中文 · 한국어 · 日本語 · Русский · Deutsch · Français · Español · Português · Türkçe · Tiếng Việt · العربية
Ultralytics 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、深度推定、分類、姿勢推定、方向付きバウンディングボックス、トラッキングに対応するリアルタイムコンピュータービジョンモデルのファミリーで、1つのPythonパッケージとCLIから利用できます。YOLO26はディープラーニングとコンピュータービジョンの進歩を取り入れて構築されており、オプションのNMSフリーなエンドツーエンド推論と、最適化されたエッジデプロイに対応しています。シンプルな設計により、さまざまな用途に適しており、エッジデバイスからクラウドAPIまで、異なるハードウェアプラットフォームに簡単に適応できます。安定した本番環境のワークロードには、YOLO26とYOLO11の両方を推奨します。
YOLOパッケージとCLIに加え、同じモデル上にデータアノテーション、クラウドトレーニング、デプロイ機能を追加するUltralytics Platformを網羅した総合リソース、Ultralytics Docsをご覧ください。機械学習の経験豊富な実践者にも、この分野を始めたばかりの方にも、これらのリソースはプロジェクトでYOLOを最大限に活用するのに役立ちます。
商用利用向けのEnterpriseライセンスは、Ultralytics Licensingからお申し込みください。
YOLO27プレビューでは、アーキテクチャの詳細、暫定ベンチマーク、リリース後の使用例をご覧いただけます。モデルは今年後半のリリースを予定して最終的な研究開発（R&D）を進めていますが、まだ利用できず、リリース日は決まっていません。
1枚の写真から深度マップを生成し、各ピクセルの距離をメートル単位で表示します。
2つのコマンドですぐに開始#
# 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、アノテーション済みの結果は、初回実行時にコマンドが表示するディレクトリruns/detect/predictに保存されます。
すべてのインストール方法と最初の予測については、Quickstartガイドをご覧ください。
何をしますか？#
TrackTrack（デフォルト）、BoT-SORT、ByteTrack、OC-SORT、Deep OC-SORT、FastTrackerを使用して、永続的なIDでオブジェクトをトラッキングします
こ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、1つの文法yolo [TASK] MODE ARGSに従います。Taskは省略可能です。このドキュメントも同じ3つの要素と、1つのショートカットを中心に構成されています。
- Taskは、画像から何を取得するかを示します：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、深度推定、分類、姿勢推定、または方向付きボックス。
- Modeは、モデルをどのように使用するかを示します：トレーニング、検証、予測、エクスポート、トラッキング、またはベンチマーク。
- **Args**は、実行するモデルから、
model=で指定するハイパーパラメーター（epochsやimgszなど）まで、コマンドを設定します。 - **Solutions**はショートカットです。物体カウントやセキュリティアラームなどの完成済みアプリケーションで、TaskとModeを完全に省略できます。
そのほかの要素はすべて、この文法を支えます。Modelsには、model=に渡せるすべてのアーキテクチャ（YOLO26、YOLO11、SAM 3、RT-DETRなど）が掲載されています。Datasetsには各Taskのトレーニングに使用するデータセットがまとめられています。Guidesには、ハードウェアへのデプロイ、ハイパーパラメーターの調整、データセットの変換、プロジェクト全体の手順など、幅広い詳細ガイドが用意されています。Integrationsでは、パイプラインをすでに利用しているトレーニングおよびデプロイツールに接続できます。Referenceセクションでは、Python APIのすべてのクラスと関数について説明しています。
Pythonパッケージに加え、同じモデルを使用する環境が2つあります。クラウドでのアノテーション、トレーニング、デプロイに対応するUltralytics Platformと、Pythonランタイムなしでエクスポート済みモデルを実行する、スタンドアロンのRustライブラリおよびCLIであるUltralytics Inferenceです。
YOLOのライセンス：Ultralytics YOLOのライセンスについて#
Ultralyticsでは、さまざまな用途に対応するため、2種類のライセンスを提供しています。
- AGPL-3.0ライセンス：このOSI承認済みのオープンソースライセンスは、学生や愛好家に最適で、オープンな協働と知識の共有を促進します。詳細については、LICENSEファイルをご覧ください。
- Enterpriseライセンス：開発および本番環境での使用向けのライセンスです。AGPL-3.0のオープンソース要件を適用せずに、社内ツール、自動化ワークフロー、本番環境へのデプロイなど、ビジネス製品やサービスにUltralyticsのソフトウェアとAIモデルをシームレスに統合できます。ご利用を開始するには、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還元されるよう設計されています。私たちはオープンソースを大切にしており、すべての人に役立つ形で貢献を利用・発展できるようにすることを使命としています。
よくある質問#
Ultralytics YOLOは、リアルタイム物体検出と画像セグメンテーション向けの高く評価されているYOLO（You Only Look Once）シリーズです。最新モデルのYOLO26は、オプションのNMSフリーなエンドツーエンド推論と最適化されたエッジデプロイを導入し、従来のバージョンをさらに発展させています。YOLOは、ビジョンAIタスクとして、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、深度推定、分類、姿勢推定、方向付きバウンディングボックスなどに対応し、動画のフレーム間で検出したオブジェクトをトラッキングできます。効率的なアーキテクチャにより優れた速度と精度を実現し、エッジデバイスやクラウドAPIなど、幅広い用途に適しています。
YOLOはすばやく簡単に使い始められます。pipからUltralyticsパッケージを
pip install ultralyticsでインストールし、yolo predict model=yolo26n.ptで最初の予測を実行します。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詳しい手順については、Quickstartページをご覧ください。独自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、いくつかの詳しい手順が必要です。
- 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。
- 事前学習済みモデルを読み込みます。たとえば、Pythonでは
YOLO("yolo26n.pt")を使用します。 model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640)でトレーニングを開始するか、コマンドラインからyolo detect train data=path/to/dataset.yaml epochs=100 imgsz=640を実行します。
詳しい手順については、トレーニングプロセスを最適化するための例やヒントを含むモデルのトレーニングガイドをご覧ください。
Ultralyticsでは、YOLO向けに2種類のライセンスを提供しています。
- AGPL-3.0ライセンス：このオープンソースライセンスは、教育および非商用利用に最適で、オープンな協働を促進します。
- Enterpriseライセンス：社内ツール、自動化ワークフロー、本番環境へのデプロイなど、開発および本番環境での使用向けで、AGPL-3.0のオープンソース要件は適用されません。
詳細については、ライセンスページをご覧ください。
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に対応しています。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を実行します。どちらも動画ファイル、ライブストリーム、ウェブカメラ入力に対応しています。物体トラッキングの設定と実行方法について詳しくは、リアルタイムシナリオでの設定や実用例を説明するTrack Modeドキュメントをご覧ください。
