YOLO進化の系譜：YOLOv1からYOLOv13までの技術的ブレークスルー（2025年版）

はじめに

YOLO（You Only Look Once）は、2016年の初登場以来、リアルタイム物体検出の代名詞として進化を続けています。本記事では、2025年10月時点での最新版YOLOv13まで、各バージョンの技術的ブレークスルーを論文引用と共に解説します。

1. YOLO系譜の全体像

1.1 時系列マップ

2016 → YOLOv1 (Redmon et al., CVPR 2016)
2017 → YOLOv2/YOLO9000 (Redmon & Farhadi, CVPR 2017)
2018 → YOLOv3 (Redmon & Farhadi, arXiv)
2020 → YOLOv4 (Bochkovskiy et al., arXiv:2004.10934)
2020 → YOLOv5 (Ultralytics, GitHub - 論文なし)
2022 → YOLOv6 (Meituan, arXiv:2209.02976)
2022 → YOLOv7 (Wang et al., arXiv:2207.02696)
2023 → YOLOv8 (Ultralytics, GitHub)
2024.2 → YOLOv9 (Wang et al., arXiv:2402.13616)
2024.5 → YOLOv10 (Wang et al., arXiv:2405.14458)
2024.9 → YOLOv11 (Ultralytics, GitHub)
2025.2 → YOLOv12 (Tian et al., arXiv)
2025.6 → YOLOv13 (Tsinghua + iMoonLab, arXiv)

1.2 開発主体の分岐

バージョン	開発主体	特徴
v1-v3	Joseph Redmon（ワシントン大学）	オリジナル開発者
v4, v7, v9	Alexey Bochkovskiy, Chien-Yao Wang	YOLOv4チーム
v5, v8, v11	Ultralytics	産業応用重視、エコシステム充実
v6	Meituan（美団）	中国企業、産業最適化
v10	Tsinghua University	学術系、NMSフリー
v12, v13	複数機関の競争的開発	最新研究の統合

2. 世代別の技術的ブレークスルー

第1世代（v1-v3）：基礎確立期

YOLOv1 (2016)

論文: Redmon et al., "You Only Look Once: Unified, Real-Time Object Detection", CVPR 2016

革新:

• 1段階検出: 従来の2段階（R-CNN系）と異なり、End-to-End学習
• グリッドベース: 画像を S×S グリッドに分割、各セルがバウンディングボックスを予測
• 速度: 45 FPS（当時としては革命的）

制約:

• 小物体検出が苦手
• 精度はR-CNN系に劣る

YOLOv3 (2018)

論文: Redmon & Farhadi, "YOLOv3: An Incremental Improvement", arXiv:1804.02767

革新:

• Darknet-53: 53層の深いバックボーン（ResNet思想）
• FPN統合: 3スケール予測（13×13, 26×26, 52×52）
• マルチラベル分類: ソフトマックスではなくロジスティック回帰

性能:

• COCO mAP@0.5: 57.9%
• 速度: 30 FPS（Titan X）

第2世代（v4-v8）：最適化成熟期

YOLOv4 (2020)

論文: Bochkovskiy et al., "YOLOv4: Optimal Speed and Accuracy of Object Detection", arXiv:2004.10934

革新:

• CSPDarknet53: クロスステージ部分接続
• Bag of Freebies (BoF): Mosaic拡張、DropBlock
• Bag of Specials (BoS): Mish活性化、SPP、PANet

性能:

• COCO AP: 43.5% @ V100 (65 FPS)
• 重要: 産業応用に最適化された初のバージョン

YOLOv8 (2023)

開発: Ultralytics（論文なし、GitHubリリース）

革新:

• アンカーフリー: アンカーボックス不要
• C2fモジュール: より軽量な特徴抽出
• 統一API: セグメンテーション、分類、ポーズ推定統合

モデルスケール:

モデル	パラメータ	mAP	速度 (A100)
YOLOv8n	3.2M	37.3%	1.47ms
YOLOv8s	11.2M	44.9%	2.33ms
YOLOv8m	25.9M	50.2%	4.54ms
YOLOv8l	43.7M	52.9%	6.84ms
YOLOv8x	68.2M	53.9%	10.03ms

第3世代（v9-v11）：理論革新期

YOLOv9 (2024.2)

論文: Wang et al., "YOLOv9: Learning What You Want to Learn Using Programmable Gradient Information", arXiv:2402.13616

革新:

• PGI（Programmable Gradient Information）: 情報ボトルネック問題を解決
• GELAN（Generalized Efficient Layer Aggregation Network）: 効率的な勾配経路

技術的詳細:

# PGIの概念的実装
class PGI:
    def __init__(self):
        self.main_branch = MainNetwork()  # 軽量
        self.auxiliary_branch = ReversibleNetwork()  # 可逆経路

    def forward(self, x):
        if self.training:
            # 学習時：補助経路が完全な勾配情報を保存
            main_out = self.main_branch(x)
            aux_out = self.auxiliary_branch(x)
            return main_out, aux_out
        else:
            # 推論時：主経路のみ（軽量）
            return self.main_branch(x)

