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

Ultralyticsモデルの次なる進化、YOLO11をご紹介できることをうれしく思います。これまでのYOLOモデルの目覚ましい進歩を土台に、YOLO11は強力な機能と最適化を数多く備え、より高速、高精度で、非常に幅広い用途に対応します。Ultralyticsが毎年開催する、AIの専門家、イノベーター、開発者が集うハイブリッドイベントYOLO Vision 2024（YV24）で発表されたこのUltralyticsファミリーの新モデルは、その後継としてUltralytics YOLO26が登場しており、コンピュータビジョンの可能性を塗り替えることが期待されています。

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ビジョンタスクに使用でき、開発者にも研究者にも実用的な選択肢です。主な改良点には、細部をより正確に捉える特徴抽出の強化、パラメーター数を抑えながらの精度向上、リアルタイム性能を大幅に高める処理速度の向上があります。この記事では、YOLO11の特長と、コンピュータ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。

図1. YOLO Vision 24のステージでUltralytics YOLO11を発表するGlenn Jocher。

Ultralytics YOLO11を知る#

YOLO11はYOLOファミリーの新たな章を開き、コンピュータビジョンを新たな高みへ導く、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、コンピュータビジョンタスクの中でも、Ultralytics YOLOv8でビジョンAIコミュニティに親しま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を、さらに高い性能と精度で実行できます。Ultralyticsの創業者兼CEOであるGlenn Jocherは、「YOLO11では、現実世界の用途において高い性能と実用性を両立するモデルの開発を目指しました。効率性と精度の向上により、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を使って革新的なソリューションを生み出し、コンピュータビジョンを次の段階へ進める様子を見るのが楽しみです」と述べています。

図2. YV24でUltralytics YOLO11を発表するGlenn Jocher。

Ultralytics YOLO11が対応するコンピュータービジョンタスクをご紹介します。

• 物体検出：画像や動画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、小売分析などに活用できます。
• 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単位で識別し、分離する処理です。医用画像や製造業における欠陥検出などに役立ちます。
• 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。電子商取引の商品分類や野生生物のモニタリングなどに適しています。
• 姿勢推定：画像や動画フレーム内の特定のキーポイントを検出して動きやポーズを追跡します。フィットネスの記録、スポーツ分析、医療用途に役立ちます。
• 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、倉庫の自動化タスクで特に有用です。
• 物体追跡：物体の動きを連続する動画フレーム間で監視・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が対応するコンピュータービジョンタスク。

Ultralytics YOLO11の特長とは？#

YOLO11は、今年初めにYOLOv9とYOLOv10で導入された進歩を基盤として、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の際立った特長は、速度、精度、効率の優れた組み合わせであり、これまでにUltralyticsが開発した中でも最も高性能なモデルの1つです。設計が改善されたYOLO11は、特徴抽出を向上させています。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、困難な状況でも複雑な要素をより正確に捉えることができます。

注目すべきことに、YOLO11mは、COCOデータセットで平均適合率（mAP）スコアを高めながら、YOLOv8mよりパラメーター数を22%削減しており、性能を損なわずに計算負荷を軽減しています。つまり、実行効率を高めながら、より正確な結果を得られます。さらにYOLO11は処理速度も向上しており、推論時間はYOLOv10より約2%短縮されているため、リアルタイムアプリケーションに最適です。

図4. Ultralytics YOLO11を使用した物体検出。

複雑なタスクを処理しながらリソース負荷を抑えるように構築されており、大規模モデルの性能向上を目指して設計されているため、高度なAIプロジェクトに最適です。データ拡張パイプラインの強化によって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、さまざまなタスクにUltralytics YOLO11を適応させやすくなりました。

実際、YOLO11は処理能力の面で非常に効率的で、クラウドとエッジデバイスの両方にデプロイできるため、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なく、大幅に高精度で効率的、かつ柔軟性に優れたモデルであり、幅広いコンピュータビジョンの課題に対応できます。自動運転、監視、医用画像、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、お使いのシステムやプラットフォームですぐに利用できます#

Ultralytics YOLO11は、すでにお使いのシステムやプラットフォームと統合できるよう設計されています。YOLOv8のサポートを引き継ぎ、YOLO11はトレーニング、テスト、デプロイの幅広い環境に対応しています。NVIDIA GPU、エッジデバイス、クラウドプラットフォームのいずれを利用する場合でも、YOLO11はワークフローに適合するよう最適化されています。

こうした統合機能はYOLO11をさまざまな業界に適応させる優れた追加要素であり、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にします。たとえば、農業、特に作物のモニタリングにYOLO11を使うとします。広大な農地で植物の健康状態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あれば、複数のカメラ映像を監視して物体を検出するため、クラウドベースのシステムとYOLO11を組み合わせる方法が適しているでしょう。

図5. 農業でのUltralytics YOLO11の活用。

Ultralytics YOLO11でAIコミュニティを支援#

YOLO11の公開により、ビジョンAIコミュニティでは大きな進歩が期待できます。精度と効率の向上により、この新モデルは既存のアプリケーションを変革し、新たな用途を生み出す可能性があります。この進歩を支える大きな要因の1つがUltralytics HUBです。現在はUltralytics Platformに引き継がれています。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では、ユーザーは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て、プロジェクトを一か所で管理できるため、開発プロセスが効率化されます。HUBはコラボレーションにも対応しており、チームでAIプロジェクトに簡単に取り組めます。Ultralytics HUBのその他の主な機能を紹介します。

• クラウドトレーニング：Ultralytics HUBは、スケーラビリティと効率性を備えたクラウドベースのモデルの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YOLOv5、YOLOv8、YOLO11の事前学習済みモデルを利用できます。
• 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形式へ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：質問や意見交換に利用できる、活発なDiscordコミュニティがあります。

HUBの直感的なデザインにより、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を利用するなかで、高性能なコンピュータビジョンアプリケーションがさらに数多く登場することを楽しみにしています。

Ultralytics YOLO11を実際に試す#

YOLOv8と同様、YOLO11はUltralytics PlatformとUltralytics Pythonパッケージを通じて試すことができます。Ultralytics Platformにサインインするか、クイックスタートガイドでパッケージのインストール手順を確認してください。機能を調べたり、さまざまなデータセットで実験したり、複数のシナリオでYOLO11の性能を確認したりできます。AIコミュニティが開発への貢献、フィードバックの提供、さらなる開発を通じてYOLO11に参加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も、新しいアプリケーションの作成に関心がある方も、参加することでイノベーションを推進できます。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Ultralytics YOLO11の可能性を最大限に引き出しましょう。YOLO11を使って実社会の課題に取り組み、創造的なアイデアを実現する方法を楽しみにしています。

Ultralytics YOLO11とともに新たな章が始まります#

Ultralytics YOLO11は、優れた精度、速度、効率を兼ね備えた、コンピュータービジョンの次なる進歩です。YV24で発表されたYOLO11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高度な機能を備えています。AIコミュニティがこのモデルを使い始める中、YOLO11がイノベーションを推進し、新たな可能性を切り開く創造的な活用方法に期待しています。AIの最新の進歩を試したい方は、YOLO11を使って、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できるかご確認ください。

AIについて詳しく知るには、GitHubリポジトリをご覧になり、活発なコミュニティにご参加ください。医療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紹介します。