Ultralytics YOLOモデル
Ultralytics YOLOモデルでビジョンAIソリューションを強化し、効率的なコンピュータビジョンタスクを通じて、画像と動画の迅速かつ正確なリアルタイム解析を実現します。
世界有数の組織から信頼されています
YOLO26推論を試す
画像をドラッグ＆ドロップして、リアルタイムの物体検出を確認してください
当社のモデルの影響
当社の最先端ビジョンAIモデルで、業界全体のプロセスを効率化しましょう。Ultralyticsが提供するスピード、精度、使いやすさを実現します。
0+
GitHubスター数
0+
ダウンロード数
0+
1日あたりのUltralytics YOLO利用数
0+
オープンソース貢献者
YOLOモデルの進化
初代YOLOアーキテクチャから最新のUltralytics YOLO26に至るまで、このモデルファミリーはリアルタイムのコンピュータビジョンワークフローを継続的に改善してきました。
2015年
YOLO
Joseph Redmonとチームにより開発されました。
2016年
YOLOv2
Joseph RedmonとAli Farhadiにより作成されました。
2018年
Joseph RedmonとAli Farhadiにより開発されました。
2018年
Alexey Bochkovskiyとチームにより開発されました。
2020年
YOLOv5は、高速で正確なパフォーマンスとユーザーフレンドリーなPyTorch実装により、物体検出を再定義しました。
2022年
美団（Meituan）とチームにより導入されました。
2022年
Chien-Yao Wangとチームによりリリースされました。
2023年
YOLOv8は、インスタンスセグメンテーション、分類、姿勢推定、その他の主要なビジョンタスクへとサポートを拡大しました。
2024年
Chien-Yao Wangとチームにより開発されました。
2024年
清華大学のAo Wangにより設計されました。
2024年
YOLO11は、親しみやすいUltralyticsのワークフローを維持しつつ、精度、精密さ、速度を向上させました。
2025年
YOLO26はより軽く、小さく、高速になっており、nanoバリエーションでは最大43%高速なCPU推論を実現しています。
Ultralytics YOLOモデルの概要
最新のUltralytics YOLOモデルファミリーを、速度、精度、サポートされているビジョンタスクで比較します。
| 機能 |  |  |  |  |
|---|---|---|---|---|
| 速度 画像処理時間 | 1.06 ms | 0.99 ms | 1.5 ms | 1.7 ms |
| 精度 mAP50-95 | 34.3% | 37.3% | 39.5% | 40.9% |
| オブジェクト検出 | ||||
| 画像分類 | ||||
| インスタンスセグメンテーション | ||||
| セマンティックセグメンテーション | - | - | - | |
| 姿勢推定 | - | |||
| OBB検出 | - |
なぜUltralytics YOLOを選ぶのか？
エッジおよびクラウド展開向けに最適化
エッジデバイス、クラウドインフラ、ハイブリッドシステム全体で、迅速かつ信頼性の高いリアルタイムビジョンAIプロジェクトを実現します。
組み込みセキュリティによるシームレスな統合
データをローカルに保ち、ワークフローを保護しながら、プラットフォームやデバイス間でYOLOモデルを統合します。
明確なライセンスとコンプライアンス
学術、オープンソース、企業向けのライセンスオプションから、展開ニーズに合わせて選択できます。
グローバルなコミュニティによるサポート
専用のサポートチャネル、活発なフォーラム、定期的なアップデートにより、チームの成功に必要なリソースを提供します。
最先端の精度と効率
Ultralyticsは、精度、効率、効率的な展開に重点を置いた研究を通じて、モデルのパフォーマンスを常に向上させています。
当社のモデルの動作を確認する
SOHGAがUltralytics YOLOを活用して駐車監視時間を30%削減
SOHGAのMEGURUシステムがどのようにUltralytics YOLO26を活用して駐車場パトロールを自動化し、パトロール時間を30%削減し、安全性を向上させているかをご覧ください。
Scaleout、Ultralytics YOLOを活用してモデルのアップデート時間を数週間から数時間に短縮
ScaleoutがどのようにUltralytics YOLOと連合学習を活用し、機密データを保護しながらエッジデバイス上でAIモデルをファインチューニングしているかをご覧ください。
RapiD EngineeringはUltralytics YOLOを導入し、水産物の品質管理を1週間早くデプロイしました
RapiD EngineeringがどのようにUltralytics YOLOを活用してサケの検査を自動化し、欠陥をリアルタイムで検出し、エンジニアリング作業を1週間短縮したかをご覧ください。
