中文 · 한국어 · 日本語 · Русский · Deutsch · Français · Español · Português · Türkçe · Tiếng Việt · العربية

Link to this sectionUltralytics YOLO ドキュメント#

Ultralytics YOLO は、物体検出、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、指向性バウンディングボックス、およびトラッキングのためのリアルタイムコンピュータビジョンモデルファミリーであり、単一の Python パッケージおよび CLI を通じて提供されます。YOLO26 はディープラーニングとコンピュータビジョンの進歩に基づいて構築されており、エンドツーエンドの NMS フリー推論と最適化されたエッジ展開を特徴としています。その効率的な設計により、様々なアプリケーションに適しており、エッジデバイスからクラウド API まで、多様なハードウェアプラットフォームに容易に適応可能です。安定した本番ワークロードには、YOLO26 と YOLO11 の両方が推奨されます。

YOLO パッケージと CLI、さらにデータアノテーション、クラウド学習、モデルデプロイ機能を追加する Ultralytics Platform を網羅した、包括的なリソースである Ultralytics ドキュメントをご覧ください。機械学習の熟練者であるか、この分野の初心者であるかにかかわらず、このハブはプロジェクトで YOLO を最大限に活用できるよう支援することを目的としています。

商用利用のためのエンタープライズライセンスのリクエストは、Ultralytics Licensingから行ってください。

🚀 新機能: ナレッジディスティレーション

より大きな教師モデルのガイダンスを使用して小さなYOLOモデルをトレーニングします。推論コストは追加されず、精度が向上します。

詳細はこちら

Link to this section2 つのコマンドで始める#

# Install the ultralytics package from PyPI
pip install ultralytics

# Detect objects in an image with a pretrained YOLO26 model
yolo predict model=yolo26n.pt source='https://github.com/ultralytics/assets/releases/download/v0.0.0/bus.jpg'

モデルの重みとサンプル画像は自動的にダウンロードされ、アノテーション結果は runs/detect/predict に保存されます。

完全なインストールおよび使用方法のリファレンスについては、Quickstart ガイドを参照してください。

Link to this section何を実現したいですか？#

独自のデータセットでモデルを学習する

事前学習済みの YOLO26 モデルを独自のデータセットでファインチューニングし、マルチ GPU 学習のためにオーグメンテーションやハイパーパラメータを調整します

カスタムモデルを学習する

画像や動画でモデルを実行する

事前学習済みモデルを読み込み、数行の Python コードまたは単一の CLI コマンドでバウンディングボックス、マスク、またはキーポイントを取得します

新しいデータで予測する

動画フレーム間でオブジェクトをトラッキングする

YOLO26 の予測パイプラインに組み込まれた BoT-SORT または ByteTrack を使用して、動画フレーム間で永続的な ID を持つオブジェクトをトラッキングします

マルチオブジェクトトラッキング

すぐに使えるビジョンアプリケーションを実行する

学習不要で、オブジェクトカウント、ヒートマップ、行列管理、セキュリティアラーム、ワークアウトなどに対応した即戦力のビジョンアプリです

ソリューションを探す

モデルをデプロイする

学習済みモデルを ONNX、TensorRT、または OpenVINO にエクスポートし、エッジデバイス、モバイルハードウェア、およびクラウドサーバー上で高速推論を実行します

エクスポートとデプロイ

最適なモデルを選択する

YOLO26、YOLO11、SAM 3、RT-DETR、その他サポートされているすべてのアーキテクチャを、速度、精度、およびユースケース別に比較します

すべてのモデルを表示

Python API を調べる

新しいリリースごとにソースから自動生成される、Python API のクラス、関数、メソッドシグネチャを参照します

API リファレンス

最新情報: YOLO26

Ultralytics の最新モデルファミリーは、YOLO11 と比較して精度とレイテンシのトレードオフが改善された、NMS フリーでエンドツーエンドの推論を提供します

YOLO26 を知る

Link to this sectionこれらのドキュメントの構成#

ほとんどのモデルワークフロー yolo コマンドは yolo [TASK] MODE ARGS という 1 つの文法に従います（Task は省略可能）。ドキュメントもこれら 3 つのパーツに加えて 1 つのショートカットで構成されています。

Taskは、画像から何を得たいかを定義します。detection、instance segmentation、semantic segmentation、classification、pose estimation、またはoriented boxesから選択します。
Modeは、モデルをどのように使用するかを定義します。train、validate、predict、export、track、またはbenchmarkから選択します。
Args configures the command, from which model to run with model= to hyperparameters like epochs and imgsz.
Solutions はショートカットであり、Task や Mode を完全にスキップする、オブジェクトカウントやセキュリティアラームといった完成済みのアプリケーションです。

