機能・特長

Ultralytics YOLO は、オブジェクト検出、セグメンテーション、画像分類、姿勢推定、トラッキングなどに対応した高性能なビジョン AI モデルです。

主要なコンピューター ビジョン タスクに対応

画像や動画から対象物を検出・分類・追跡するためのさまざまなタスクに対応しています。
製造業の外観検査、監視カメラ映像解析、ロボット、ドローン、小売分析など、幅広い用途で活用できます。

オブジェクト検出

画像やビデオ ストリーム内の物体の位置とクラスを特定します。

出力 画像内の物体を囲む境界ボックス (バウンディング ボックス) と、各ボックスのクラス ラベルおよび信頼度スコアをセットで出力します。
推奨ユース ケース シーン内の対象物体を特定する必要があるものの、物体の正確な位置や正確な形状を知る必要がない場合に役立ちます。
詳細を見る

インスタンス セグメンテーション

画像内の個々の物体を識別し、残りの背景からそれらを切り出す (セグメント化する) プロセスです。

出力 画像内の各物体を囲むマスクや輪郭のセットに加え、各物体のクラス ラベルと信頼度スコアを出力します。
推奨ユース ケース 画像内のどこに物体があるかだけでなく、その正確な形状を知る必要がある場合に役立ちます。
詳細を見る

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、シーン全体を網羅する詳細なクラス マップを作成します。

出力 各ピクセルの値が予測されたクラス ID に対応する、単一の高さ × 幅のクラス マップを出力します。
推奨ユース ケース 自動運転、医療画像解析、土地被覆マッピングなどのシーン解析タスクに適しています。
詳細を見る

姿勢推定

画像内の特定の点 (通常はキーポイントと呼ばれます) の位置を特定するタスクです。

出力 画像内のオブジェクト上のキーポイントを表す一連の点と、各点の信頼度スコアを出力します。
推奨ユース ケース シーン内のオブジェクトの特定のパーツや、それらの相互の相対的な位置を特定する必要がある場合に適しています。
詳細を見る

回転オブジェクト検出 (OBB)

従来のオブジェクト検出を一歩進め、追加の角度を導入することで画像内の物体をより正確に特定します。

出力 画像内の物体を正確に囲む回転されたバウンディング ボックスのセットと、各ボックスのクラス ラベルおよび信頼度スコアを出力します。
推奨ユース ケース 航空画像のように物体がさまざまな角度で出現し、従来のバウンディング ボックスでは不要な背景が含まれてしまうような場合に有用です。
詳細を見る

画像分類

サポートされているタスクの中で最もシンプルで、画像全体を事前に定義されたクラス セットのいずれかに分類するものです。

出力 単一のクラス ラベルと信頼度スコアを出力します。
推奨ユース ケース 画像がどのクラスに属しているかを知る必要があり、そのクラスのオブジェクトがどこに配置されているか、あるいは正確な形状がどのようなものかを知る必要がない場合に役立ちます。
詳細を見る

Ultralytics YOLO の統合開発・運用ワークフロー

モデルの学習から評価、推論、追跡、エクスポート、性能検証にいたる開発ライフサイクル全体を、統一されたコマンド体系 (CLI / Python) で実行できます。
PoC 段階の検証から本番製品への組み込みまで、同一のインターフェースでシームレスに進められます。

