Ultralyticsがサポートするモデル#
Ultralyticsのモデルドキュメントへようこそ。さまざまなタスクに合わせた幅広いモデルをサポートしています。対象タスクには、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、画像分類、姿勢推定、方向付きバウンディングボックスなどがあります。モデルアーキテクチャをUltralyticsに提供することに関心がある場合は、コントリビューションガイドをご確認ください。
注目のモデル#
新しいプロジェクトではYOLO26から始めてください。これはUltralyticsの最新リリースであり、7つすべてのタスクをカバーする唯一のモデルです。YOLO11は成熟した代替モデルで、対応する5つのタスクそれぞれに事前学習済みチェックポイントがあります。プロンプト可能なセグメンテーション（SAM 3）、オープンボキャブラリー検出（YOLOE、YOLO-World）、またはTransformer検出器（RT-DETR）が必要な場合にのみ、特化型ファミリーを選択してください。
YOLO27は今年後半の公開に向けた最終的な研究開発を進めており、公開日はまだ決定していません。そのアーキテクチャ、予定されている7つのタスク、および予備ベンチマークをご確認いただけます。モデルの重みとパッケージのサポートはまだ利用できないため、現在のプロジェクトにはYOLO26をご利用ください。
この表には、リリースされたモデルとアーキテクチャのリファレンスが、それぞれのタスク、サポートされているtrain、val、predict、exportモード、および推奨されるユースケースとともに記載されています。Trackは個別には記載されていません。Detect、Segment、Pose、OBBモデルの予測（predict）上で実行され、一方SAM 2およびSAM 3は独自のビデオプレディクターを通じて追跡を行います。Benchmarkも同様に個別には記載されていません。これは、独自のサポートを追加するのではなく、フォーマット全体にわたってエクスポートと検証（val）をラップするためです。
| モデル | タスク | モード | 用途 |
|---|---|---|---|
| YOLO26 🚀 新登場 | Detect、Segment、Semantic、Depth、Classify、Pose、OBB | Train、Val、Predict、Export | 新規プロジェクト向け：オプションのNMSフリー推論、エッジ最適化されたデプロイ、そして最も幅広いタスクカバレッジ |
| YOLO12 | Detect、Segment、Classify、Pose、OBB | Train、Val、Predict、Export | アテンション中心のコミュニティリリースのベンチマーク。事前学習済み重みは検出のみをカバーします |
| YOLO11 | Detect、Segment、Classify、Pose、OBB | Train、Val、Predict、Export | 対応するすべてのタスクに事前学習済みチェックポイントがある、安定した本番ワークロード |
| YOLOv10 | Detect | Train、Val、Predict、Export | 清華大学によるNMS不要検出の研究 |
| YOLOv9 | Detect、Segment | Train、Val、Predict、Export | UltralyticsのYOLOv5コードベースに実装されたプログラマブル勾配情報（PGI） |
| YOLOv8 | Detect、Segment、Classify、Pose、OBB | Train、Val、Predict、Export | 既存のYOLOv8パイプラインと、確立されたサードパーティ統合 |
| YOLOv7 | Detect | 推論 | 上流で学習したYOLOv7のexportを実行する用途：パッケージは互換性のあるONNXまたはTensorRTモデルから予測し、ネイティブチェックポイントから予測することはありません |
| YOLOv6 | Detect | Train、Val、Predict、Export | YAMLからMeituanのアーキテクチャを学習する用途。UltralyticsはYOLOv6の.ptチェックポイントをホストしていません |
| YOLOv5 | Detect | Train、Val、Predict、Export | 従来のUltralyticsプロジェクト。現行リリースでは更新版のYOLOv5uチェックポイントを読み込みます |
| YOLOv4 | なし | なし | アーキテクチャのリファレンスのみ：Alexey BochkovskiyのDarknetネイティブモデルはパッケージでサポートされていません |
| YOLOv3 | Detect | Train、Val、Predict、Export | Joseph Redmonのオリジナルアーキテクチャを使用する従来のプロジェクト。現行リリースでは更新版のYOLOv3uチェックポイントを読み込みます |
| SAM 3 🚀 新登場 | Segment | 推論 | テキストや画像のサンプルを用いた、画像および動画におけるMetaのプロンプトベースの概念セグメンテーションです。sam3.ptおよびSAM 3.1 sam3.1_multiplex.pt（画像）には、Hugging Faceでのアクセス承認が必要です。 |
| SAM 2 | Segment | 推論 | 動画フレーム間で物体をトラッキングする、Metaのプロンプト可能なセグメンテーション |
| SAM | Segment | 推論 | 自動アノテーションを含む、Metaのオリジナルのプロンプト可能なセグメンテーション |
| MobileSAM | Segment | 推論 | モバイルなどのリソース制約デバイスでのプロンプト可能なセグメンテーション（慶熙大学） |
| FastSAM | Segment | Val、Predict、Export | SAMのレイテンシーがボトルネックになる場合のCNNベースのプロンプト可能なセグメンテーション（中国科学院） |
| YOLO-NAS | Detect | Val、Predict、Export | DeciのNAS最適化検出器。推論とexport用に維持されていますが、NVIDIAによる買収後、Deciはこれらの保守を終了しています |
| RT-DETR | Detect | Train、Val、Predict、Export | BaiduのリアルタイムDETR検出器：ハイブリッドTransformerエンコーダーを備えた畳み込みバックボーン |
| YOLO-World | Detect | Train、Val、Predict、Export | テキストプロンプトによるオープンボキャブラリー検出（Tencent AI Lab）。exportには-worldv2チェックポイントが必要です |
| YOLOE | Detect、Segment | Train、Val、Predict、Export | テキスト、視覚情報、またはプロンプトなしの推論によるオープンボキャブラリー検出とセグメンテーション |
Ultralyticsは、テキストおよび画像の理解に対応する大規模言語モデルと視覚モデル向けに、OpenAI互換インターフェースのLLMも提供しています。独自のタスクやモードはないため上の表には含めていませんが、あらゆるYOLOパイプラインと組み合わせることができ、OpenAIやその他のクラウドプロバイダー、または完全ローカルのオンプレミスサーバー上で実行できます。
Watch: Run Ultralytics YOLO models in just a few lines of code.
