リアルタイムYOLOオブジェクト検出
Ultralytics YOLO26検出モデルを使用して、画像や動画内のオブジェクトを見つけてローカライズします。独自のデータでトレーニングし、明確な指標で評価し、エッジ、クラウド、モバイルでリアルタイムにデプロイします。
YOLO26検出モデル
オブジェクト検出はYOLO26ファミリの基本タスクであり、組み込みCPUから精度が重視さ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備えています。どのサイズも、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へエクスポート可能です。
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) | mAP 50-95 | mAP 50-95 (e2e) | CPU ONNX (ms) | T4 TensorRT (ms) | パラメータ数 (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に信頼されています
私たちのモデルがもたらす影響
最先端のビジョン AI モデルで、業界をまたいだプロセスを効率化します。Ultralytics が提供する、スピード、精度、そして使いやすさをご体験ください。
Ultralytics YOLOモデルの進化
Ultralytics YOLOが実践的なYOLOv5ワークフローからエッジ対応のYOLO26推論へとどのように進化したかをご覧ください。
スマートアノテーションで最大 10 倍高速にラベル付け
Ultralytics プラットフォームは、高品質なデータセットをより短期間で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正確な手動編集まで、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削減するように設計されています。
- SAM 駆動のスマートアノテーション: ワンクリックでマスクとバウンディングボックスを生成。
- AI タスクを完全にカバー: 検出、インスタンスセグメンテーション、セマンティックセグメンテーション、分類、姿勢推定、OBB。
- ユニバーサルフォーマットのサポート: YOLO、COCO など、お好みのフォーマットを選択可能。
- チームレビューとバージョニング: あらゆるステップでのスムーズなコラボレーション。
最適な GPU で低コストのトレーニングを実現
Ampere から Blackwell まで、26種類の NVIDIA GPU を 1 時間あたり $0.24 から提供します。マージンなし、最低利用料金なし、コミットメント不要です。
業界別ソリューションを見る
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ご覧ください。
農業
自動車
ヘルスケア
物流
製造
小売
ロボティクス
農業
自動車
ヘルスケア
物流
製造
小売
ロボティクス
農業
自動車
ヘルスケア
物流
製造
小売
ロボティクス
よくある質問
Object detection は画像やビデオフレーム内のオブジェクトを検出し、それぞれをバウンディングボックスとクラスラベルでローカライズします。Ultralytics YOLO モデルは1回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 に至るハードウェア上でリアルタイムに動作します。オブジェクト検出は Ultralytics YOLO ファミリーの基礎となるタスクであり、トラッキング、カウント、および分析ワークフローの出発点となります。
Ultralytics YOLO26 は、最新の安定世代であり、新しい検出プロジェクトにお勧めの選択肢です。エンドツーエンドの NMS フリー設計によりデプロイが簡素化され、ナノバリアントは CPU およびエッジ推論に最適化されています。YOLO11 や YOLOv5u などの以前のファミリーも、同じ API を通じて引き続きサポートされています。
YOLO 形式のデータセットを指定して Ultralytics ライブラリの train mode を使用するか、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います。事前学習済み重みからの開始が推奨されます。ファインチューニングは、ゼロからのトレーニングよりも収束が速く、必要なデータも少なくなります。
検出モデルは、IoU 閾値をまたいで計算される精度、再現率、平均適合率 (mAP) を用いて評価されます。Ultralytics の検証機能は、すべてのクラスのこれらの指標を自動的にレポートします。model evaluation guide 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説明しています。
export mode を使用して、学習済み検出器を ONNX、TensorRT、CoreML、OpenVINO、LiteRT などのターゲットハードウェア向けフォーマットに変換します。YOLO26 の NMS フリー設計によりエクスポートされたグラフがシンプルに維持され、benchmark mode により、出荷前にフォーマット間の速度と精度を比較できます。
Ultralyticsでオブジェクト検出を構築する
Ultralytics Platformを使用して、データのアノテーション、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を行います。