トレーニング

カスタム データセットで YOLO26 モデルをトレーニングできます。指定されたデータセットとハイパーパラメーターを使用してモデルがトレーニングされます。

詳細を見る
検証

トレーニング後の YOLO26 モデルを検証するために使用されます。検証セットでモデルを評価し、精度と汎化性能を測定します。

詳細を見る
予測

トレーニング済みの YOLO26 モデルを使用して、新しい画像やビデオの予測を行うことができます。

詳細を見る
追跡

ビデオ フレームやライブ ストリーム全体で物体を追跡します。物体が一時的に視界から消えた場合でも、フレーム間で物体の同一性を維持します。

詳細を見る
エクスポート

YOLO26 モデルをさまざまなプラットフォームやデバイスへのデプロイに適した形式に変換するために使用されます。

詳細を見る
ベンチマーク

YOLO26 のさまざまなエクスポート フォーマットの速度と精度をプロファイリングします。

詳細を見る

幅広いプラットフォームへの展開に対応

学習したモデルを複数の形式へエクスポートし、クラウド、オンプレミス、エッジ デバイス、モバイル、組込み環境など、用途に応じた推論環境へ展開できます。

ハードウェア・推論環境

CPU、GPU、エッジ デバイスなど、用途や処理負荷に応じた環境で推論を実行できます。検証環境から本番環境まで、導入先に合わせた構成を選択できます。

Intel CPU NVIDIA GPU AMD GPU エッジ デバイス
OS・実行環境

既存の開発・運用環境に合わせて導入できます。サーバー環境やコンテナ基盤を活用した運用にも対応し、自社システムへの組み込みを進めやすくします。

Windows Linux Docker Kubernetes
クラウド・エッジ・組込み展開

クラウド、オンプレミス、エッジ デバイス、ロボット、カメラ、検査装置など、用途に応じた推論環境へ展開できます。製造ラインや監視カメラなど、現場に近い環境でのリアルタイム処理にも活用できます。

クラウド オンプレ エッジ AI ロボット カメラ 検査装置
主要なエクスポート形式

学習済みモデルを用途に応じた形式へ変換し、既存の推論基盤やデプロイ環境に合わせて柔軟に組み込めます。

ONNX TensorRT OpenVINO CoreML TensorFlow Lite TorchScript

開発効率を向上させる便利な標準提供アセット

実用的なビジョン AI アプリケーションを早期に立ち上げられるよう、学習済みの重み、コード資産、継続的なアップデートといった強力なリソースを提供します。

豊富な事前学習済みモデル

COCO などの大規模データセットで学習済みの公式モデルを即座に利用可能。ゼロからの学習コストと時間を大幅に削減し、迅速なプロトタイピングを実現します。

検証済みの開発スクリプト テンプレート

Python や CLI で動作する公式の開発アセット テンプレートにより、データ ロードや評価のためのコードをゼロから記述することなく、素早く開発に着手できます。

継続的な技術アップデート

モデル構造の改善やバグの修正、新たな YOLO バージョンの成果など、日々進化し続ける Ultralytics の最新アセットを常に商用開発へ取り込めます。

Ultralytics YOLO モデル ファミリー

商用利用向けの高精度かつ軽量なオブジェクト検出モデル群をご利用いただけます。

YOLOv5

2020 年リリース。長い実績を持ち広く使われている業界標準モデル。従来のアンカーベースに加え、現在の Ultralytics 実装 (YOLOv5u) ではアンカーフリーのスプリットヘッド (Split Head) も統合され、精度と速度のバランスをさらに向上させています。

YOLOv8

2023 年リリース。アンカーフリーのスプリットヘッド (Split Head) や高度なバックボーンを採用。オブジェクト検出のほか、セグメンテーション、姿勢推定、分類、回転オブジェクト検出 (OBB) など多様なタスクに幅広く対応し、現在も実績が極めて豊富なデファクトモデルです。

YOLO11

2024 年リリース。改良されたバックボーン / ネックと効率化された学習パイプラインを採用。パラメーター数を約 22% 削減 (YOLOv8 比) しながら、より高い精度 (mAP) と高速処理を両立し、エッジ デバイスからクラウドまで柔軟にデプロイ可能です。

YOLO26

2026 年リリース。NMS (非最大値抑制) の省略によるエンドツーエンド推論を実現。DFL の削除や新オプティマイザー (MuSGD) の導入により、エクスポートやデプロイを簡素化し、CPU 推論の最大 43% 高速化 (YOLO11 比) と高精度を両立する最新世代モデルです。

関連サービスについて

Ultralytics は、Ultralytics YOLO の学習・運用を支援する Ultralytics Platform (英語) を提供しています。
Ultralytics Platform では、データセット管理、アノテーション、モデル学習、デプロイなどをクラウドベースの直感的な UI 上で一元管理できます。

ライセンスを確認する

まずは無料でお試しください

オープン ソース プロジェクト、個人利用、学術研究用途では、制限なくご利用いただけます。クローズドな環境での商用利用や組み込みの際は、Enterprise ライセンスをご検討ください。

無料ダウンロード お問い合わせ・お見積り依頼