Project Ocean OasisはUltralytics YOLOを活用してサンゴ礁の保全を推進しています
Project Ocean OasisがUltralytics YOLO、エッジAI、そして自律型モニタリングシステムを活用して、どのようにサンゴ礁の保全と海洋インテリジェンスを拡大しているかをご覧ください。
VolleyがUltralytics YOLOを搭載した250以上のコート用AIトレーナーを提供
"本当に素晴らしい点は、モデルがトレーナーのエッジハードウェア上でリアルタイムに非常にうまく動作し、クラウドでも全く同じモデルを使用して同じフローを実行できることです。"
WG Tech SolutionsがUltralytics YOLOとAxeleraのAIアクセラレータで安全違反を28%削減
WG Tech Solutionsが、Ultralytics YOLOとAxeleraのAIアクセラレータを活用し、製造現場での安全違反を28%削減した事例をご覧ください。
StrideがUltralytics YOLOで1分間の馬の歩様解析を実現
Strideが馬の姿勢推定のためにUltralytics YOLOモデルを活用し、1分以内で歩様解析を完了させる方法をご覧ください。
PixelabsがUltralytics YOLO駆動の自動化で95%の再現率を達成
PixelabsがUltralytics YOLOモデルを活用してワークフローを自動化し、95%の再現率を達成する方法をご覧ください。
SiteAssistがUltralytics YOLOで77万枚以上の画像を処理し、現場の安全性を向上
SiteAssistがUltralytics YOLOモデルを活用して建設現場の安全性を向上させる方法をご覧ください。
Chef RoboticsがUltralytics YOLOを使用して食品の過剰供給を67%削減
Chef Roboticsが、正確な食品組み立てのためにどのようにUltralytics YOLOモデルを使用しているかをご覧ください。
Cali IntelligenceがUltralytics YOLOでチェックアウト待ち時間を43%短縮
Cali Intelligenceが、物体検出を使用して小売店のチェックアウト待ち時間をどのように削減しているかをご覧ください。
MarineSituがUltralytics YOLOを使用して水中モニタリングで96%以上の稼働率を達成
MarineSituがUltralytics YOLOを使用して水中物体検出を変革する方法をご覧ください。
Theia ScientificがUltralytics YOLOで顕微鏡解析を43倍高速化
Theia ScientificがUltralytics YOLOを使用して顕微鏡データ解析を再定義する方法をご覧ください。
eSmart SystemsがUltralytics YOLOで送電線検査時間を半分に短縮
eSmart SystemsがUltralytics YOLOを使用して、欠陥検出速度を向上させ、ユーティリティ検査を変革する方法をご覧ください。
Axelera AIはUltralytics YOLOを使用して34 FPSのエッジAI推論を実現します
Axelera AIがどのようにUltralytics YOLOを活用して、Metis AIチップ上で高速、高精度、効率的なエッジビジョンを実現しているかをご覧ください。
STMicroelectronicsはMCU上で推論あたりわずか9.4 mJでUltralytics YOLOを実行します
STMicroelectronicsが、正確なリアルタイムのエッジ推論を実現するために、低電力マイコンにどのようにUltralytics YOLOモデルを効率的にデプロイしているかをご覧ください。
SpecialvideoがUltralytics YOLOで99%の食品検査精度を達成
SpecialvideoがUltralytics YOLOモデルを活用してリアルタイムのAI食品検査を強化し、品質保証、廃棄物削減、効率向上を実現する方法をご覧ください。
Vivity AIがUltralytics YOLOにより産業オペレーションで年間500万ドル以上のコスト削減を達成
Vivity AIがUltralytics YOLOモデルを活用して産業オートメーションを強化し、効率改善、ダウンタイム削減、職場の安全性確保を実現する方法をご覧ください。
Videologic AnalyticsがUltralytics YOLOで1万件のAIカメラライセンスにスケール
Videologic AnalyticsがUltralytics YOLOモデルを統合してビデオ監視を強化し、検出精度の向上、誤報の削減、リアルタイム脅威監視の最適化を実現する方法をご覧ください。
PrezentがUltralytics YOLOでスライド検出精度を34%向上
PrezentがUltralytics YOLOモデルを活用してスライド要素の検出を自動化し、構造とデザインを維持しながら処理時間を10秒未満に短縮する方法をご覧ください。
ALYCEがUltralytics YOLOで交通AI推論を20%高速化
