Ultralytics YOLO11が登場！AIの可能性を再定義しましょう！

Ultralyticsモデルの次なる進化形、YOLO11を紹介できることを大変嬉しく思います！これまでのYOLOモデルの素晴らしい進歩を基盤としたYOLO11は、より高速で高精度、そして非常に多才な強力な機能と最適化を数多く備えています。AIのエキスパート、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Ultralyticsファミリーの最新の追加機能は、コンピュータビジョンの可能性を再定義するものとなります。

革新的なアーキテクチャにより、YOLO11はリアルタイムの物体検出から分類に至るまで、さまざまなコンピュータビジョンタスクに使用でき、開発者や研究者にとって画期的な存在となります。主な改良点には、より精密な詳細情報を捉えるための特徴抽出の強化、より少ないパラメータでの精度の向上、リアルタイムパフォーマンスを大幅に改善する高速な処理速度などが含まれます。この記事では、YOLO11を際立たせている機能と、それがどのようにコンピュータビジョンアプリケーションを変革できるの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のステージでYOLO11を発表するGlenn Jocher。

Link to this sectionYOLO11について知る#

YOLO11 marks a new chapter for the YOLO family, offering a more capable and versatile model that takes computer vision to new heights. With its refined architecture and enhanced capabilities, the model supports computer vision tasks like pose estimation and instance segmentation that the vision AI community has come to love about Ultralytics YOLOv8, but with even greater performance and precision. Glenn Jocher, Founder and CEO of Ultralytics, shared, “With YOLO11, we set out to develop a model that offers both power and practicality for real-world applications. Its improved efficiency and accuracy make it a robust tool that can be adapted to the unique challenges faced by various industries. I can’t wait to see how the Vision AI community uses YOLO11 to create innovative solutions and take computer vision to the next level.”

図2：YV24のステージでYOLO11を発表するGlenn Jocher。

YOLO11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通りです。

• 物体検出: 画像やビデオフレーム内の物体を識別および特定し、その周囲に境界ボックスを描画します。これは監視、自動運転、小売分析などのアプリケーションに使用されます。
• 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ピクセルレベルまで識別・分離します。医療画像や製造業における欠陥検出などのアプリケーションに役立ちます。
• 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製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最適です。
• ポーズ推定: 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作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、医療アプリケーションに有効です。
• 向き付き物体検出 (OBB): 向きの角度を持つ物体を検出します。回転した物体のより正確な位置特定が可能で、航空画像、ロボット工学、倉庫自動化タスクにおいて特に価値があります。
• 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. YOLO11がサポートするコンピュータビジョンタスク。

Link to this sectionYOLO11は何が違うのか？#

YOLO11は、今年初めに発表されたYOLOv9やYOLOv10の進歩を基盤とし、改善されたアーキテクチャ設計、強化された特徴抽出技術、最適化された学習手法を取り入れています。YOLO11の真の魅力は、スピード、精度、効率の優れた組み合わせにあり、これまでUltralyticsが作成した中で最も高性能なモデルの1つとなっています。改善された設計により、YOLO11はより優れた特徴抽出を実現します。これは画像から重要なパターンや詳細を特定するプロセスであり、困難な状況下でも複雑な側面をより正確に捉えることが可能になります。

Remarkably, YOLO11m achieves a higher mean Average Precision (mAP) score on the COCO dataset while using 22% fewer parameters than YOLOv8m, making it computationally lighter without sacrificing performance. This means it delivers more accurate results while being more efficient to run. On top of that, YOLO11 brings faster processing speeds, with inference times around 2% quicker than YOLOv10, making it ideal for real-time applications.

図4：物体検出にYOLO11を使用。

複雑なタスクを処理できるように構築されており、リソース負荷が低く、大規模モデルのパフォーマンスを向上させるように設計されているため、負荷の高いAIプロジェクトに最適です。オーグメンテーションパイプラインの機能強化により、トレーニングプロセスも改善され、小規模プロジェクトから大規模アプリケーションまで、YOLO11がさまざまなタスクに適応しやすくなりました。

実際、YOLO11は処理能力の観点から非常に効率的であり、クラウドデバイスとエッジデバイスの両方でのデプロイに最適で、さまざまな環境での柔軟性を確保しています。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。あらゆるコンピュータビジョンの課題に対応できる、より正確で効率的、かつ柔軟なモデルです。自動運転、監視、医療画像、スマートリテール、あるいは産業用ユースケースなど、YOLO11はほぼすべてのコンピュータビジョンアプリケーションに対応できる多才なモデルです。

