Ultralytics YOLO26の紹介：より良く、より速く、より小さなYOLOモデル

9月25日、ロンドンで開催された弊社の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モデルシリーズの最新の画期的成果であるUltralytics YOLO26を正式に発表しました。弊社の新しいコンピュータビジョンモデルであるYOLO26は、スピード、精度、そしてデプロイの容易さのバランスをとった効率的なアーキテクチャにより、画像や動画を解析および解釈することができます。

Ultralytics YOLO26は、モデルの設計の一部をシンプルにし、新たな機能強化を加える一方で、ユーザーがUltralytics YOLOモデルに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、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の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への移行は簡単に行えます。10月末の一般公開時にユーザーが実際に体験するのを楽しみにしています。

図 1. Ultralytics YOLO26 を使用して画像内のオブジェクトを検出する例。

簡単に言えば、Ultralytics YOLO26はより良く、より速く、より小さなビジョンAIモデルです。本記事では、Ultralytics YOLO26の主要な機能と、それがもたらすものについて探っていきます。さっそく始めましょう！

Ultralytics YOLO26でビジョンAIの境界を押し広げる#

Ultralytics YOLO26の主要な機能とその応用可能性について詳しく解説する前に、一度立ち止まって、このモデルの開発を動機づけたインスピレーションについて議論しましょう。

Ultralyticsでは、常にイノベーションの力を信じてきました。最初から、私たちの使命は二つの側面に分かれていました。一つは、誰もが障壁なく利用できるようにビジョンAIをアクセシブルにすることです。もう一つは、コンピュータビジョンモデルで実現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です。

この使命の背景にある重要な要因は、AI分野が常に進化していることです。例えば、クラウドに依存するのではなく、デバイス上で直接AIモデルを実行するエッジAIは、さまざまな業界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、エッジのデバイスは現在、情報をリアルタイムで処理することが求められています。このシフトには、同等の高精度を維持しつつ、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続ける必要があります。Glenn Jocherが語るように、「最大の課題の一つは、最高のパフォーマンスを維持しながら、ユーザーがYOLO26を最大限に活用できるようにすることでした。」

Ultralytics YOLO26の概要#

YOLO26は5つの異なるモデルバリアントでそのまま利用できるため、あらゆるスケールのアプリケーションでその機能を柔軟に活用できます。これらのモデルバリアントはすべて、これまでの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が幅広い機能を発揮することを信頼していただけます。

Ultralytics YOLO26 がサポートするコンピュータビジョンタスクの概要は以下のとおりです。

• 物体検出: Ultralytics YOLO26 は、画像またはビデオフレーム内の複数の物体を識別して位置を特定できます。
• インスタンスセグメンテーション: 検出からさらに一歩進んで、Ultralytics YOLO26 は識別した各物体の周囲にピクセル単位の正確な境界を生成できます。
• 画像分類: モデルは画像全体を分析し、特定のカテゴリまたはラベルを割り当てることができます。
• 姿勢推定: Ultralytics YOLO26 は、人間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。
• 指向性バウンディングボックス (OBB): モデルはあらゆる角度でオブジェクトを検出できます。これは、建物、車両、農作物などが画像フレームと一致しない可能性がある航空写真、ドローン、衛星画像において特に役立ちます。
• 物体追跡: Ultralytics YOLO26 を使用すると、ビデオ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オブジェクト検出。

Ultralytics YOLO26 のアーキテクチャの概要#

Ultralytics YOLO26 の機能についての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的な点を見ていきましょう。

モデルの設計は、以前は推論を遅くし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) 推論オプションにより簡素化されました。これにより、モデルは従来のNon-Maximum Suppression (NMS) ステップをスキップできます。この拡張機能は複雑さを軽減し、モデルがより迅速に結果を提供できるようにするため、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。