ALYCEがUltralytics YOLOモデルを使用して、データの精度を高め、都市モビリティを最適化し、持続可能でよりスマートな都市のためのAI駆動型交通ソリューションを作成する方法をご覧ください。
KiwitronがUltralytics YOLOを使用して30メートル先の産業上の危険を検知
Kiwitronが、産業上の危険を検知して対処し、安全性を向上させるために、KewiEyeソリューションでどのようにUltralytics YOLOモデルを使用しているかをご覧ください。
SOHGAがUltralytics YOLOを活用して駐車監視時間を30%削減
SOHGAのMEGURUシステムがどのようにUltralytics YOLO26を活用して駐車場パトロールを自動化し、パトロール時間を30%削減し、安全性を向上させているかをご覧ください。
Scaleout、Ultralytics YOLOを活用してモデルのアップデート時間を数週間から数時間に短縮
ScaleoutがどのようにUltralytics YOLOと連合学習を活用し、機密データを保護しながらエッジデバイス上でAIモデルをファインチューニングしているかをご覧ください。
RapiD EngineeringはUltralytics YOLOを導入し、水産物の品質管理を1週間早くデプロイしました
RapiD EngineeringがどのようにUltralytics YOLOを活用してサケの検査を自動化し、欠陥をリアルタイムで検出し、エンジニアリング作業を1週間短縮したかをご覧ください。
Project Ocean OasisはUltralytics YOLOを活用してサンゴ礁の保全を推進しています
Project Ocean OasisがUltralytics YOLO、エッジAI、そして自律型モニタリングシステムを活用して、どのようにサンゴ礁の保全と海洋インテリジェンスを拡大しているかをご覧ください。
VolleyがUltralytics YOLOを搭載した250以上のコート用AIトレーナーを提供
"本当に素晴らしい点は、モデルがトレーナーのエッジハードウェア上でリアルタイムに非常にうまく動作し、クラウドでも全く同じモデルを使用して同じフローを実行できることです。"
WG Tech SolutionsがUltralytics YOLOとAxeleraのAIアクセラレータで安全違反を28%削減
WG Tech Solutionsが、Ultralytics YOLOとAxeleraのAIアクセラレータを活用し、製造現場での安全違反を28%削減した事例をご覧ください。
StrideがUltralytics YOLOで1分間の馬の歩様解析を実現
Strideが馬の姿勢推定のためにUltralytics YOLOモデルを活用し、1分以内で歩様解析を完了させる方法をご覧ください。
PixelabsがUltralytics YOLO駆動の自動化で95%の再現率を達成
PixelabsがUltralytics YOLOモデルを活用してワークフローを自動化し、95%の再現率を達成する方法をご覧ください。
SiteAssistがUltralytics YOLOで77万枚以上の画像を処理し、現場の安全性を向上
SiteAssistがUltralytics YOLOモデルを活用して建設現場の安全性を向上させる方法をご覧ください。
Chef RoboticsがUltralytics YOLOを使用して食品の過剰供給を67%削減
Chef Roboticsが、正確な食品組み立てのためにどのようにUltralytics YOLOモデルを使用しているかをご覧ください。
Cali IntelligenceがUltralytics YOLOでチェックアウト待ち時間を43%短縮
Cali Intelligenceが、物体検出を使用して小売店のチェックアウト待ち時間をどのように削減しているかをご覧ください。
MarineSituがUltralytics YOLOを使用して水中モニタリングで96%以上の稼働率を達成
MarineSituがUltralytics YOLOを使用して水中物体検出を変革する方法をご覧ください。
Theia ScientificがUltralytics YOLOで顕微鏡解析を43倍高速化
Theia ScientificがUltralytics YOLOを使用して顕微鏡データ解析を再定義する方法をご覧ください。
eSmart SystemsがUltralytics YOLOで送電線検査時間を半分に短縮
eSmart SystemsがUltralytics YOLOを使用して、欠陥検出速度を向上させ、ユーティリティ検査を変革する方法をご覧ください。
Axelera AIはUltralytics YOLOを使用して34 FPSのエッジAI推論を実現します
Axelera AIがどのようにUltralytics YOLOを活用して、Metis AIチップ上で高速、高精度、効率的なエッジビジョンを実現しているかをご覧ください。
STMicroelectronicsはMCU上で推論あたりわずか9.4 mJでUltralytics YOLOを実行します
