Link to this sectionDL StreamerパイプラインフレームワークとOpenVINO™を使用した、Intel Core Ultra Series 3上のUltralytics YOLO26#

This comprehensive guide provides a detailed walkthrough for deploying Ultralytics YOLO26 on Intel Core Ultra Series 3 platforms using DL Streamer Pipeline Framework and OpenVINO™ toolkit. Here we use OpenVINO™ to maximize inference performance on Intel CPUs, integrated and discrete GPUs, and NPUs.

目次: Intel DL Streamerとは？ • 前提条件 • YOLO26モデルの準備 • YOLO26による推論の実行 • マルチストリーム設定 • FAQ

Link to this sectionIntel DL Streamerとは？#

Deep Learning Streamer (DL Streamer) Pipeline Frameworkは、GStreamerマルチメディアフレームワークをベースとしたオープンソースのストリーミングメディア分析フレームワークであり、クラウドやエッジ向けの複雑なメディア分析パイプラインを作成するために設計されています。

DL Streamerは、オーディオおよびビデオストリームの解析を可能にし、オブジェクト、イベント、人物の検出、分類、追跡、識別、カウントを行います。Intelハードウェア向けに最適化されており、様々なバックエンドライブラリ上に構築されたGStreamerプラグイン間の相互運用性を提供します。

推論: OpenVINO™推論エンジン（Intel CPU、GPU、NPU向けに最適化）
ビデオエンコード/デコード: VA-API経由のGPUアクセラレーション
画像処理: VA-API経由のGPUアクセラレーション
メタデータ: 構造化された推論結果のためのGStreamer Analytics
エコシステム: メディアI/O、多重化/分離、コーデックサポートなどのための数百ものGStreamerプラグイン

DL Streamerは、すべてOpenVINO™形式の、Ultralytics YOLOファミリー全体（YOLOv5からYOLO26まで）を含む多くのAIモデルをサポートしています。

DL Streamerは、System Requirements — Open Edge Platform Documentationに提供されているシステムで定期的に検証されています。

Link to this section前提条件#

開始する前に、Intelシステム上で以下がインストールおよび設定されていることを確認してください。

Ubuntu 24.04（Intel GPU/NPUドライバーインストール済み、インストールガイドを確認してください）
docker engine（インストールガイドを確認してください）

Link to this sectionYOLO26モデルの準備#

DL StreamerはOpenVINO™ IR形式のモデルを使用します。Ultralytics YOLO26モデルは、Ultralyticsエクスポート機能を使用してPyTorchからOpenVINO™ IRへエクスポートされます。DL Streamerは、Intelハードウェア向けの最適化されたエクスポートおよび推論機能を提供する、公式のUltralytics OpenVINO™ integrationを活用します。

~/intel/dlstreamer_demoフォルダを作成し、仮想環境にOpenVINO™とUltralyticsをインストールします。

mkdir -p ~/intel/dlstreamer_demo && cd ~/intel/dlstreamer_demo
python3 -m venv .dls-venv && source .dls-venv/bin/activate
pip install openvino==2026.2.0 ultralytics==8.4.92

UltralyticsからPyTorch YOLO26sモデルをダウンロードし、OpenVINO™ IR形式に変換して、INT8精度バリアントを生成します。

yolo export model=yolo26s.pt format=openvino dynamic=True quantize=8 data=coco128.yaml

モデルは~/intel/dlstreamer_demo/yolo26s_int8_openvino_modelフォルダにダウンロードされるはずです。

Link to this sectionモデル精度#

DL StreamerはFP32、FP16、およびINT8精度のモデルをサポートしています。それぞれに個別のエクスポート手順が必要です。

# FP32 (default precision, highest accuracy)
yolo export model=yolo26s.pt format=openvino dynamic=True

# FP16 (recommended for GPU inference, good accuracy/performance balance)
yolo export model=yolo26s.pt format=openvino dynamic=True quantize=16

# INT8 (maximum performance, requires calibration dataset)
yolo export model=yolo26s.pt format=openvino dynamic=True quantize=8 data=coco128.yaml

以下の例では、準備手順でエクスポートされたINT8モデルを使用します。FP32またはFP16モデルを使用する場合は、それに応じてモデルパスを置き換えてください（例: yolo26s_openvino_model/yolo26s.xml）。

