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

Link to this sectionホーム#

Ultralytics YOLO26を紹介します。これは、高い評価を得ているリアルタイム物体検出および画像セグメンテーションモデルの最新バージョンです。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実現しています。その合理化された設計により、さまざま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およびYOLO11の両方が推奨されます。

Ultralytics Docsをご覧ください。これは、その機能と能力を理解し活用するために設計された包括的なリソースです。経験豊富な機械学習の実務者であっても、この分野の初心者であっても、このハブはプロジェクトにおけるYOLOの可能性を最大限に引き出す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。

Link to this sectionはじめに#

Link to this sectionYOLO: 短い歴史#

YOLO (You Only Look Once) は、人気のある物体検出および画像セグメンテーションモデルであり、ワシントン大学のJoseph RedmonとAli Farhadiによって開発されました。2015年に発表されたYOLOは、その高速性と精度で人気を博しました。

• 2016年にリリースされたYOLOv2は、バッチ正規化、アンカーボックス、ディメンションクラスタリングを組み込むことで、元のモデルを改善しました。
• 2018年に発表されたYOLOv3は、より効率的なバックボーンネットワーク、複数のアンカー、空間ピラミッドプーリングを使用して、モデルのパフォーマンスをさらに強化しました。
• YOLOv4は2020年にリリースされ、Mosaicデータ拡張、新しいアンカーフリー検出ヘッド、および新しい損失関数といった革新をもたらしました。
• YOLOv5は、モデルのパフォーマンスをさらに向上させ、ハイパーパラメータ最適化、統合された実験追跡、一般的なエクスポート形式への自動エクスポートなどの新機能を追加しました。
• YOLOv6は2022年にMeituanによってオープンソース化され、同社の多くの自動配送ロボットで使用されています。
• YOLOv7は、COCOキーポイントデータセットでの姿勢推定などの追加タスクを加えました。
• YOLOv8は2023年にUltralyticsからリリースされ、パフォーマンス、柔軟性、効率を向上させるための新機能と改善が導入され、幅広いビジョンAIタスクをサポートしています。
• YOLOv9は、プログラマブル勾配情報(PGI)やGeneralized Efficient Layer Aggregation Network (GELAN)のような革新的な手法を導入しています。
• YOLOv10 created by researchers from Tsinghua University using the Ultralytics Python package, provides real-time object detection advancements by introducing an End-to-End head that eliminates Non-Maximum Suppression (NMS) requirements.
• YOLO11: 2024年9月にリリースされたYOLO11は、物体検出、セグメンテーション、姿勢推定、追跡、分類を含む複数のタスクで優れたパフォーマンスを発揮し、多様なAIアプリケーションやドメインへの展開を可能にします。
• YOLO26 🚀: エッジ展開用に最適化された、エンドツーエンドのNMSフリー推論を備えたUltralyticsの次世代YOLOモデル。

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物体検出の進化#

物体検出は、従来のコンピュータビジョン技術から高度なディープラーニングモデルへと、長年にわたって大きく進化してきました。YOLOモデルファミリーはこの進化の最前線にあり、リアルタイム物体検出で可能なことの境界を一貫して押し広げてきました。

YOLOのユニークなアプローチは、物体検出を単一の回帰問題として扱い、画像全体からバウンディングボックスとクラス確率を1回の評価で直接予測します。この画期的な手法により、YOLOモデルは、高い精度を維持しながら、以前の2ステージ検出器よりも大幅に高速化されました。

新しいバージョンが出るたびに、YOLOはパフォーマンスを様々な指標で向上させるアーキテクチャの改善と革新的な技術を導入してきました。YOLO26は、最新のコンピュータビジョン研究の進歩を取り入れ、エンドツーエンドのNMSフリー推論と実世界アプリケーションのためのエッジ最適化を特徴とすることで、この伝統を継承しています。

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の開始は迅速かつ簡単です。pipを使用してUltralyticsパッケージをインストールし、数分でセットアップできます。基本的なインストールコマンドは以下の通りです：

pip install -U ultralytics

包括的なステップバイステップガイドについては、クイックスタートページをご覧ください。このリソースは、インストールの手順、初期セットアップ、そして最初のモデルの実行を支援します。

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：

1. アノテーション済みのデータセットを準備する。
2. YAMLファイルでトレーニングパラメータを設定する。
3. yolo TASK trainコマンドを使用してトレーニングを開始する。（各TASKには独自の引数があります）

物体検出タスクのコード例は以下の通りです：

from ultralytics import YOLO

# Load a pretrained YOLO model (you can choose n, s, m, l, or x versions)
model = YOLO("yolo26n.pt")

# Start training on your custom dataset
model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640)

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追跡をサポートしています。追跡機能を利用するには、以下のようにyolo trackコマンドを使用します：

from ultralytics import YOLO

# Load a pretrained YOLO model
model = YOLO("yolo26n.pt")

# Start tracking objects in a video
# You can also use live video streams or webcam input
model.track(source="path/to/video.mp4")

物体追跡の設定と実行に関する詳細なガイドについては、トラックモードのドキュメントをご覧ください。これには、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が説明されています。