STMicroelectronicsが、正確なリアルタイムのエッジ推論を実現するために、低電力マイコンにどのようにUltralytics YOLOモデルを効率的にデプロイしているかをご覧ください。
SpecialvideoがUltralytics YOLOで99%の食品検査精度を達成
SpecialvideoがUltralytics YOLOモデルを活用してリアルタイムのAI食品検査を強化し、品質保証、廃棄物削減、効率向上を実現する方法をご覧ください。
Vivity AIがUltralytics YOLOにより産業オペレーションで年間500万ドル以上のコスト削減を達成
Vivity AIがUltralytics YOLOモデルを活用して産業オートメーションを強化し、効率改善、ダウンタイム削減、職場の安全性確保を実現する方法をご覧ください。
Videologic AnalyticsがUltralytics YOLOで1万件のAIカメラライセンスにスケール
Videologic AnalyticsがUltralytics YOLOモデルを統合してビデオ監視を強化し、検出精度の向上、誤報の削減、リアルタイム脅威監視の最適化を実現する方法をご覧ください。
PrezentがUltralytics YOLOでスライド検出精度を34%向上
PrezentがUltralytics YOLOモデルを活用してスライド要素の検出を自動化し、構造とデザインを維持しながら処理時間を10秒未満に短縮する方法をご覧ください。
ALYCEがUltralytics YOLOで交通AI推論を20%高速化
ALYCEがUltralytics YOLOモデルを使用して、データの精度を高め、都市モビリティを最適化し、持続可能でよりスマートな都市のためのAI駆動型交通ソリューションを作成する方法をご覧ください。
KiwitronがUltralytics YOLOを使用して30メートル先の産業上の危険を検知
Kiwitronが、産業上の危険を検知して対処し、安全性を向上させるために、KewiEyeソリューションでどのようにUltralytics YOLOモデルを使用しているかをご覧ください。
SOHGAがUltralytics YOLOを活用して駐車監視時間を30%削減
SOHGAのMEGURUシステムがどのようにUltralytics YOLO26を活用して駐車場パトロールを自動化し、パトロール時間を30%削減し、安全性を向上させているかをご覧ください。
Scaleout、Ultralytics YOLOを活用してモデルのアップデート時間を数週間から数時間に短縮
ScaleoutがどのようにUltralytics YOLOと連合学習を活用し、機密データを保護しながらエッジデバイス上でAIモデルをファインチューニングしているかをご覧ください。
RapiD EngineeringはUltralytics YOLOを導入し、水産物の品質管理を1週間早くデプロイしました
RapiD EngineeringがどのようにUltralytics YOLOを活用してサケの検査を自動化し、欠陥をリアルタイムで検出し、エンジニアリング作業を1週間短縮したかをご覧ください。
Project Ocean OasisはUltralytics YOLOを活用してサンゴ礁の保全を推進しています
Project Ocean OasisがUltralytics YOLO、エッジAI、そして自律型モニタリングシステムを活用して、どのようにサンゴ礁の保全と海洋インテリジェンスを拡大しているかをご覧ください。
VolleyがUltralytics YOLOを搭載した250以上のコート用AIトレーナーを提供
"本当に素晴らしい点は、モデルがトレーナーのエッジハードウェア上でリアルタイムに非常にうまく動作し、クラウドでも全く同じモデルを使用して同じフローを実行できることです。"
WG Tech SolutionsがUltralytics YOLOとAxeleraのAIアクセラレータで安全違反を28%削減
WG Tech Solutionsが、Ultralytics YOLOとAxeleraのAIアクセラレータを活用し、製造現場での安全違反を28%削減した事例をご覧ください。
StrideがUltralytics YOLOで1分間の馬の歩様解析を実現
Strideが馬の姿勢推定のためにUltralytics YOLOモデルを活用し、1分以内で歩様解析を完了させる方法をご覧ください。
PixelabsがUltralytics YOLO駆動の自動化で95%の再現率を達成
PixelabsがUltralytics YOLOモデルを活用してワークフローを自動化し、95%の再現率を達成する方法をご覧ください。
SiteAssistがUltralytics YOLOで77万枚以上の画像を処理し、現場の安全性を向上
SiteAssistがUltralytics YOLOモデルを活用して建設現場の安全性を向上させる方法をご覧ください。
Chef RoboticsがUltralytics YOLOを使用して食品の過剰供給を67%削減
Chef Roboticsが、正確な食品組み立てのためにどのようにUltralytics YOLOモデルを使用しているかをご覧ください。
