業界リーダーによる信頼
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
入力画像
画像をアップロードするか、サンプルを選択してテストしてください yolo26n. Predictのドキュメント
画像をここにドロップ
またはクリックして参照
JPEG、PNG、WebP、AVIF、HEIC、JP2、TIFF、BMPなどをサポート（最大10MB）
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キー認証を備えた専用の推論エンドポイントを取得してください。その後、以下のプレースホルダーURLとキーをデプロイ値に置き換えてください。 デプロイのドキュメント
注意: これはコード例です。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
# Replace with your 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%高速化
GPUのないデバイスでもリアルタイム性能を発揮し、エッジや制約のある環境向けに専用設計されています。
NMS不要のエンドツーエンド推論
予測が直接生成されるため、後処理ステップは不要です。レイテンシが低減され、デプロイが簡素化されます。
DFL不要、より幅広いハードウェア互換性
Distribution Focal Loss（DFL）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
LLMトレーニングの進歩から着想を得たSGDとMuonのハイブリッドであり、より安定したトレーニングを実現します。
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 | ||||
| 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 | - |
なぜUltralytics YOLO26を選ぶのか？
エッジおよびクラウド向けに設計
CPU、GPU、エッジハードウェア上で効率的に動作します。20のフォーマットへエクスポートし、あらゆる場所へデプロイできます。
CPU推論が最大43%高速化
精度を犠牲にすることなく、リソースが制限されたデバイスでリアルタイムビジョンAIを実現します。
YOLOE-26によるオープンワールド検出
テキストプロンプト、視覚プロンプト、またはプロンプトなし推論を使用して、固定カテゴリーを超えた検出が可能です。
シームレスな統合
YOLO26はYOLOv8やYOLO11と同じ使い慣れたインターフェースを踏襲しており、学習コストはかかりません。
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、開発を前進させ続けます。
明確なライセンス
AGPL-3.0およびEnterpriseライセンスの下で、学術利用、オープンソース利用、商用利用のための柔軟なオプションを提供します。
当社のモデルの動作を確認する
Glacier Roboticsは、米国のリサイクル施設全体でPETの流出を70%削減しました。
Glacier RoboticsがUltralytics YOLO11を使用して、PETの流出を70%削減し、リサイクルの精度を向上させ、廃棄物選別を自動化する方法をご覧ください。
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。
Glacier Roboticsは、米国のリサイクル施設全体でPETの流出を70%削減しました。
Glacier RoboticsがUltralytics YOLO11を使用して、PETの流出を70%削減し、リサイクルの精度を向上させ、廃棄物選別を自動化する方法をご覧ください。
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。
Glacier Roboticsは、米国のリサイクル施設全体でPETの流出を70%削減しました。
Glacier RoboticsがUltralytics YOLO11を使用して、PETの流出を70%削減し、リサイクルの精度を向上させ、廃棄物選別を自動化する方法をご覧ください。
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
YOLO26はTensorRT、ONNX、CoreML、TFLite、OpenVINOへのエクスポートに対応しており、最も一般的なエッジ展開ターゲットをカバーしています。NMS（Non-Maximum Suppression）不要のアーキテクチャにより、統合の手間が軽減され、導入時から低いレイテンシを実現します。
はい。YOLO26はこれまでのUltralytics YOLOリリースと同じインターフェースを踏襲しているため、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す。
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、姿勢推定、回転矩形物体検出など、すべてを単一の統合モデルファミリーで実現します。
nano (n) バリアントは、エッジデバイスやCPU性能に制限のあるデバイスに最適です。small (s) および medium (m) バリアントは、ほとんどのアプリケーションにおいて速度と精度の強力なバランスを提供します。large (l) および extra-large (x) バリアントは、負荷の高いワークロードに対して最大限の精度を提供します。
YOLO26はエクスポートを簡素化するためにDFLを削除し、エンドツーエンドの推論を高速化するためにNMSを排除しました。また、ProgLoss + STALによって小物体検出精度を向上させ、より安定したトレーニングを実現するMuSGDオプティマイザを導入し、CPU推論速度を最大43%高速化しました。
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。