その他の改良により、モデルはよりスマートで信頼性の高いものになりました。Progressive Loss Balancing (ProgLoss) は学習の安定化と精度の向上に寄与し、Small-Target-Aware Label Assignment (STAL) は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オプティマイザーが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ています。

実際に、Ultralytics YOLO26の最小バージョンであるnanoモデルは、標準的なCPU上で最大43%高速に動作するようになり、速度と効率が極めて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。以下は、YOLO26の機能とユーザーが期待できることの簡単なまとめです。

• 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関係なく、Ultralytics YOLO26 はより効率的に実行しながら、カスタマイズされたバウンディングボックスを配置できます。
• エンドツーエンドの NMS なし推論: Ultralytics YOLO26 には、重複する予測を削除するために通常使用されるステップである非最大値抑制 (NMS)を必要としないオプションモードが追加されており、リアルタイム使用時のデプロイがよりシンプルかつ高速になります。
• ProgLossとSTAL: これらの改良により、学習がより安定し、特に複雑なシーンでの小さなオブジェクトの検出精度が大幅に向上しました。
• MuSGD オプティマイザ: Ultralytics YOLO26 は、2 つのトレーニングオプティマイザ（Muon と SGD）の強みを組み合わせた新しいオプティマイザを使用し、モデルの学習を高速化してより高い精度に到達するのを支援します。

図 3. Ultralytics YOLO26 のベンチマーク。

Ultralytics YOLO26によるデプロイの簡素化#

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で作業している場合でも、YOLO26のデプロイはシンプルで柔軟です。Ultralytics Python packageは、常に増加しているエクスポート形式をサポートしているため、YOLO26を既存のワークフローに簡単に統合でき、ほぼすべてのプラットフォームと互換性を持たせることができます。

エクスポートオプションには、最大の GPU アクセラレーションを実現する TensorRT、幅広い互換性を持つ ONNX、ネイティブ iOS アプリ向けの CoreML、Android および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発揮する OpenVINO などがあります。この柔軟性により、余分なハードルなしで Ultralytics YOLO26 を開発からプロダクションに移行することが簡単になります。

デプロイにおけるもう一つの重要な要素は、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。ここで量子化が登場します。シンプル化されたアーキテクチャのおかげで、Ultralytics YOLO26 はこれを非常にうまく処理します。精度の低下を最小限に抑えながらサイズを縮小し速度を向上させる 8 ビット圧縮を使用する INT8 デプロイや、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）をサポートしています。

最も重要なことに、Ultralytics 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発揮するため、強力なサーバーで実行する場合でもコンパクトなエッジデバイスで実行する場合でも、信頼して使用できます。

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、さまざまな業界やユースケースにおけ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。ロボティクスから製造業まで、ワークフローを改善し、より高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。

たとえば、ロボティクスはその好例であり、Ultralytics YOLO26 はロボットが周囲の環境をリアルタイムで解釈するのを支援できます。これにより、ナビゲーションがよりスムーズになり、物体のハンドリングがより正確になります。また、人間とのより安全な協働が可能になります。

もう一つの例は製造業であり、このモデルは欠陥検出に使用できます。手動による検査よりも迅速かつ正確に、製造ライン上の欠陥を自動的に特定することができます。

図 4. Ultralytics YOLO26 を使用して製造工場でボトルを検出する様子。

一般に、Ultralytics 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。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。

重要なポイント#

Ultralytics YOLO26は、より良く、より速く、より軽量でありながら、使いやすく、かつ強力なパフォーマンスを実現するコンピュータ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ており、10月末までには誰でも利用可能になります。コミュニティがこれを使用して新しいソリューションを作成し、コンピュータビジョンの境界を押し広げていくのを楽しみにしています。

拡大するコミュニティに参加しましょう！AIについて詳しく知るために、GitHubリポジトリを探索してください。ソリューションページを訪れて、小売におけるコンピュータ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発見してください。今すぐコンピュータビジョンを使った開発を開始するには、ライセンスオプションをご確認ください。