Ultralytics YOLO26のご紹介：より高性能で高速、コンパクトなYOLOモデル

9月25日、ロンドンで開催した年次ハイブリッドイベントYOLO Vision 2025（YV25）において、創業者兼CEOのGlenn Jocherが、Ultralytics YOLOシリーズの最新モデル、Ultralytics YOLO26を正式に発表しました。新しいコンピュータービジョンモデルYOLO26は、速度、精度、デプロイのしやすさを両立するシンプルなアーキテクチャで、画像や動画を分析して解釈できます。

Ultralytics YOLO26はモデル設計の一部を簡素化し、新たな機能強化を加えています。また、Ultralytics YOLOモデルにユーザーが期待するおなじみの機能も引き続き提供します。たとえば、Ultralytics YOLO26は使いやすく、幅広いコンピュータービジョンタスクに対応し、柔軟な統合・デプロイオプションを備えています。

Ultralytics YOLO26への切り替えは簡単で、ユーザーが実際に試す日を楽しみにしています。YOLO26は2026年1月14日に一般公開され、Ultralytics PythonパッケージとUltralytics Platformから利用できるようになりました。

図1. Ultralytics YOLO26を使用して画像内の物体を検出する例。

簡単に言えば、Ultralytics YOLO26は、より優れた高速かつ小型のビジョンAIモデルです。この記事では、Ultralytics YOLO26の主な機能と、その特長を紹介します。

Ultralytics YOLO26でビジョンAIの限界を押し広げる#

Ultralytics YOLO26の主な機能と、それによって実現するアプリケーションを見る前に、このモデルの開発を促した着想と動機を紹介します。

Ultralyticsでは、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、私たちのミッションは2つあります。一方では、誰もが障壁なく利用できるようにビジョンAIへのアクセスを広げたいと考えています。もう一方では、コンピュータービジョンモデルが実現できることの限界を押し広げ、最先端の技術を維持することにも同じように取り組んでいます。

このミッションを支える重要な要因の1つは、AI分野が常に進化していることです。たとえば、クラウドに頼らずデバイス上でAIモデルを直接実行するエッジAIは、さまざまな業界で急速に導入されています。

スマートカメラから自律システムまで、エッジデバイスにはリアルタイムで情報を処理することが求められるようになっています。この変化に対応するには、同じ高い精度を維持しながら、より軽量で高速なモデルが必要です。

そのため、Ultralytics YOLOモデルを継続的に改善していく必要があります。Glenn Jocherの言葉を借りれば、「YOLO26の性能を最大限に引き出しながら、最高のパフォーマンスを実現できるようにすることが、大きな課題の1つでした。」

Ultralytics YOLO26の概要#

YOLO26は5種類のモデルバリエーションをすぐに利用でき、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備えています。これらのモデルバリエーションはすべて、以前のUltralytics YOLOモデルと同様に、複数のコンピュータービジョンタスクに対応しています。つまり、どのサイズを選んでも、Ultralytics YOLO11と同様に、YOLO26が幅広い機能を提供します。

Ultralytics YOLO26が対応するコンピュータービジョンタスクの概要は次のとおりです。

• 物体検出：Ultralytics YOLO26は、画像や動画フレーム内の複数の物体を識別し、その位置を特定できます。
• インスタンスセグメンテーション：検出の一歩先を行くUltralytics YOLO26は、識別した各物体の輪郭をピクセル単位で正確に生成できます。
• 画像分類：モデルは画像全体を分析し、特定のカテゴリやラベルを割り当てることができます。
• 姿勢推定：Ultralytics YOLO26は、人物やその他の物体のキーポイントを検出し、姿勢を推定できます。
• 回転境界ボックス (OBB)：モデルはあらゆる角度の物体を検出できます。建物、車両、作物などが画像のフレームに沿っていないことがある航空写真、ドローン画像、衛星画像で特に役立ちます。
• 物体追跡：Ultralytics YOLO26を使用すると、動画フレームやリアルタイムストリームにわたって物体を追跡できます。

図2. Ultralytics YOLO26を使用した画像内の物体検出。

Ultralytics YOLO26のアーキテクチャを見る#

Ultralytics YOLO26でできることがより明確になったところで、そのアーキテクチャにおける革新のいくつかを見ていきましょう。

従来は推論を遅らせ、バウンディングボックス回帰を制限していたDistribution Focal Lossモジュール (DFL)を削除し、モデル設計を効率化しました。

エンドツーエンド（E2E）推論オプションによって予測プロセスも簡素化され、モデルが従来の非最大抑制（NMS）処理を省略できるようになりました。この改善により複雑さが軽減され、モデルがより迅速に結果を出力できるため、実世界のアプリケーションへのデプロイが容易になります。