性能:

• COCO mAP: 53.0% (YOLOv8x比 +1.1%)
• パラメータ削減: 49% (YOLOv8x比)

YOLOv10 (2024.5)

論文: Wang et al., "YOLOv10: Real-Time End-to-End Object Detection", arXiv:2405.14458, NeurIPS 2024

革新:

• NMSフリー: Non-Maximum Suppression不要の一貫性二重割り当て
• 空間-チャネルデカップリング: 効率的な特徴抽出

NMSフリーの重要性:

• NMSは推論時間の20-30%を占める
• GPUからCPUへの転送が不要
• 完全なEnd-to-End学習

YOLOv11 (2024.9)

開発: Ultralytics

革新:

• C3k2ブロック: YOLOv9のGELANを統合
• C2PSA（空間アテンション）: 小物体検出の改善
• パラメータ削減: YOLOv8比 22%削減

第4世代（v12-v13）：最先端研究

YOLOv12 (2025.2)

論文: Tian et al., "YOLOv12: Attention-Centric Real-Time Object Detectors"

革新:

• Flash Attention: メモリ効率的なアテンション機構
• 精度重視設計: 速度より精度を優先（30 FPS @ 1080Ti）

トレードオフ:

• YOLOv11: 速度重視（40 FPS）
• YOLOv12: 精度重視（30 FPS、+2.3% mAP）

YOLOv13 (2025.6)

論文: "YOLOv13: Real-Time Object Detection with Hypergraph-Enhanced Adaptive Visual Perception" 開発: Tsinghua University + iMoonLab

革新:

• HyperACE（Hypergraph-based Adaptive Correlation Enhancement）: 高次相関モデリング
• 複雑なシーン理解: 物体間の関係性を明示的にモデル化

性能:

• COCO mAP: 56.9% (YOLOv11比 +3.0%)
• 小物体検出の大幅改善

3. 製造業での実用選択指針

3.1 用途別推奨モデル

用途	推奨モデル	理由
エッジ推論（Jetson Orin）	YOLOv8n/s	安定性、エコシステム、TensorRT最適化
高精度要求	YOLOv12/v13	最新の精度、Attention機構
バランス型	YOLOv11	速度と精度のバランス、最新Ultralytics
研究・実験	YOLOv9/v10	PGI、NMSフリーの新機構

3.2 COCO ベンチマーク性能（一般物体検出）

テスト条件: NVIDIA A100 GPU

モデル	COCO mAP	パラメータ	推論時間
YOLOv8n	37.3%	3.2M	1.47ms
YOLOv8s	44.9%	11.2M	2.33ms
YOLOv11n	39.5%	2.6M	~1.5ms
YOLOv11s	47.0%	9.4M	~2.5ms

出典: Ultralytics公式ドキュメント（2024）

重要: YOLOv11は YOLOv8比で22%パラメータ削減しながら、精度を向上させています。

4. 実装のベストプラクティス

4.1 PyTorch → ONNX → TensorRT パイプライン

from ultralytics import YOLO

# 1. モデル選択
model = YOLO('yolov11n.pt')  # または yolov8n.pt

# 2. ファインチューニング（自社データ）
model.train(
    data='custom_dataset.yaml',
    epochs=100,
    imgsz=640,
    batch=16,
    device=0
)

# 3. ONNX エクスポート
model.export(
    format='onnx',
    opset=17,
    simplify=True,
    dynamic=False  # エッジ展開では固定サイズ推奨
)

# 4. TensorRT 変換（Jetson Orin上で実行）
# trtexec --onnx=yolov11n.onnx --saveEngine=yolov11n_int8.engine --int8

4.2 精度とのトレードオフ

量子化による精度低下:

• FP32 → FP16: < 0.5% mAP低下
• FP32 → INT8: 1-2% mAP低下（キャリブレーション次第）

推奨アプローチ:

1. FP32で学習・検証
2. FP16で展開（精度低下最小）
3. INT8は速度が重要な場合のみ（要キャリブレーション）

5. 参考文献

1. Redmon et al. (2016). "You Only Look Once: Unified, Real-Time Object Detection", CVPR 2016
2. Bochkovskiy et al. (2020). "YOLOv4: Optimal Speed and Accuracy", arXiv:2004.10934
3. Wang et al. (2024). "YOLOv9: Programmable Gradient Information", arXiv:2402.13616
4. Wang et al. (2024). "YOLOv10: Real-Time End-to-End Object Detection", arXiv:2405.14458, NeurIPS 2024
5. Ultralytics YOLOv8/v11 公式ドキュメント - https://github.com/ultralytics/ultralytics

まとめ

2025年10月時点での製造業向け推奨：

• 本番環境: YOLOv8s/YOLOv11s（安定性と性能のバランス）
• 研究開発: YOLOv12/v13（最新技術の検証）
• エッジ最適化: YOLOv11n + TensorRT INT8

YOLO は今後も進化を続けます。最新情報は公式リポジトリとarXivを定期的にチェックすることを推奨します。