Link to this sectionYOLO26による推論の実行#

DL Streamer YOLO26推論検出パイプラインを実行する前に、DL Streamer Dockerイメージをインタラクティブモードで実行してください。YOLO26モデルの準備ステップに従い、Pexelsデータベースから以下のビデオファイルをダウンロードしたことを確認してください。

curl -L https://videos.pexels.com/video-files/1192116/1192116-sd_640_360_30fps.mp4 --output ~/intel/dlstreamer_demo/video1.mp4

DL Streamer Dockerイメージをインタラクティブモードで実行します。

注意

このコマンドは、内蔵GPU（iGPU）およびNPUを搭載したIntel Core Ultra Series 3プロセッサを備えたシステムを対象としています。

docker run -it --rm \
  -v ~/intel/dlstreamer_demo:/home/dlstreamer/demo \
  -v "$HOME/.Xauthority:/root/.Xauthority:rw" \
  -e DISPLAY=$DISPLAY \
  -e XDG_RUNTIME_DIR=/tmp \
  -v /tmp/.X11-unix:/tmp/.X11-unix \
  --device /dev/dri \
  --group-add $(stat -c "%g" /dev/dri/render*) \
  --device /dev/accel \
  --group-add $(stat -c "%g" /dev/accel/accel*) \
  -e ZE_ENABLE_ALT_DRIVERS=libze_intel_npu.so \
  intel/dlstreamer:latest

Link to this sectionINT8精度（最大パフォーマンス）#

INT8量子化は、モデルの重みを8ビット整数に削減することで、最大の処理能力を実現します。Ultralyticsエクスポート機能はキャリブレーションを自動的に処理します。

Link to this sectionGPU上でINT8を使用してYOLO26sを実行します。#

gst-launch-1.0 filesrc location=/home/dlstreamer/demo/video1.mp4 ! decodebin3 ! gvadetect model=/home/dlstreamer/demo/yolo26s_int8_openvino_model/yolo26s.xml device=GPU ! queue ! vapostproc ! gvawatermark ! gvafpscounter ! autovideosink sync=false

Link to this sectionGPU上でINT8を使用してYOLO26sを実行し、出力をビデオファイル（~/intel/dlstreamer_demo/yolo_video1_yolo26s_INT8_GPU.mp4）に保存します。#

gst-launch-1.0 filesrc location=/home/dlstreamer/demo/video1.mp4 ! decodebin3 ! gvadetect model=/home/dlstreamer/demo/yolo26s_int8_openvino_model/yolo26s.xml device=GPU ! queue ! vapostproc ! gvawatermark ! gvafpscounter ! vah264enc ! h264parse ! mp4mux ! filesink location=/home/dlstreamer/demo/yolo_video1_yolo26s_INT8_GPU.mp4

Link to this sectionNPU上でINT8を使用してYOLO26sを実行します。#

gst-launch-1.0 filesrc location=/home/dlstreamer/demo/video1.mp4 ! decodebin3 ! gvadetect model=/home/dlstreamer/demo/yolo26s_int8_openvino_model/yolo26s.xml device=NPU ! queue ! vapostproc ! gvawatermark ! gvafpscounter ! autovideosink sync=false

Link to this sectionマルチストリーム設定#

DL Streamerは、複数のビデオソースを同時にデコードおよび推論するマルチストリーム処理をサポートしています。GStreamerのvacompositor要素を使用して複数のストリームを組み合わせることで、複数のパイプラインを並列に起動できます。

