Ultralytics YOLO11が登場！AIの可能性を再定義します！

次世代のUltralyticsモデル、YOLO11をご紹介できることを大変うれしく思います！従来のYOLOモデルの各バージョンで実現された目覚ましい進歩を基盤に、YOLO11は、より高速で高精度、かつ非常に汎用性の高いモデルを実現する、数多くの強力な機能と最適化を提供します。AIの専門家、イノベーター、開発者が集うUltralyticsの年次ハイブリッドイベントであるYOLO Vision 2024（YV24）イベントで発表されたこの最新モデルは、コンピュータービジョンで可能なことを再定義します。

革新的なアーキテクチャを備えたUltralytics YOLO11は、リアルタイム物体検出から分類まで、さまざまなコンピュータービジョンタスクに利用でき、開発者と研究者の双方に大きな変革をもたらします。主な改善点には、より正確な詳細の抽出を可能にする特徴抽出の強化、より少ないパラメーターでの高精度化、そしてリアルタイム性能を大幅に向上させる高速な処理速度が含まれます。この記事では、YOLO11を際立たせる機能と、それがコンピュータービジョンアプリケーションをどのように変革できるかを詳しく見ていきます。それでは始めましょう！

図1。YOLO Vision 24でUltralytics YOLO11を発表するステージ上のGlenn Jocher。

Ultralytics YOLO11について知る#

YOLO11はYOLOファミリーの新たな章を開き、コンピュータービジョンを新たな高みへ引き上げる、より高性能で汎用性の高いモデルを提供します。洗練されたアーキテクチャと強化された機能により、このモデルは、Ultralytics YOLOv8でビジョンAIコミュニティに広く支持されてきた姿勢推定やインスタンスセグメンテーションなどのコンピュータービジョンタスクを、さらに高い性能と精度でサポートします。Ultralyticsの創設者兼CEOであるGlenn Jocherは、「YOLO11では、実際のアプリケーションにおいて高い性能と実用性の両方を提供するモデルの開発を目指しました。効率と精度が向上したことで、さまざまな業界が直面する固有の課題に適応できる堅牢なツールになっています。ビジョンAIコミュニティがYOLO11をどのように活用して革新的なソリューションを生み出し、コンピュータービジョンを次のレベルへ引き上げるのか、今から楽しみです」と述べています。

図2。YV24でUltralytics YOLO11を発表するステージ上のGlenn Jocher。

Ultralytics YOLO11がサポートするコンピュータービジョンタスクの概要をご紹介します。

• 物体検出：画像やビデオフレーム内の物体を識別して位置を特定し、物体の周囲にバウンディングボックスを描画します。監視、自動運転、小売分析などのアプリケーションで利用されます。
• 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、ピクセル単位で分離します。医用画像や製造における欠陥検出などのアプリケーションに有用です。
• 画像分類：画像全体をあらかじめ定義されたクラスに分類します。電子商取引における商品分類や野生生物モニタリングなどのアプリケーションに適しています。
• 姿勢推定：画像やビデオフレーム内の特定のキーポイントを検出して動きや姿勢を追跡します。フィットネストラッキング、スポーツ分析、ヘルスケアアプリケーションに有用です。
• 方向付き物体検出（OBB）：方向角を持つ物体を検出し、回転した物体の位置をより正確に特定できます。航空画像、ロボティクス、倉庫自動化のタスクで特に役立ちます。
• 物体追跡：連続するビデオフレーム間で物体の動きを監視および追跡します。多くのリアルタイムアプリケーションに不可欠です。

図3。 Ultralytics YOLO11がサポートするコンピュータービジョンタスク。

Ultralytics YOLO11を際立たせるものとは？#

YOLO11は、今年初めにYOLOv9とYOLOv10で導入された進歩を基盤に、アーキテクチャ設計の改善、特徴抽出技術の強化、トレーニング手法の最適化を取り入れています。YOLO11を本当に際立たせているのは、速度、精度、効率性の優れた組み合わせであり、Ultralyticsがこれまでに開発した中でも最も高性能なモデルの1つとなっています。設計が改善されたことで、YOLO11は特徴抽出の性能が向上しています。これは画像から重要なパターンや詳細を識別するプロセスであり、困難な状況でも複雑な要素をより正確に捉えられます。

注目すべきことに、YOLO11mはYOLOv8mより22%少ないパラメーターで、COCOデータセットにおけるより高い平均適合率（mAP）スコアを達成します。性能を犠牲にすることなく計算負荷を軽減しています。つまり、より効率的に実行しながら、より正確な結果を提供します。さらに、YOLO11はより高速な処理速度を実現しており、推論時間はYOLOv10より約2%短縮されています。そのため、リアルタイムアプリケーションに適しています。

図4。物体検出にUltralytics YOLO11を使用。

複雑なタスクに対応しながらリソースへの負荷を抑え、大規模モデルの性能向上を目的に設計されているため、高度なAIプロジェクトに適しています。データ拡張パイプラインも強化され、トレーニングプロセスが改善されています。小規模なプロジェクトでも大規模なアプリケーションでも、Ultralytics YOLO11をさまざまなタスクに適応させやすくなっています。

