エッジデバイスにUltralytics YOLO26をデプロイするにはどうすればよいですか？

YOLO26はTensorRT、ONNX、CoreML、TFLite、OpenVINOへのエクスポートに対応しており、一般的なエッジデプロイメントターゲットを幅広くカバーしています。NMS不要のアーキテクチャにより、統合時の問題が減り、標準状態で低レイテンシを実現します。

Ultralytics YOLO26は既存のYOLOワークフローと互換性がありますか？

はい。YOLO26は以前のUltralytics YOLOリリースと同じインターフェースに従うため、移行は簡単です。YOLO26のモデルウェイトに置き換えるだけで済みます。

Ultralytics YOLO26はどのタスクに対応していますか？

物体検出、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、画像分類、ポーズ推定、指向性物体検出を、1つの統合モデルファミリーで実行できます。

どのUltralytics YOLO26モデルサイズを使用すべきですか？

nano（n）バリアントは、エッジデバイスやCPUに制約のあるデバイスに最適です。small（s）とmedium（m）バリアントは、ほとんどのアプリケーションで速度と精度のバランスに優れています。large（l）とextra-large（x）バリアントは、負荷の高いワークロードで最大の精度を実現します。

YOLO11と比較したUltralytics YOLO26の主な改善点は何ですか？

YOLO26はDFLを削除してエクスポートを簡素化し、NMSを排除してエンドツーエンド推論を高速化し、ProgLoss + STALによって小物体の精度を向上させ、より安定したトレーニングを実現するMuSGDオプティマイザーを導入し、CPU推論を最大43%高速化します。

Ultralytics YOLO

★★★★★5/5

Ultralytics YOLO26モデル

エッジおよび低消費電力デバイス向けにゼロから構築されたUltralytics YOLO26は、よりクリーンでシンプルなアーキテクチャにより、CPU推論を最大43%高速化し、リアルタイムビジョンAIの新たな基準を打ち立てます。

始める

業界のリーダーに信頼されています

YOLO26の推論を試す

画像をドラッグ＆ドロップしてリアルタイム物体検出を確認

入力画像

画像をアップロードするか、例を選択してテストします YOLO26n. Predictドキュメント

ライブデモ

ここに画像をドロップ

またはクリックして参照

JPEG、PNG、WebP、AVIF、HEIC、JP2、TIFF、BMPなどに対応（最大10MB）

または例を試す

信頼度

0.25

IoU

0.70

画像サイズ

640

APIドキュメント

モデルをデプロイして、APIキー認証付きの専用推論エンドポイントを取得します。その後、以下のプレースホルダーURLとキーを、デプロイ時の値に置き換えてください。デプロイドキュメント

注記： これはサンプルコードです。まずモデルをデプロイして、エンドポイントURLとAPIキーを取得してください。

import requests

# Deployment URL and API key
url = "https://your-deployment-url.run.app/predict"
api_key = "YOUR_API_KEY"

# Optional inference parameters (conf, iou, imgsz)
args = {"conf": 0.25, "iou": 0.7, "imgsz": 640}

with open("image.jpg", "rb") as f:
    response = requests.post(
        url,
        headers={"Authorization": f"Bearer {api_key}"},
        data=args,
        files={"file": f},
    )

print(response.json())

Ultralytics YOLO26の主な改善点

CPU推論が最大43%高速
GPUを搭載していないデバイスでもリアルタイム性能を実現し、エッジ環境やリソースに制約のある環境向けに設計されています。

NMS不要のエンドツーエンド推論
予測はポストプロセス処理なしで直接生成されます。レイテンシが短縮され、デプロイがより簡単になります。

DFLなしで、ハードウェア互換性を拡大
Distribution Focal Lossを削除することで、エクスポートが簡素化され、エッジデバイスとの互換性が広がります。

MuSGD：よりスマートなオプティマイザー
SGDとMuonを組み合わせ、LLMトレーニングの進展から着想を得た、より安定したトレーニングを実現する手法です。

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、対応するビジョンタスクの観点から比較します。

機能
速度画像処理時間	0.54 ms	0.47 ms	0.56 ms	0.67 ms	0.62 ms
精度 mAP50-95	34.3%	37.3%	39.5%	40.9%	42.3%
物体検出
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	-		-
深度推定	-	-	-
画像分類	-
姿勢推定	-
OBB検出	-