コンテンツにスキップ

Ultralytics でサポートされているモデル

Ultralyticsのモデルドキュメントへようこそ！物体検出、インスタンスセグメンテーション、画像分類、ポーズ推定、マルチオブジェクトトラッキングなど、特定のタスクに合わせて調整された幅広いモデルをサポートしています。Ultralyticsにモデルアーキテクチャを提供することに関心がある場合は、貢献ガイドをご覧ください。

Ultralytics YOLO11 の比較プロット

サポートされている主なモデルを紹介します。

  1. YOLOv3: YOLOモデルファミリーの第3のイテレーションであり、元々はJoseph Redmonによって開発され、効率的なリアルタイムオブジェクト検出機能で知られています。
  2. YOLOv4: 2020年にAlexey Bochkovskiyによってリリースされた、YOLOv3のdarknetネイティブアップデート。
  3. YOLOv5: UltralyticsによるYOLOアーキテクチャの改良版で、以前のバージョンと比較して、より優れたパフォーマンスと速度のトレードオフを提供します。
  4. YOLOv6: 2022年にMeituanによってリリースされ、同社の多くの自律配送ロボットで使用されています。
  5. YOLOv7: YOLOv4の著者によって2022年にリリースされた更新されたYOLOモデル。推論のみがサポートされています。
  6. YOLOv8: インスタンスセグメンテーション、ポーズ/キーポイント推定、分類などの機能が強化された汎用性の高いモデル。
  7. YOLOv9: Ultralytics YOLOv5コードベースで学習され、プログラム可能な勾配情報（PGI）を実装する実験的モデル。
  8. YOLOv10: 清華大学によるもので、NMSフリーのトレーニングと効率と精度を重視したアーキテクチャを特徴とし、最先端の性能とレイテンシーを実現します。
  9. YOLO11: detection、segmentation、姿勢推定、tracking、分類を含む複数のタスクで高いパフォーマンスを発揮するUltralyticsのYOLOモデル。
  10. YOLO26 🚀 NEW: エンドツーエンドのNMSフリー推論を備え、エッジデプロイメント向けに最適化されたUltralyticsの最新次世代YOLOモデル。
  11. Segment Anything Model (SAM)：MetaのオリジナルSegment Anything Model (SAM)。
  12. Segment Anything Model 2 (SAM2): Meta社の次世代Segment Anything Model（動画および画像用）です。
  13. Segment Anything Model 3 (SAM3) 🚀 新機能: Metaの第三世代Segment Anything Modelで、テキストおよび画像例ベースのセグメンテーションのためのプロンプト可能なコンセプトセグメンテーションを搭載しています。
  14. Mobile Segment Anything Model (MobileSAM)：慶熙大学校によるモバイルアプリケーション向けのMobileSAM。
  15. Fast Segment Anything Model (FastSAM)：中国科学院自動化研究所のImage & Video Analysis GroupによるFastSAM。
  16. YOLO-NAS: YOLO Neural Architecture Search (NAS) モデル。
  17. Real-Time Detection Transformers (RT-DETR): BaiduのPaddlePaddleリアルタイムDetection Transformer (RT-DETR) モデル。
  18. YOLO-World: Tencent AI LabによるリアルタイムOpen Vocabulary Object Detectionモデル。
  19. YOLOE: トレーニングデータを超えた任意のクラスを検出しながら、YOLOのリアルタイムパフォーマンスを維持する、改善されたオープンボキャブラリー物体検出器。



見る: わずか数行のコードでUltralytics YOLOモデルを実行します。

はじめに：使用例

この例では、シンプルな YOLO のトレーニングと推論の例を紹介します。これらおよびその他のモードに関する完全なドキュメントについては、Predict、Train、Val、Exportのドキュメントページを参照してください。

以下の例では、物体検出のためのYOLO11 Detectモデルに焦点を当てています。追加でサポートされているタスクについては、Segment、Classify、Poseのドキュメントを参照してください。

例

PyTorch 学習済み *.pt モデルおよび構成 *.yaml filesを以下に渡すことができます。 YOLO(), SAM(), NAS() および RTDETR() pythonでモデルインスタンスを作成するためのクラス:

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")

CLIコマンドは、モデルを直接実行するために利用できます。

# Load a COCO-pretrained YOLO26n model and train it on the COCO8 example dataset for 100 epochs
yolo train model=yolo26n.pt data=coco8.yaml epochs=100 imgsz=640

# Load a COCO-pretrained YOLO26n model and run inference on the 'bus.jpg' image
yolo predict model=yolo26n.pt source=path/to/bus.jpg

新しいモデルの投稿

Ultralyticsへのモデルの貢献にご興味がありますか？素晴らしいです！モデルポートフォリオの拡大は常に歓迎しています。

  1. リポジトリのフォーク：Ultralytics GitHubリポジトリをフォークすることから始めます。

  2. フォークのリポジトリをクローン: フォークしたリポジトリをローカルマシンにクローンし、作業するための新しいブランチを作成します。

  3. モデルの実装: 投稿ガイドに記載されているコーディング標準とガイドラインに従って、モデルを追加してください。

  4. 徹底的なテスト：モデルを単独で、そしてパイプラインの一部として、厳密にテストしてください。

  5. プルリクエストの作成: モデルに満足したら、レビューのためにメインリポジトリにプルリクエストを作成します。

  6. 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。

詳細な手順については、貢献ガイドをご覧ください。

よくある質問

最新のUltralytics YOLOモデルは何ですか？

最新のUltralytics YOLOモデルは、2026年1月にリリースされたYOLO26です。YOLO26は、エンドツーエンドのNMSフリー推論、最適化されたエッジデプロイメントを特徴とし、5つのタスク（detection、segmentation、分類、姿勢推定、およびOBB）すべてと、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の両方が推奨されます。

カスタムデータで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？

Ultralyticsのライブラリを使用すると、カスタムデータでYOLOモデルを簡単に学習できます。簡単な例を次に示します。

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)

yolo train model=yolo26n.pt data='custom_data.yaml' epochs=100 imgsz=640

詳細な手順については、Trainのドキュメントページをご覧ください。

Ultralytics はどの YOLO バージョンをサポートしていますか？

Ultralyticsは、YOLOv3からYOLO11までの幅広いYOLO (You Only Look Once) バージョンに加え、YOLO-NAS、SAM、RT-DETRなどのモデルをサポートしています。各バージョンは、detect、セグメンテーション、分類などの様々なタスク向けに最適化されています。各モデルの詳細については、Ultralyticsがサポートするモデルのドキュメントを参照してください。

機械学習プロジェクトにUltralytics Platformを使用すべき理由は何ですか？

Ultralytics Platformは、YOLOモデルのトレーニング、デプロイ、管理のためのノーコードのエンドツーエンドプラットフォームを提供します。これにより、複雑なワークフローが簡素化され、ユーザーはモデルのパフォーマンスとアプリケーションに集中できます。HUBはまた、クラウドトレーニング機能、包括的なデータセット管理、初心者から経験豊富な開発者まで使いやすいインターフェースを提供します。

Ultralytics YOLOモデルはどのような種類のタスクを実行できますか？

Ultralytics YOLOモデルは多用途であり、物体detection、インスタンスsegmentation、分類、姿勢推定、および指向性物体detection（OBB）などのタスクを実行できます。最新モデルのYOLO26は、これら5つのタスクすべてとオープンボキャブラリーdetectionをサポートしています。特定のタスクの詳細については、タスクページを参照してください。



📅 2年前に作成 ✏️ 6日前に更新
glenn-jocherLaughing-qY-T-Gjk4eMatthewNoyce

コメント