リアルタイムYOLO物体検出
Ultralytics YOLO26検出モデルで、画像や動画内の物体を検出し、位置を特定します。独自データでトレーニングし、明確な指標で評価して、エッジ、クラウド、モバイルにリアルタイムでデプロイできます。
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す。5つのモデルサイズが、組み込みCPUから高精度が求められるクラウドワークロードまで幅広く対応します。どのサイズも同じ3行のAPIで独自データを使ってトレーニングでき、ハードウェアに最適なフォーマットにエクスポートできます。
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） | パラメーター数（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ドキュメントに掲載されているYOLO26の検出ベンチマーク。
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影響
最先端のビジョンAIモデルで、さまざまな業界のプロセスを効率化します。Ultralyticsが、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のワークフローからエッジ対応のYOLO26推論まで、Ultralytics YOLOの進化をご覧ください。
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より速く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、品質を損なうことなく画像のラベル付けにかかる時間を短縮できるよう設計されています。
- SAMを活用した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作成できます。
- あらゆるAIタスクに対応：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。
- 幅広いフォーマットに対応：YOLO、COCOなどから選択できます。
- チームレビューとバージョン管理：あらゆる段階で明確なコラボレーションを実現します。
高性能GPUで、より低コストにトレーニング
AmpereからBlackwellまで、NVIDIA GPU 26種類を1時間あたり0.24ドルからご利用いただけます。上乗せ料金なし、最低利用額なし、契約義務なし。
業界別ソリューションを見る
さまざまな本番環境で、チームがUltralyticsのコンピューター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
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
物体検出は、画像や動画フレーム内の物体を識別し、それぞれのバウンディングボックスとクラスラベルで位置を特定します。Ultralytics YOLOモデルは1回の処理で検出を行うため、エッジデバイスからクラウドGPUまで、さまざまなハードウェアでリアルタイムに動作します。検出はUltralytics YOLOファミリーの基盤となるタスクであり、トラッキング、カウント、分析のワークフローの出発点です。
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推奨される選択肢です。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、nanoバリアントはCPUおよびエッジ推論向け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で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用意し、Ultralyticsライブラリのtrainモードを使うか、Ultralytics Platformで画像にアノテーションを付け、クラウドGPUでトレーニングし、ブラウザーから実行を管理してください。事前学習済みの重みから始めることをおすすめします。ファインチューニングはスクラッチからのトレーニングより収束が速く、必要なデータも少なくて済みます。
検出モデルは、IoU閾値全体で算出した適合率、再現率、平均適合率（mAP）で評価します。Ultralyticsの検証では、これらの指標がクラスごとに自動でレポートされます。モデル評価ガイドでは、指標の解釈方法とデータセットやトレーニング設定の改善方法を説明しています。
exportモードを使って、トレーニング済み検出器をONNX、OpenVINO、TensorRT、CoreML、LiteRTなどのフォーマットに変換し、対象ハードウェアに合わせてください。YOLO26のNMSフリー設計により、エクスポートされたグラフはシンプルに保たれます。また、benchmarkモードで各フォーマットの速度と精度を比較してからリリースできます。
Ultralyticsで物体検出を構築
Ultralytics Platformでデータにアノテーションを付け、YOLO26検出器をトレーニングして、どこにでもデプロイできます。