Cali IntelligenceがUltralytics YOLOでチェックアウト待ち時間を43%短縮
Cali Intelligenceが、物体検出を使用して小売店のチェックアウト待ち時間をどのように削減しているかをご覧ください。
MarineSituがUltralytics YOLOを使用して水中モニタリングで96%以上の稼働率を達成
MarineSituがUltralytics YOLOを使用して水中物体検出を変革する方法をご覧ください。
Theia ScientificがUltralytics YOLOで顕微鏡解析を43倍高速化
Theia ScientificがUltralytics YOLOを使用して顕微鏡データ解析を再定義する方法をご覧ください。
eSmart SystemsがUltralytics YOLOで送電線検査時間を半分に短縮
eSmart SystemsがUltralytics YOLOを使用して、欠陥検出速度を向上させ、ユーティリティ検査を変革する方法をご覧ください。
Axelera AIはUltralytics YOLOを使用して34 FPSのエッジAI推論を実現します
Axelera AIがどのようにUltralytics YOLOを活用して、Metis AIチップ上で高速、高精度、効率的なエッジビジョンを実現しているかをご覧ください。
STMicroelectronicsはMCU上で推論あたりわずか9.4 mJでUltralytics YOLOを実行します
STMicroelectronicsが、正確なリアルタイムのエッジ推論を実現するために、低電力マイコンにどのようにUltralytics YOLOモデルを効率的にデプロイしているかをご覧ください。
SpecialvideoがUltralytics YOLOで99%の食品検査精度を達成
SpecialvideoがUltralytics YOLOモデルを活用してリアルタイムのAI食品検査を強化し、品質保証、廃棄物削減、効率向上を実現する方法をご覧ください。
Vivity AIがUltralytics YOLOにより産業オペレーションで年間500万ドル以上のコスト削減を達成
Vivity AIがUltralytics YOLOモデルを活用して産業オートメーションを強化し、効率改善、ダウンタイム削減、職場の安全性確保を実現する方法をご覧ください。
Videologic AnalyticsがUltralytics YOLOで1万件のAIカメラライセンスにスケール
Videologic AnalyticsがUltralytics YOLOモデルを統合してビデオ監視を強化し、検出精度の向上、誤報の削減、リアルタイム脅威監視の最適化を実現する方法をご覧ください。
PrezentがUltralytics YOLOでスライド検出精度を34%向上
PrezentがUltralytics YOLOモデルを活用してスライド要素の検出を自動化し、構造とデザインを維持しながら処理時間を10秒未満に短縮する方法をご覧ください。
ALYCEがUltralytics YOLOで交通AI推論を20%高速化
ALYCEがUltralytics YOLOモデルを使用して、データの精度を高め、都市モビリティを最適化し、持続可能でよりスマートな都市のためのAI駆動型交通ソリューションを作成する方法をご覧ください。
KiwitronがUltralytics YOLOを使用して30メートル先の産業上の危険を検知
Kiwitronが、産業上の危険を検知して対処し、安全性を向上させるために、KewiEyeソリューションでどのようにUltralytics YOLOモデルを使用しているかをご覧ください。
よくある質問
Ultralytics YOLO26の異なるバリアントは、YOLO26n、YOLO26s、YOLO26m、YOLO26l、YOLO26xです。これらはさまざまな用途に合わせて、速度と精度のバランスを提供するために異なるサイズで展開されています。
Ultralytics Pythonパッケージは、Ultralytics YOLOモデルへの簡単なアクセスを提供し、開発者がPythonプロジェクト内でオブジェクト検出やセグメンテーションなどのコンピュータビジョンタスクをトレーニング、検証、展開できるようにします。
ユースケースに最適なUltralytics YOLOモデルは、ニーズによって異なります。最新のUltralytics YOLO26モデルは、精度、速度、マルチタスクサポートにおける最新の改善を提供します。
Ultralytics YOLOには、最新のYOLO26モデルファミリーに加え、既存のワークフローのための初期のYOLOモデルファミリーが含まれています。YOLOモデルは、オブジェクト検出、セグメンテーション、分類、ポーズ推定、指向性オブジェクト検出など、多目的なAIアプリケーションのための複数のビジョンタスクをサポートしています。
Ultralytics YOLOを使い始めましょう！
アノテーションからデプロイまで、ニーズに合わせて拡張可能なビジョンAIソリューションを構築します。