Ultralytics YOLO26のご紹介：より優れた、より高速で、より小型の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、当社の創業者兼CEOである Glenn Jocherが、Ultralytics YOLOモデルシリーズにおける最新の画期的なモデル、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であるYOLO26は、速度、精度、導入のしやすさのバランスを取った合理化されたアーキテクチャにより、画像や動画を分析・解釈できます。

Ultralytics YOLO26はモデル設計を簡素化し、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ービジョンタスクに対応し、柔軟な統合・導入オプションを提供します。

つまり、Ultralytics YOLO26への移行は手間なく行えるため、10月末に一般公開された際に、ユーザーの皆様が実際に体験されることを楽しみにしています。

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、より高速で、より小型のビジョンAIモデルです。この記事では、Ultralytics YOLO26の主な機能と、実現できることについて説明します。それでは始めましょう。

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、それによって可能になる用途を詳しく見ていく前に、少し立ち止まって、このモデルの開発を後押しした着想と動機について説明します。

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、私たちの使命は2つありました。一方では、誰もが障壁なく利用できるようにビジョンAIを身近なものにしたいと考えています。他方では、コンピュータービジョンモデルで実現できることの限界を押し広げ、最先端であり続けることにも同じように取り組んでいます。

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。たとえば、クラウドに依存せずデバイス上で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モデルは継続的に改善していく必要があります。Glenn Jocherは次のように述べています。「最大の課題の1つは、最高のパフォーマンスを提供しながら、ユーザーがYOLO26の性能を最大限に引き出せるようにすることでした。」

Ultralytics YOLO26の概要#

YOLO26は、5種類のモデルバリアントとしてすぐに利用でき、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提供します。これらすべてのモデルバリアントは、従来の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、どのサイズを選択しても、Ultralytics YOLO11と同様に、YOLO26の幅広い機能を利用できます。

Ultralytics YOLO26がサポート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、画像または動画フレーム内にある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：検出の一歩先を行き、Ultralytics YOLO26は識別した各物体の周囲に、ピクセル単位で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に分類できます。
• 姿勢推定：Ultralytics YOLO26はキーポイントを検出し、人間やその他の物体の姿勢を推定できます。
• 回転バウンディングボックス（OBB）：モデルは任意の角度にある物体を検出できます。これは、建物、車両、作物などが画像フレームと揃っていない場合がある航空画像、ドローン画像、衛星画像で特に役立ちます。
• 物体追跡：Ultralytics YOLO26は、動画フレーム間またはリアルタイムストリーム上で物体を追跡するために使用できます。

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で可能なことをより深く理解できたところで、そのアーキテクチャにおけるいくつかのイノベーション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分布焦点損失（DFL）モジュールを削除することで合理化されています。

エンドツーエンド（E2E）推論オプションにより予測プロセスも簡素化され、モデルは従来の非最大値抑制（NMS）ステップを省略できます。この機能強化により複雑さが軽減され、モデルはより高速に結果を出力できるため、実環境のアプリケーションへの導入が容易になります。

その他の改善により、モデルはよりスマートで信頼性の高いものになっています。Progressive Loss Balancing（ProgLoss）は学習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精度を高めます。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まとめると、次のとおりです。

• DFLの削除：モデルのアーキテクチャから分布焦点損失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、より効率的に動作できます。
• 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を除去するために使用される非最大値抑制（NMS）を必要としないオプションモードが追加され、リアルタイム用途での導入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、特に複雑なシーンで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、より高い精度に到達できるようにします。

図3. Ultralytics YOLO26のベンチマーク。

Ultralytics YOLO26で導入を簡素化#

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でも、YOLO26は簡単かつ柔軟に導入できます。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容易に統合でき、ほぼあらゆるプラットフォームで利用できます。

エクスポートオプションには、最大限のGPUアクセラレーションを実現するTensorRT、幅広い互換性を提供する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ハードウェア上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、余分な障壁なくUltralytics YOLO26を開発環境から本番環境へ移行できます。

導入におけるもう1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を効率的に動作させることです。そこで量子化が役立ちます。簡素化されたアーキテクチャにより、Ultralytics YOLO26は量子化に非常に適しています。INT8導入（8ビット圧縮を使用してサイズを縮小し、精度をほとんど損なわずに速度を向上）と、対応ハードウェア上でより高速な推論を実現する半精度（FP16）の両方をサポートしています。

最も重要なのは、Ultralytics YOLO26が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ことです。そのため、高性能なサーバー上で実行する場合でも、小型のエッジデバイス上で実行する場合でも、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、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、大きな効果をもたらします。

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解釈を支援できます。これにより、ナビゲーションがスムーズになり、物体の取り扱いが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。ここでは、モデルを欠陥検出に使用できます。生産ライン上の欠陥を、手作業による検査よりも迅速かつ正確に自動識別できます。

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

一般に、Ultralytics YOLO26はより優れ、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。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。

主なポイント#

Ultralytics YOLO26は、使いやすさと高いパフォーマンスを維持しながら、より優れ、より高速で、より軽量になったコンピュータービジョンモデルです。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ユーザーが利用できるようになります。コミュニティがこのモデルをどのように活用して新しいソリューションを生み出し、コンピュータービジョンの限界を押し広げるのか、今から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しょう。GitHubリポジトリを探索して、AIについてさらに学んでください。小売業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については、ソリューションページをご覧ください。今日からコンピュータビジョンの構築を始めるには、ライセンスオプションをご確認ください。