Ultralytics YOLO26が対応するコンピュータービジョンタスク#
Ultralytics YOLO26は、複数のコンピュータービジョンタスクに対応する汎用AIフレームワークです。このフレームワークを使用して、検出、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を実行できます。各タスクにはそれぞれ異なる目的とユースケースがあり、単一のフレームワークでさまざまなコンピュータービジョンの課題に対応できます。
YOLO27の今後のサポートについては、YOLO27プレビューをご覧ください。YOLO27は近日公開予定で、現在はまだ利用できません。このガイドではリリース済みのYOLO26モデルを使用します。
物体検出#
検出は、YOLO26が対応する主要タスクです。画像または動画フレーム内のオブジェクトを特定し、その周囲にバウンディングボックスを描画します。検出されたオブジェクトは、特徴に基づいて異なるカテゴリに分類されます。YOLO26は、1枚の画像または1つの動画フレーム内にある複数のオブジェクトを高い精度と速度で検出できるため、監視システムや自動運転車などのリアルタイムアプリケーションに適しています。
インスタンスセグメンテーション#
セグメンテーションは、オブジェクト検出を発展させ、各オブジェクトのピクセル単位のマスクを生成します。この精度は、医療画像、農業分析、製造品質管理などのアプリケーションに役立ちます。
セマンティック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は、画像内のすべてのピクセルにクラスラベルを割り当て、シーン全体の密なクラスマップを生成します。インスタンスセグメンテーションとは異なり、同じクラスに属する個々のオブジェクトを区別しません。そのため、個々のオブジェクトの特定よりも空間全体のレイアウトの理解が重要となる自動運転、シーン解析、土地被覆マッピングに適しています。
深度推定#
単眼深度推定は、1枚のRGB画像からピクセルごとの深度マップをメートル単位で予測します。出力は入力画像に位置合わせされた密な浮動小数点マップであり、1台のカメラから空間レイアウトを推定する必要がある3Dシーン再構築、ロボットナビゲーション、AR/VRアプリケーションに適しています。
分類#
分類では、画像全体の内容に基づいてカテゴリを割り当てます。このタスクは、Eコマースにおける商品分類、コンテンツモデレーション、野生生物モニタリングなどのアプリケーションに不可欠です。
姿勢推定#
姿勢推定では、画像または動画フレーム内の特定のキーポイントを検出し、動きを追跡したり姿勢を推定したりします。キーポイントは、人体の関節、顔の特徴、その他の重要な注目点を表します。YOLO26は高い精度と速度でキーポイントを検出できるため、フィットネスアプリケーション、スポーツ分析、ヒューマンコンピューターインタラクションに役立ちます。
OBB#
方向付きバウンディングボックス（OBB）検出は、向きの角度を追加することで従来の物体検出を強化し、回転した物体の位置をより正確に特定します。この機能は、さまざまな角度で物体が写るaerial imagery analysis、document processing、industrial applicationsで特に役立ちます。YOLO26は、多様なシナリオで回転した物体を検出する高い精度と速度を実現します。
次のステップ#
タスクを選びましたか？Datasets guideに従ってデータをフォーマットし、独自の画像でトレーニングしてください。
よくある質問#
Ultralytics YOLO26は、高い精度と速度でさまざまなコンピュータービジョンタスクを実行できる、汎用性の高いAIフレームワークです。以下のタスクに対応しています。
- 物体検出: 画像や動画フレーム内の物体を特定し、その周囲にバウンディングボックスを描画して位置を特定します。
- インスタンスセグメンテーション: 検出した各物体に対してピクセル単位のマスクを生成します。医用画像処理などの用途に役立ちます。
- セマンティックセグメンテーション: 画像内のすべてのピクセルにクラスラベルを割り当て、シーンを高密度に理解します。
- 深度推定: 1枚のRGB画像から、ピクセルごとの深度マップをメートル単位で予測します。
- 分類: 画像の内容に基づいて、画像全体を分類します。
- 姿勢推定: 画像や動画フレーム内の特定のキーポイントを検出し、動きや姿勢を追跡します。
- 方向付き物体検出（OBB）: 向きの角度を追加して回転した物体を検出し、精度を高めます。
物体検出にUltralytics YOLO26を使用するには、次の手順に従ってください。
- データセットを適切なフォーマットで準備します。
- 検出タスクを使用してYOLO26モデルをトレーニングします。
- 新しい画像や動画フレームを入力し、モデルを使って予測します。
例from ultralytics import YOLO # 事前学習済みYOLOモデルを読み込みます（必要に応じてモデルタイプを調整してください） model = YOLO("yolo26n.pt") # n、s、m、l、xの各バージョンを利用できます # 画像で物体検出を実行する results = model.predict(source="image.jpg") # 動画、ディレクトリ、URLなども使用できます # 結果を表示します results[0].show() # 最初の画像の結果を表示します詳しい手順については、検出の例をご覧ください。
セグメンテーションタスクにYOLO26を使用すると、次のようなメリットがあります。
- 高精度: セグメンテーションタスクでは、ピクセル単位の精密なマスクを生成できます。
- 速度: YOLO26はリアルタイムアプリケーション向けに最適化されており、高解像度画像でも高速に処理できます。
- 幅広い用途: 医用画像処理、自動運転、詳細な画像セグメンテーションが必要なその他の用途に最適です。
セグメンテーションにおけるYOLO26のメリットとユースケースについては、画像セグメンテーションのセクションをご覧ください。
はい。Ultralytics YOLO26は、高い精度と速度で姿勢推定やキーポイント検出を効果的に実行できます。この機能は、スポーツ分析、ヘルスケア、人間とコンピューターのインタラクションなどの用途における動きの追跡に特に役立ちます。YOLO26は画像や動画フレーム内のキーポイントを検出し、精度の高い姿勢推定を可能にします。
詳しい情報や実装のヒントについては、姿勢推定の例をご覧ください。
YOLO26による方向付き物体検出（OBB）は、追加の角度パラメーターを用いて物体を検出し、精度を高めます。この機能は、航空画像解析や倉庫の自動化など、回転した物体を正確に位置特定する必要がある用途に役立ちます。
- 精度の向上: 角度の要素によって、回転した物体の誤検出を減らせます。
- 幅広い用途: 地理空間解析、ロボティクスなどのタスクに役立ちます。
詳しい情報や例については、方向付き物体検出のセクションをご覧ください。