リアルタイムYOLO物体検出
Ultralytics YOLO26検出モデルを使用して、画像や動画内の物体を検出および特定します。独自のデータでトレーニングを行い、明確な指標で評価し、エッジ、クラウド、モバイル上でリアルタイムにデプロイできます。
YOLO26検出モデル
物体検出はYOLO26ファミリーの基盤となるタスクであり、埋め込みCPUから精度が求められるクラウドワークロードまで対応する5つのモデルサイズを取り揃えています。どのサイズでも、同じ3行のAPIを使用して独自のデータでトレーニングでき、ハードウェアに最適なフォーマットにエクスポートが可能です。
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 detection model
model = YOLO("yolo26n.pt")
# Run inference
results = model("image.jpg")| モデル | サイズ (px) | mAP50-95 | mAP 50-95 (e2e) | CPU ONNX (ms) | T4 TensorRT (ms) | Params (M) | FLOPs (B) |
|---|---|---|---|---|---|---|---|
| YOLO26n | 640 | 40.9 | 40.1 | 38.9 ± 0.7 | 1.7 ± 0.0 | 2.4 | 5.4 |
| YOLO26s | 640 | 48.6 | 47.8 | 87.2 ± 0.9 | 2.5 ± 0.0 | 9.5 | 20.7 |
| YOLO26m | 640 | 53.1 | 52.5 | 220.0 ± 1.4 | 4.7 ± 0.1 | 20.4 | 68.2 |
| YOLO26l | 640 | 55.0 | 54.4 | 286.2 ± 2.0 | 6.2 ± 0.2 | 24.8 | 86.4 |
| YOLO26x | 640 | 57.5 | 56.9 | 525.8 ± 4.0 | 11.8 ± 0.2 | 55.7 | 193.9 |
UltralyticsドキュメントによるYOLO26検出ベンチマーク。
世界をリードする組織から信頼されています
当社のモデルがもたらすインパクト
最先端のビジョンAIモデルで、業界全体のプロセスを効率化しましょう。Ultralyticsが提供するスピード、精度、使いやすさを実現します。
Ultralytics YOLOモデルの進化
実用的なYOLOv5ワークフローから、エッジ対応のYOLO26推論へとUltralytics YOLOがどのように進化したかをご覧ください。
高速で実用的なPyTorchワークフローにより、リアルタイム物体検出を身近なものにしました。
検出、セグメンテーション、分類、姿勢推定、OBBにわたる統一ワークフローを拡張。
おなじみのUltralyticsワークフローを維持しながら、精度、速度、効率を向上。
エンドツーエンドの推論を導入し、効率的なエッジデプロイメント向けに最適化されたアーキテクチャを実現しました。
スマートアノテーションでラベル付けを最大10倍高速化
Ultralytics Platformは、高品質なデータセットを迅速に構築するための画像アノテーションツールを提供します。スマートアノテーションから精密な手動編集まで、これらの機能は品質を犠牲にすることなく画像ラベル付けの時間を短縮するように設計されています。
- SAM搭載のスマートアノテーション：ワンクリックでマスクとBBoxを作成。
- あらゆるAIタスクに対応：Detection、instance segmentation、semantic segmentation、classification、pose、OBB。
- ユニバーサルなフォーマットサポート：YOLO、COCO、VOCなど、お好みの形式を選択可能。
- チームレビューとバージョン管理：あらゆるステップで明確なコラボレーションを実現。
最高のGPUでコストを抑えてトレーニング
AmpereからBlackwellまで、26種類のNVIDIA GPUを時給$0.24から利用可能。マークアップなし、最低利用料金なし、コミットメントなし。
どこへでもデプロイ
20種類のフォーマットへのエクスポートと、エッジ、クラウド、モバイルでのデプロイメントが可能です。
業界別ソリューションを探索
チームが本番環境でUltralyticsのコンピュータビジョンをどのように活用しているかをご覧ください。
農業におけるAI
自動車におけるAI
ヘルスケアにおけるAI
物流におけるAI
製造業におけるAI
小売におけるAI
ロボティクスにおけるAI
農業におけるAI
自動車におけるAI
ヘルスケアにおけるAI
物流におけるAI
製造業におけるAI
小売におけるAI
ロボティクスにおけるAI
農業におけるAI
自動車におけるAI
ヘルスケアにおけるAI
物流におけるAI
製造業におけるAI
小売におけるAI
ロボティクスにおけるAI
よくある質問
物体検出は、画像またはビデオフレーム内の物体を特定し、それぞれをBBoxとクラスラベルで囲むタスクです。Ultralytics YOLOモデルは単一のパスで検出を実行するため、エッジデバイスからクラウドGPUまでのハードウェアでリアルタイムに動作します。検出はUltralytics YOLOファミリーの基盤タスクであり、追跡、カウント、分析ワークフローの出発点となります。
Ultralytics YOLO26は最新の安定版であり、新規の検出プロジェクトに推奨される選択肢です。エンドツーエンドかつNMSフリーの設計によりデプロイが簡素化され、ナノバリアントはCPUやエッジ推論向けに最適化されています。YOLO11やYOLOv5uなどの旧世代も、同じAPIを通じて引き続きサポートされます。
Ultralyticsライブラリのtrainモードを使用してYOLOフォーマットのデータセットでトレーニングするか、Ultralytics Platformを使用して画像の注釈付け、クラウドGPUでのトレーニング、ブラウザからの実行管理を行うことができます。事前学習済みウェイトから開始することを推奨します。ゼロからのトレーニングよりも高速に収束し、必要なデータ量も少なくて済みます。
検出モデルは、IoU閾値全体で計算される精度（Precision）、再現率（Recall）、および平均適合率（mAP）を使用して評価されます。Ultralyticsの検証では、これらの指標がクラスごとに自動的にレポートされます。モデル評価ガイドでは、それらの解釈方法と、データセットおよびトレーニング設定の改善方法について解説しています。
トレーニング済みの検出器をexportモードを使用して、ターゲットのハードウェアに合わせてONNX、TensorRT、CoreML、OpenVINO、LiteRTなどのフォーマットに変換します。YOLO26のNMSフリー設計はエクスポートされたグラフをシンプルに保ち、benchmarkモードで出荷前に各フォーマットの速度と精度を比較できます。
Ultralyticsで物体検出を構築する
Ultralytics Platformを使用して、データの注釈付け、YOLO26検出器のトレーニング、およびあらゆる場所へのデプロイが可能です。