そのほかの改善により、モデルの性能と信頼性も高まります。Progressive Loss Balancing (ProgLoss)はトレーニングの安定化と精度向上に役立ち、Small-Target-Aware Label Assignment（STAL）はモデルによる小さな物体の検出を強化します。さらに、新しいMuSGDオプティマイザーがトレーニングの収束を改善し、全体的な性能を高めます。

実際、Ultralytics YOLO26の最小バージョンであるnanoモデルは、標準的なCPU上でYOLO11nより最大43%高速に動作するようになりました。そのため、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を簡単に振り返りましょう。

• DFLの削除：モデルのアーキテクチャからDistribution Focal Lossモジュールを削除しました。画像内の物体のサイズにかかわらず、Ultralytics YOLO26は対象に合わせたバウンディングボックスを配置しながら、より効率的に動作します。
• エンドツーエンドのNMSフリー推論：Ultralytics YOLO26には、通常は重複した予測の削除に使用されるNon-Maximum Suppression処理 (NMS)を必要としないオプションモードが追加され、リアルタイム用途でのデプロイがより簡単かつ高速になります。
• ProgLossとSTAL：これらの改善により学習がより安定し、特に複雑なシーン内の小さな物体の検出精度が大幅に向上します。
• MuSGDオプティマイザー：Ultralytics YOLO26は、2つの学習オプティマイザー (MuonとSGD)の長所を組み合わせた新しいオプティマイザーを使用し、モデルの学習を高速化して精度を高めます。

図3. Ultralytics YOLO26のベンチマーク。

Ultralytics YOLO26でデプロイを簡素化#

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も、YOLO26のデプロイは簡単で柔軟です。Ultralytics Pythonパッケージは、増え続けるエクスポート形式に対応しているため、YOLO26を既存のワークフローに簡単に統合でき、ほぼあらゆるプラットフォームと互換性があります。

エクスポートオプションには、GPUを最大限に高速化するTensorRT、幅広い互換性を備えたONNX、iOSアプリ向けのCoreML、Androidやエッジデバイス向けの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などがあります。この柔軟性により、余計な障壁なくUltralytics YOLO26を開発環境から本番環境へ移行できます。

デプロイでは、リソースが限られたデバイス上でモデルを効率的に動作させることも重要です。そこで役立つのが量子化です。簡素化されたアーキテクチャにより、Ultralytics YOLO26は量子化に適切に対応します。精度の低下を最小限に抑えながらサイズを縮小して速度を高めるINT8デプロイに加え、対応ハードウェア上で推論を高速化する半精度（FP16）もサポートしています。

何より重要なのは、Ultralytics YOLO26がこれらの量子化レベル全体で安定したパフォーマンスを発揮することです。そのため、高性能サーバー上でもコンパクトなエッジデバイス上でも、安心して利用できます。

ロボティクスから製造業まで：Ultralytics YOLO26のユースケース#

Ultralytics YOLO26は、多様な業界やユースケースにおける幅広いコンピュータービジョンアプリケーションで利用できます。ロボティクスから製造業まで、ワークフローの改善や、より迅速で正確な意思決定を可能にすることで、大きな効果を発揮します。

たとえば、ロボティクスでは、Ultralytics YOLO26がロボットによる周囲の状況のリアルタイムな把握を支援します。これにより、ナビゲーションがスムーズになり、物体の取り扱いもより正確になります。また、人とのより安全な協働も可能になります。

もう1つの例は製造業です。モデルを欠陥検出に利用できます。生産ライン上の不具合を自動で識別し、手作業の検査よりも迅速かつ正確に検出できます。

図4. Ultralytics YOLO26を使用した製造工場でのボトル検出。

一般に、Ultralytics YOLO26はより優れ、高速かつ軽量であるため、軽量な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、幅広い環境に容易に適応します。そのため、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。

重要なポイント#

Ultralytics YOLO26は、使いやすさと高い性能を維持しながら、より優れた高速かつ軽量なコンピュータービジョンモデルです。幅広いタスクやプラットフォームに対応し、2026年1月のリリース以降、誰でも利用できます。コミュニティがYOLO26を使って新たなソリューションを生み出し、コンピュータービジョンの可能性を広げていくことを楽しみにしています。

成長を続けるコミュニティにぜひご参加ください。GitHubリポジトリで、AIについてさらに詳しくご覧ください。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ービジョンや自動車業界におけるAIなどのイノベーションをご紹介しています。今日からコンピュータービジョンを活用した開発を始めるには、ライセンスオプションをご確認ください。