Link to this section複数のパイプライン（4ストリーム）の並列実行（GPU）#

gst-launch-1.0 vacompositor name=comp sink_0::xpos=0 sink_0::ypos=0 sink_1::xpos=660 sink_1::ypos=0 sink_2::xpos=0 sink_2::ypos=380 sink_3::xpos=660 sink_3::ypos=380 ! autovideosink sync=false \
  filesrc location=/home/dlstreamer/demo/video1.mp4 ! decodebin3 ! gvadetect model=/home/dlstreamer/demo/yolo26s_int8_openvino_model/yolo26s.xml device=GPU model-instance-id=inf0 scheduling-policy="latency" ! queue ! gvawatermark ! gvafpscounter ! comp.sink_0 \
  filesrc location=/home/dlstreamer/demo/video1.mp4 ! decodebin3 ! gvadetect model=/home/dlstreamer/demo/yolo26s_int8_openvino_model/yolo26s.xml device=GPU model-instance-id=inf0 scheduling-policy="latency" ! queue ! gvawatermark ! gvafpscounter ! comp.sink_1 \
  filesrc location=/home/dlstreamer/demo/video1.mp4 ! decodebin3 ! gvadetect model=/home/dlstreamer/demo/yolo26s_int8_openvino_model/yolo26s.xml device=GPU model-instance-id=inf0 scheduling-policy="latency" ! queue ! gvawatermark ! gvafpscounter ! comp.sink_2 \
  filesrc location=/home/dlstreamer/demo/video1.mp4 ! decodebin3 ! gvadetect model=/home/dlstreamer/demo/yolo26s_int8_openvino_model/yolo26s.xml device=GPU model-instance-id=inf0 scheduling-policy="latency" ! queue ! gvawatermark ! gvafpscounter ! comp.sink_3

Link to this sectionよくある質問 (FAQ)#

Link to this sectionIntelプラットフォームでDL Streamerを使用してUltralytics YOLO26をセットアップするにはどうすればよいですか？#

Installation Guideに従ってDL Streamerをインストールし、source /opt/intel/dlstreamer/scripts/setup_dls_env.shで環境を設定し、UltralyticsとOpenVINO™をインストールし、download_ultralytics_models.shを使用してモデルをダウンロードします。次に、YOLO26推論パイプラインを実行するためのすぐに使えるスクリプトを提供するDL Streamerサンプルアプリケーションyolo_detect.shを使用して推論を実行します。実行方法については短いチュートリアルを確認してください。

Link to this sectionIntelハードウェア上でYOLO26とOpenVINO™を使用する利点は何ですか？#

OpenVINO™は、グラフ最適化、レイヤー融合、ハードウェア固有のカーネルチューニングなどの技術を通じて、YOLO26モデルをIntelハードウェア向けに特化して最適化します。DL StreamerのVA-APIアクセラレーションデコードおよびゼロコピーva-surface-sharing前処理と組み合わせることで、ビデオ分析パイプライン全体で、最適化されていないフレームワークよりも大幅に高いスループットを実現します。

Link to this section異なるIntelデバイス上でDL Streamerを使用してYOLO26を実行できますか？#

はい。DL Streamerは、複数のIntelプラットフォーム世代にわたり、Intel CPU（Core、Core Ultra、Xeon）、内蔵GPU（Iris Xe、Arc）、ディスクリートGPU（Arc A-Series、B-Series）、およびNPU（AI Boost）上での推論をサポートしています。DEVICEパラメータをCPU、GPU、またはNPUに変更するだけです。

Link to this sectionFP16とINT8の精度のどちらを選択すべきですか？#

FP16は、GPU推論のデフォルトとして推奨されます。FP32に近い精度を維持しつつ、約2倍のスループット向上を実現します。
INT8は、わずかな精度のトレードオフで最大のパフォーマンス（FP32比で2～3倍）を提供し、最大スループットが優先される場合に最適です。INT8モデルは、Ultralyticsエクスポート中に自動的にキャリブレーションされます。

Link to this sectionどのYOLO26タスクがサポートされていますか？#

DL Streamerは、すべてのYOLO26タスクバリアントをサポートしています： - 検出: yolo26n, yolo26s, yolo26m, yolo26l, yolo26x - 指向性バウンディングボックス (OBB): yolo26s-obb（およびすべてのサイズバリアント） - インスタンスセグメンテーション: yolo26s-seg（およびすべてのサイズバリアント） - 姿勢推定: yolo26s-pose（およびすべてのサイズバリアント） - 分類: yolo26s-cls（検出との複合パイプライン）

Link to this section検出結果を構造化データとしてエクスポートするにはどうすればよいですか？#

json出力オプションを使用して、検出結果をJSON-linesとしてファイルに書き込みます：

./yolo_detect.sh yolo26s GPU input_video.mp4 json va-surface-sharing INT8

あるいは、カスタムパイプラインでgvametapublish要素を使用して、メタデータをファイル、MQTT、またはKafkaにパブリッシュします。

Link to this section追加リソース#

コントリビューター

TBtbujewsk¹

作成日時 2 時間前更新日時 2 時間前