Link to this sectionYOLO11は、あなたのシステムやプラットフォームに対応しています#

YOLO11は、すでに使用している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に設計されています。YOLOv8が提供するサポートをベースに、YOLO11はトレーニング、テスト、デプロイのための幅広い環境と互換性があります。NVIDIA GPU、エッジデバイス、またはクラウドプラットフォームへのデプロイなど、YOLO11はワークフローに簡単に適合するように最適化されています。

これらの統合はYOLO11をさまざまな業界に適応可能にする優れたアドオンであり、企業が既存のプロセスにモデルを簡単に実装するのを支援します。例えば、農業において、特に作物モニタリングにYOLO11を使用したい場合を考えてみましょう。広大な畑でリアルタイムに作物の健康問題を特定するために、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。しかし、セキュリティ分野であれば、クラウドベースのシステムでYOLO11を使用し、複数のカメラフィードを監視して物体検出を行うことを好むかもしれません。

図5：農業におけるYOLO11の使用。

Link to this sectionYOLO11でAIコミュニティに力を与える#

ビジョンAIコミュニティは、YOLO11の登場によりエキサイティングな進歩を期待できます。精度と効率が向上したこの新しいモデルには、既存のアプリケーションを変革し、新しいアプリケーションを創出する可能性があります。この進歩の大きな要因は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ユーザーフレンドリーな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、さまざまな事前学習済みモデルにアクセスし、すべてのプロジェクトを1か所で管理できるようにすることで、開発プロセスを合理化します。HUBはコラボレーションもサポートしており、チームがAIプロジェクトで協力しやすくなっています。Ultralytics HUBのその他の主な機能は以下の通りです：

• クラウドトレーニング: Ultralytics HUBは、拡張性と効率性のために、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。
• 事前学習済みモデル: このプラットフォームでは、さまざまな事前学習済みYOLOv5、YOLOv8、およびYOLO11モデルにアクセスできます。
• モデルのエクスポート: 学習済みモデルは、デプロイ用にさまざまなフォーマットにエクスポートできます。
• 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されます。
• 詳細なドキュメント: Ultralytics HUBは、ユーザーサポートのために包括的なガイドとFAQを提供しています。
• コミュニティサポート: 質問やディスカッションのために、アクティブなDiscordコミュニティが利用可能です。

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ることができます。より多くの開発者がHUBを通じてYOLO11を利用するようになれば、コンピュータビジョンの限界を押し広げ、AI技術の未来を形作る高性能なアプリケーションが急増することが期待されます。

Link to this sectionYOLO11を体験してみる#

YOLOv8と同様に、YOLO11もまもなくUltralytics HUBおよびUltralytics Pythonパッケージを通じて試せるようになります。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の手順についてはクイックスタートガイドをご覧ください。リリースされ次第、その機能を探索したり、さまざまなデータセットで実験したり、さまざまなシナリオでYOLO11がどのように動作するかを確認したりできるようになります。AIコミュニティがYOLO11の開発に貢献したり、フィードバックを提供したり、それを基に構築したりして、YOLO11と関わっていくのを楽しみにしています。

既存のプロジェクトを最適化しようとしている開発者であっても、新しいアプリケーションの作成に関心がある方であっても、皆さんの関与がイノベーションを促進する助けとなります。ディスカッションに参加し、経験を共有し、他の人と協力してYOLO11の可能性を最大限に引き出しましょう。皆さんがYOLO11を使用して現実世界の課題に取り組み、クリエイティブなアイデアを実現するのを楽しみにしています！

Link to this sectionYOLO11で新しい章が始まる#

YOLO11は、優れた精度、速度、効率を兼ね備えた、コンピュータビジョンの次なるステップです。YV24で発表されたその先進的な機能は、自動運転車両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適しています。AIコミュニティがこのモデルを探求し使用し始めるにあたり、YOLO11がどのようにイノベーションを促進し、新しい可能性を現実に変えていくのか、その創造的な活用方法を見ることを楽しみにしています。AIの最新の進歩を探求したい場合は、YOLO11を試して、それがどのようにコンピュータビジョンプロジェクトを向上させられるかを確認してください！

AIの詳細については、GitHubリポジトリにアクセスし、私たちの活発なコミュニティにご参加ください。AIが医療や農業といった分野でどのように進歩しているかをご覧ください。