その他すべてはこの文法をサポートしています。 Models は model= に渡せるすべてのアーキテクチャ（YOLO26、YOLO11、SAM 3、RT-DETR など）をリストアップしています。Datasets は各 Task で学習対象となるデータセットを提供します。Guides は、ハードウェアデプロイ、ハイパーパラメータチューニング、データセット変換、プロジェクトの完全なウォークスルーなど、広範な詳細ハウツー集です。Integrations は既存の学習およびデプロイツールをパイプラインに接続し、Reference セクションは Python API のすべてのクラスと関数をドキュメント化しています。

Python パッケージ以外にも、同じモデルで動作する 2 つのインターフェースがあります。クラウドでのアノテーション、学習、デプロイを行う Ultralytics Platform と、Python ランタイムなしでエクスポートされたモデルを実行するための Rust 製ライブラリおよび CLI である Ultralytics Inference です。

Link to this sectionYOLOライセンス: Ultralytics YOLOはどのようにライセンスされていますか？#

Ultralyticsは、多様なユースケースに対応するために2つのライセンスオプションを提供しています。

AGPL-3.0 ライセンス: このOSI認定オープンソースライセンスは、オープンなコラボレーションと知識共有を促進するため、学生や愛好家に最適です。詳細はLICENSEファイルを参照してください。
Enterprise License: 開発および商用利用向けに、このライセンスでは Ultralytics ソフトウェアと AI モデルをビジネス製品やサービスにシームレスに統合できます（社内ツール、自動ワークフロー、本番環境へのデプロイを含みます）。AGPL-3.0 のオープンソース要件を回避できます。開始するには、Ultralytics Licensing からお問い合わせください。

当社のライセンス戦略は、オープンソースプロジェクトへの改善がコミュニティに確実に還元されるように設計されています。私たちはオープンソースを信じており、当社の貢献が誰もが利益を得られる方法で使用され、拡大されることを保証することが使命です。

Link to this sectionよくある質問 (FAQ)#

Link to this sectionUltralytics YOLOとは何ですか、またどのように物体検出を改善しますか？#

Ultralytics YOLO is the acclaimed YOLO (You Only Look Once) series for real-time object detection and image segmentation. The latest model, YOLO26, builds on previous versions by introducing end-to-end NMS-free inference and optimized edge deployment. YOLO supports various vision AI tasks such as detection, instance segmentation, semantic segmentation, pose estimation, tracking, and classification. Its efficient architecture ensures excellent speed and accuracy, making it suitable for diverse applications, including edge devices and cloud APIs.

Link to this sectionYOLOのインストールとセットアップを開始するにはどうすればよいですか？#

YOLO の利用開始は迅速かつ簡単です。pip から pip install ultralytics で Ultralytics パッケージをインストールし、最初の予測を yolo predict model=yolo26n.pt で実行してください。モデルの重みは自動的にダウンロードされます。conda、Docker、ソースからのインストールを含む包括的な手順については、Quickstart ページを参照してください。

Link to this section自分のデータセットでカスタムYOLOモデルをトレーニングするにはどうすればよいですか？#

カスタムデータセットでカスタムYOLOモデルをトレーニングするには、いくつかの詳細なステップが必要です：

アノテーション済みのデータセットを準備し、データセット YAML ファイルに記述します。
Python で YOLO("yolo26n.pt") のようにして、事前学習済みモデルを読み込みます。
model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640) で学習を開始するか、コマンドラインから yolo detect train data=path/to/dataset.yaml epochs=100 imgsz=640 を使用して学習を開始します。

詳細なチュートリアルについては、モデルのトレーニングガイドをご覧ください。これには、トレーニングプロセスを最適化するための例とヒントが含まれています。

Link to this sectionUltralytics YOLOで利用可能なライセンスオプションは何ですか？#

Ultralyticsは、YOLOに対して2つのライセンスオプションを提供しています：

AGPL-3.0 ライセンス: このオープンソースライセンスは、オープンなコラボレーションを促進するため、教育目的および非商用利用に最適です。
エンタープライズライセンス: 内部ツール、自動化されたワークフロー、本番展開を含む開発および本番環境での利用向けであり、AGPL-3.0のオープンソース要件を回避します。

詳細については、ライセンスページをご覧ください。

Link to this sectionUltralytics YOLOをリアルタイム物体追跡に使用するにはどうすればよいですか？#

Ultralytics YOLO は効率的でカスタマイズ可能なマルチオブジェクトトラッキングをサポートしています。Python で YOLO("yolo26n.pt").track(source="path/to/video.mp4") を呼び出すか、コマンドラインから yolo track source=path/to/video.mp4 を実行してください。どちらも動画ファイル、ライブストリーム、ウェブカメラ入力で機能します。オブジェクトトラッキングの設定と実行に関する詳細なガイドについては、リアルタイムシナリオにおける設定と実用的なアプリケーションを説明した Track Mode ドキュメントを確認してください。