実際、YOLO11は処理能力の面で非常に効率的であり、クラウドとエッジデバイスの両方へのデプロイに適しているため、さまざまな環境で柔軟に利用できます。簡単に言えば、YOLO11は単なるアップグレードではありません。大幅に高精度で効率的、かつ柔軟性に優れ、あらゆるコンピュータービジョンの課題に対応しやすいモデルです。自動運転、監視、医療画像、スマートリテール、産業用途など、ほぼあらゆるコンピュータービジョンアプリケーションに対応できる汎用性を備えています。

Ultralytics YOLO11はシステムとプラットフォームに対応できます#

Ultralytics YOLO11は、現在ご利用のシステムやプラットフォームとシームレスに統合できるよう設計されています。YOLOv8で提供されていたサポートを基盤に、YOLO11はトレーニング、テスト、デプロイのための幅広い環境に対応します。NVIDIA GPU、エッジデバイス、クラウドプラットフォームへのデプロイのいずれを利用する場合でも、YOLO11はワークフローに無理なく組み込めるよう最適化されています。

これらの統合機能は、YOLO11をさまざまな業界に適応させる便利な拡張機能であり、企業が既存のプロセスにモデルを簡単に導入できるよう支援します。たとえば、YOLO11を農業、特に作物モニタリングに利用するとします。広大な農地全体で植物の健康上の問題をリアルタイムに特定するため、ドローンにモデルをデプロイする必要があるかもしれません。一方、セキュリティ分野では、クラウドベースのシステムでYOLO11を使用し、複数のカメラ映像を監視して物体検出を行う方法が適している場合があります。

図5。農業でUltralytics YOLO11を使用。

Ultralytics YOLO11でAIコミュニティを支援#

ビジョンAIコミュニティは、YOLO11のリリースによって、エキサイティングな進展を期待できます。精度と効率性が向上したこの新しいモデルは、既存のアプリケーションを変革し、新たなアプリケーションを生み出す可能性を秘めています。この進歩を支える大きな要因がUltralytics HUBです。Ultralytics HUBは、YOLO11を含むYOLOモデルのトレーニングとデプロイを簡素化する、使いやすいプラットフォームです。

図6。Ultralytics HUBでYOLO11の推論を実行。

Ultralytics HUBは、ユーザーがデータセットをアップロードし、さまざまな事前トレーニング済みモデルにアクセスし、プロジェクトを一か所で管理できるようにすることで、開発プロセスを効率化します。HUBはコラボレーションにも対応しており、チームでAIプロジェクトに取り組みやすくなっています。Ultralytics HUBのその他の主な機能をご紹介します。

• クラウドトレーニング：Ultralytics HUBは、拡張性と効率性に優れたシームレスなクラウドベースのモデル トレーニングを提供します。
• 事前トレーニング済みモデル：このプラットフォームでは、さまざまなYOLOv5、YOLOv8、YOLO11の事前トレーニング済みモデルにアクセスできます。
• モデルのエクスポート：トレーニング済みモデルをさまざまな形式にエクスポートしてデプロイできます。
• 統合：Ultralytics HUBは、Roboflow、Google Colab、Weights & Biasesなどのプラットフォームとシームレスに統合できます。
• 詳細なドキュメント：Ultralytics HUBは、ユーザーを支援する包括的なガイドとFAQを提供します。
• コミュニティサポート：質問やディスカッションに対応する活発なDiscordコミュニティを利用できます。

HUBの直感的な設計により、経験豊富な開発者も初心者もすぐに使い始められます。より多くの開発者がHUBを通じてUltralytics YOLO11を利用することで、コンピュータービジョンの可能性を広げ、AI技術の未来を形作る高性能アプリケーションが急増することが期待されます。

Ultralytics YOLO11を実際に使ってみる#

YOLOv8と同様に、YOLO11も近日中にUltralytics HUBとUltralytics Pythonパッケージで試用できるようになります。Ultralytics HUBにサインインするか、パッケージのインストール方法を手順ごとに確認できるクイックスタートガイドをご覧ください。リリース後は、その機能を詳しく確認し、さまざまなデータセットを使って試し、各種のシナリオでYOLO11の性能を確認できるようになります。AIコミュニティが貢献を通じてYOLO11の開発に参加し、フィードバックを提供したり、その上に新たな機能を構築したりすることを楽しみにしています。

既存のプロジェクトの最適化を目指す開発者の方も、新しいアプリケーションの作成に関心がある方も、皆さまの参加がイノベーションの推進に役立ちます。ディスカッションに参加し、経験を共有し、他の人々と協力して、Ultralytics YOLO11の可能性を最大限に引き出してください。YOLO11を活用して現実の課題に取り組み、創造的なアイデアを実現する方法を拝見できることを楽しみにしています。

Ultralytics YOLO11で新たな章が始まります#

Ultralytics YOLO11は、優れた精度、速度、効率性を兼ね備えた、コンピュータービジョンの次なる進化です。YV24で発表されたその高度な機能は、自動運転車からスマートリテールソリューションまで、さまざまなリアルタイムアプリケーションに対応できる汎用性を実現します。AIコミュニティがこのモデルの検証と活用を始める中、YOLO11がイノベーションを推進し、新たな可能性を実現する創造的な方法に期待が高まります。AIの最新の進歩を探求したい方は、YOLO11を試して、コンピュータービジョンプロジェクトをどのように向上させられるかをご確認ください。

AIについてさらに詳しく知りたい方は、GitHubリポジトリをご覧いただき、活発なコミュニティにご参加ください。ヘルスケアや農業などの分野でAIがどのように進歩しているかをご覧いただけます。