始め方：使用例#
この例では、YOLOの学習と推論の簡単な例を示します。これらおよびその他のモードの完全なドキュメントについては、Predict、Train、Val、Exportの各ドキュメントページをご覧ください。
以下の例では、物体検出用のYOLO26 Detectモデルを取り上げています。その他のサポート対象タスクについては、Segment、Semantic、Depth、Classify、Pose、OBBの各ドキュメントをご覧ください。
PyTorchの事前学習済み*.ptモデルと設定用の*.yamlファイルを、YOLO()、SAM()、NAS()、RTDETR()クラスに渡すことで、Pythonでモデルインスタンスを作成できます。
from ultralytics import YOLO
# Load a COCO-pretrained YOLO26n model
model = YOLO("yolo26n.pt")
# Display model information (optional)
model.info()
# Train the model on the COCO8 example dataset for 100 epochs
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Run inference with the YOLO26n model on the 'bus.jpg' image
results = model("path/to/bus.jpg")新しいモデルのコントリビューション#
モデルをUltralyticsに提供することに関心がありますか。ぜひご参加ください。私たちは常にモデルポートフォリオの拡充を歓迎しています。
-
リポジトリをフォークする：Ultralytics GitHubリポジトリをフォークすることから始めます。
-
フォークをクローンする：フォークをローカルマシンにクローンし、作業用の新しいブランチを作成します。
-
モデルを実装する：コントリビューションガイドに記載されたコーディング標準とガイドラインに従ってモデルを追加します。
-
十分にテストする：モデルを単体で、またパイプラインの一部としても、厳密にテストしてください。
-
Pull Requestを作成する：モデルに問題がないことを確認したら、レビューのためにメインリポジトリへPull Requestを作成します。
-
コードレビューとマージ：レビュー後、モデルが基準を満たしていれば、メインリポジトリにマージされます。
詳しい手順については、コントリビューションガイドをご覧ください。
FAQ#
最新のリリースされたUltralytics YOLOモデルは2026年1月にリリースされたYOLO26です。YOLO26は、オプションのNMSフリーのエンドツーエンド推論、最適化されたエッジデプロイメントを備えており、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、OBB、およびオープンボキャブラリーバージョンをサポートしています。安定した本番ワークロードには、YOLO26とYOLO11の両方が推奨される選択肢です。
YOLO27は次期ファミリーであり、現在最終的な研究開発段階にあります。まだ利用可能ではなく、公開日は決定していません。
カスタムデータでのYOLOモデルの学習は、Ultralyticsのライブラリを使用して簡単に実行できます。簡単な例を以下に示します。
例from ultralytics import YOLO # Load a YOLO model model = YOLO("yolo26n.pt") # or any other YOLO model # Train the model on custom dataset results = model.train(data="custom_data.yaml", epochs=100, imgsz=640)より詳しい手順については、Trainのドキュメントページをご覧ください。
Ultralyticsは、YOLOv3、YOLOv5、YOLOv6、YOLOv8、YOLOv9、YOLOv10、YOLO11、YOLO12、YOLO26をネイティブにサポートするとともに、SAMファミリー（SAM 3、SAM 2、SAM、MobileSAM、FastSAM）、YOLO-NAS、RT-DETR、YOLO-World、YOLOEもサポートしています。パッケージはYOLOv4またはYOLOv7用の重みやYAMLを公開していません。YOLOv4はアーキテクチャのリファレンスとしてのみドキュメント化され、YOLOv7はexport済みのONNXまたはTensorRTモデルとして実行されます。各モデルで利用可能なタスクとモードについては、注目のモデルをご覧ください。
Ultralytics Platformは、YOLOモデルの学習、デプロイ、管理に対応するノーコードのエンドツーエンドプラットフォームです。複雑なワークフローを簡素化し、ユーザーがモデルの性能とアプリケーションに集中できるようにします。また、クラウド学習機能、包括的なデータセット管理、初心者と経験豊富な開発者の双方にとって使いやすいインターフェースも提供します。
Ultralytics YOLOモデルは汎用性が高く、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、方向付き物体検出（OBB）などのタスクを実行できます。最新モデルのYOLO26は、7つすべてのタスクに加えてオープンボキャブラリー検出にも対応しています。特定のタスクの詳細については、タスクページをご覧ください。