため、Ultralytics YOLO26はSmall-Target-Aware Label Assignment（STAL）を導入しています。STALは、トレーニング中に小さなオブジェクトが無視されないように割り当てプロセスを変更します。具体的には、8ピクセル未満のオブジェクトに対して最低4つのアンカー割り当てを強制します。これにより、非常に小さなオブジェクトでもトレーニング損失に一貫して寄与することが保証されます。

小さなターゲットに対する監視を強化することで、STAL は、小さく遠くにあるオブジェクトが一般的なシナリオにおいて、学習の安定性と検出パフォーマンスを向上させます。この改善は、オブジェクトが小さく、遠くにあるか、部分的にしか見えておらず、信頼性の高い検出が不可欠である、航空画像、ロボット工学、モノのインターネット（IoT）システムなどの エッジファーストな YOLO26 アプリケーションにとって特に重要です。

Ultralytics YOLO26がMuSGDオプティマイザーを導入#

より安定した予測可能な学習をサポートするため、Ultralytics YOLO26はMuSGDと呼ばれる新しいオプティマイザーを導入しました。このオプティマイザーは、特にモデルサイズや学習の複雑さが増す中で、エンドツーエンドの検出モデルにおける収束と学習の信頼性を向上させるように設計されています。

ニューラルネットワークが学習し、それに伴ってトレーニング中に重みを適宜変更するためには、エラー（「損失」とも呼ばれます）を計算します。したがって、モデルは損失値を使用して予測がどれほど間違っているかを測定し、パラメーターがどのように変更されるべきかを示す勾配を計算し、エラーを減らすためにそれらのパラメーターを更新します。Stochastic Gradient Descent (SGD) は、これらの更新を実行する広く使用されているオプティマイザであり、トレーニングを効率的かつスケーラブルにします。

図 3. 確率的勾配降下法対勾配降下法（Source）

MuSGDは、大規模言語モデルの学習で使用される手法であるMuonから着想を得た最適化のアイデアを組み込むことで、この馴染み深い基盤を構築しています。これらのアイデアは、より構造化されたパラメータ更新を通じて学習の挙動を改善したMoonshot AIのKimi K2といった最近の進歩の影響を受けています。

Ultralytics YOLO26は、ハイブリッド更新戦略を使用します。一部のパラメータはMuonに着想を得た更新とSGDの組み合わせを使用して更新され、他のパラメータはSGD単体を使用します。これにより、YOLO26は、SGDの効果の基盤となってきた堅牢性と汎化性能を維持しながら、最適化プロセスにさらなる構造を導入することが可能になります。

その結果、よりスムーズな最適化、より高速な収束、そしてモデルサイズ間でのより予測可能なトレーニングの挙動がもたらされ、MuSGDはUltralytics YOLO26のトレーニングがより簡単になり、大規模運用時の信頼性が向上する理由の重要な要素となっています。

Ultralytics YOLO26の学習技術革新の重要性#

Ultralytics YOLO26の学習における革新は、エンドツーエンド、NMSフリー、そしてエッジファーストといった主要な機能と組み合わさることで、モデルを学習しやすくし、大規模環境においても信頼性を高めます。これらが実際にコンピュータービジョンアプリケーションにとって何を意味するのか、疑問に思われるかもしれません。

図 4. YOLO26 の主要機能の紹介（Source）

実際に活用すると、コンピュータービジョンを実際に実行される場所に導入するのがずっと簡単になります。モデルの学習はより予測しやすく、サイズ間でのスケーリングも一貫しており、新しいデータセットへの適応も単純です。これにより、特に信頼性と効率が生のパフォーマンスと同じくらい重要な環境において、実験からデプロイまでの摩擦を軽減します。

例えば、ロボティクスや産業用ビジョンアプリケーションでは、環境、センサー、タスクの変化に伴い、モデルを頻繁に再トレーニングする必要がしばしば生じます。Ultralytics YOLO26を使用することで、チームはトレーニングの不安定化やモデルサイズ間での一貫性のない挙動を心配することなく、より迅速に反復作業を行うことができます。

重要なポイント#

信頼性の高いコンピュータビジョンシステムは、推論時のパフォーマンスだけでなく、モデルのトレーニング方法にも大きく依存しています。学習シグナルのバランス調整、小さなオブジェクトの処理、および最適化の進行方法を改善することで、Ultralytics YOLO26はトレーニングの安定性を高め、スケールしやすくします。信頼性の高いトレーニングへのこの重点的な取り組みにより、チームは実験から現実世界へのデプロイメントへとよりスムーズに移行できるようになります。特にエッジファーストのアプリケーションにおいてそれが顕著です。

AI について学びたいですか？GitHub リポジトリにアクセスして詳細をご覧ください。活発なコミュニティに参加し、物流における AI や自動車業界におけるビジョン AI などのセクターにおけるイノベーションについて見つけてください。今すぐコンピュータビジョンを始めるには、ライセンスオプションをご確認ください。