最新のUltralytics YOLOモデルであるUltralytics YOLO26と、速度、精度、デプロイの容易さの最適なバランスをサポートする最先端の機能について解説します。
9月25日、ロンドンで開催された年次ハイブリッドイベントYOLO Vision 2025（YV25）で、当社の創業者兼CEOであるGlenn Jocherが、Ultralytics YOLOモデルシリーズの最新のブレークスルーであるUltralytics YOLO26を正式に発表しました。当社の新しいコンピュータビジョンモデルであるYOLO26は、速度、精度、および展開の容易さのバランスが取れた合理化されたアーキテクチャで、画像とビデオを分析および解釈できます。
Ultralytics YOLO26は、モデルの設計の側面を簡素化し、新しい機能強化を追加する一方で、ユーザーがUltralytics YOLOモデルに期待する使い慣れた機能も引き続き提供します。たとえば、Ultralytics YOLO26は使いやすく、さまざまなコンピュータビジョンタスクをサポートし、柔軟な統合およびデプロイオプションを提供します。
言うまでもなく、これによりUltralytics YOLO26への切り替えが非常に簡単になります。10月末に一般公開された際に、ユーザーが実際に体験するのを楽しみにしています。
簡単に言うと、Ultralytics YOLO26は、より優れた、より高速で、より小型のVision AIモデルです。この記事では、Ultralytics YOLO26の主な機能と、それがもたらすものについて説明します。それでは始めましょう！
Ultralytics YOLO26の主要な機能と、それが可能にするアプリケーションについて掘り下げる前に、一歩引いて、このモデルの開発を推進したインスピレーションと動機について説明しましょう。
Ultralyticsは、常にイノベーションの力を信じてきました。創業当初から、私たちの使命は2つありました。1つは、誰もが障壁なく使用できるようにVision AIをアクセス可能にすることです。もう1つは、コンピュータビジョンモデルが達成できることの限界を押し広げ、常に最先端を維持することに等しく取り組んでいます。
このミッションの背景にある重要な要素は、AI分野が常に進化していることです。たとえば、クラウドに依存する代わりに、AIモデルをデバイス上で直接実行するエッジAIは、業界全体で急速に採用されています。
スマートカメラから自律システムまで、エッジデバイスはリアルタイムで情報を処理することが期待されています。この変化は、同じ高レベルの精度を維持しながら、より軽量で高速なモデルを必要とします。
そのため、Ultralytics YOLOモデルを常に改善し続ける必要があります。Glenn Jocherが述べているように、「最大の課題の1つは、ユーザーが最高のパフォーマンスを提供しながら、YOLO26を最大限に活用できるようにすることでした。」
YOLO26は、5つの異なるモデルバリアントで利用可能であり、あらゆる規模のアプリケーションでその機能を活用できる柔軟性を提供します。
これらのモデルバリアントはすべて、以前のUltralytics YOLOモデルと同様に、複数のコンピュータビジョンタスクをサポートしています。つまり、どのサイズを選択しても、Ultralytics YOLO11と同様に、YOLO26が幅広い機能を提供すると期待できます。
YOLO26でサポートされているコンピュータビジョンタスクの概要をご紹介します。
YOLO26の能力について理解が深まったところで、そのアーキテクチャにおけるいくつかの革新を見ていきましょう。
推論速度を低下させ、バウンディングボックス回帰を制限していたDistribution Focal Loss（DFL）モジュールを削除することで、モデルの設計が合理化されました。
予測プロセスも、エンドツーエンド（E2E）推論オプションで簡素化されており、モデルは従来のNon-Maximum Suppression（NMS）ステップをスキップできます。この機能強化により、複雑さが軽減され、モデルはより迅速に結果を提供できるようになり、実際のアプリケーションでのデプロイが容易になります。
その他の改善により、モデルはよりスマートで信頼性が高くなっています。Progressive Loss Balancing（ProgLoss）は、学習を安定させ、精度を向上させるのに役立ちます。一方、Small-Target-Aware Label Assignment（STAL）は、モデルが小さなオブジェクトをより効果的に検出できるようにします。さらに、新しいMuSGDオプティマイザは、学習の収束を改善し、全体的なパフォーマンスを向上させます。
実際、YOLO26の最小バージョンであるnanoモデルは、標準CPUで最大43％高速に動作するようになり、速度と効率が重要なモバイルアプリ、スマートカメラ、その他のエッジデバイスに特に適しています。
YOLO26の機能と、ユーザーが期待できることの簡単なまとめを以下に示します。
モバイルアプリ、スマートカメラ、エンタープライズシステムのいずれに取り組んでいる場合でも、YOLO26のデプロイはシンプルで柔軟です。Ultralytics Pythonパッケージは、常に増加しているエクスポート形式をサポートしており、YOLO26を既存のワークフローに簡単に統合でき、ほぼすべてのプラットフォームと互換性があります。
いくつかのエクスポートオプションには、GPUアクセラレーションを最大化するTensorRT、幅広い互換性を持つONNX、ネイティブiOSアプリ用のCoreML、Androidおよびエッジデバイス用のTFLite、Intelハードウェアで最適化されたパフォーマンスを実現するOpenVINOが含まれます。この柔軟性により、YOLO26を開発から本番環境に余分なハードルなしで移行することが簡単になります。
デプロイメントのもう1つの重要な部分は、リソースが限られたデバイス上でモデルが効率的に実行されるようにすることです。ここで量子化が役に立ちます。YOLOv8は、簡素化されたアーキテクチャのおかげで、これを非常にうまく処理します。INT8デプロイメント（8ビット圧縮を使用してサイズを縮小し、精度を最小限に抑えながら速度を向上）と、サポートされているハードウェアでのより高速な推論のための半精度（FP16）をサポートします。
最も重要なことは、YOLO26はこれらの量子化レベル全体で一貫したパフォーマンスを提供するため、強力なサーバーで実行しているか、コンパクトなエッジデバイスで実行しているかにかかわらず、信頼できます。
YOLO26は、さまざまな業界やユースケースにわたる幅広いコンピュータビジョンアプリケーションで使用できます。ロボット工学から製造業まで、ワークフローを改善し、より迅速で正確な意思決定を可能にすることで、大きな影響を与えることができます。
例えば、ロボティクスにおいて、YOLO26はロボットがリアルタイムで周囲の状況を解釈するのに役立ちます。これにより、ナビゲーションがよりスムーズになり、物体の取り扱いがより正確になります。また、人とのより安全な連携も可能になります。
もう1つの例は製造業で、モデルを欠陥検出に使用できます。手動検査よりも迅速かつ正確に、生産ラインの欠陥を自動的に識別できます。
一般に、YOLO26はより優れており、より高速で、より軽量であるため、軽量のエッジデバイスから大規模なエンタープライズシステムまで、幅広い環境に簡単に適応できます。これにより、効率、精度、信頼性の向上を目指す業界にとって実用的な選択肢となります。
Ultralytics YOLO26は、より良く、より速く、より軽量なコンピュータビジョンモデルでありながら、使いやすさを維持し、強力なパフォーマンスを提供します。幅広いタスクとプラットフォームで動作し、10月末までにすべての人にご利用いただけるようになります。コミュニティがどのように活用して新しいソリューションを生み出し、コンピュータビジョンの限界を押し広げるか、楽しみにしています。
成長を続けるコミュニティに参加しませんか？GitHubリポジトリでAIについてもっと学びましょう。ソリューションページでは、小売業におけるコンピュータビジョンや自動車産業におけるAIなどのイノベーションをご紹介しています。コンピュータビジョンを使った開発を始めるには、ライセンスオプションをご覧ください。
.webp)
