Coming soon
Ultralytics YOLO27 モデル
NVIDIA RTX PRO 6000 上で、4つのサイズが COCO データセットにおいて 0.62～2.32 ms で 42.3～60.4 mAP を達成します。YOLO27l は 60 mAP を超えた最初の Ultralytics モデルであり、M モデルおよび L モデルは NMS ステップなしでエンドツーエンドの検出を行います。
業界のリーダーに信頼されています
Ultralytics YOLO27 の新機能
デュアルスケール検出
YOLO27n および YOLO27s は、YOLO26 と実質的に同じ速度で、より高い精度を実現するために2つの検出スケールを使用します。
小物体検出の精度
より広い高解像度ステージにより、YOLO27n および YOLO27s はより細かいディテールをとらえ、小物体を特定することができます。
フォアグラウンドアライメント
YOLO27n および YOLO27s は、推論コストを追加することなく、トレーニング中にオブジェクトを背景から分離することを学習します。
NMS なし検出
YOLO27m および YOLO27l は最終的な検出結果を直接出力するため、NMS ステップが不要になり、デプロイメントパイプラインがシンプルになります。
ウェイトリストに参加する理由
YOLO27 が間もなく登場します。一度ご登録いただければ、重要なアップデートをお送りします。
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、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 | - |
セキュリティとコンプライアンス
認証済みのエンタープライズ級セキュリティ
第三者機関による認証と監査を受けており、転送中も保存中もデータを保護します。
SOC 2 Type I
AICPAのセキュリティ、可用性、機密性に関するTSCに基づく保証報告
ISO/IEC 27001:2022
認証済み情報セキュリティマネジメントシステム
GDPRとCCPA
グローバルなデータ保護規制に準拠
Ultralytics YOLO27 を選ぶ理由
60 mAP を超えた最初の Ultralytics モデル
YOLO27l は、640 ピクセル（2.3 ms）で 60.4 mAP、800（2.9 ms）で 61.2 mAP を達成し、GPU 上でリアルタイム性を維持します。
同じ速度でより高い精度を実現
YOLO27m は、同じレイテンシで YOLO27m ではなく YOLO26m の精度を向上させており、本番用 GPU のデフォルトの選択肢となります。
YOLO26 のドロップイン代替
同じ YOLO クラスと、同じ train、validate、predict、export API。変更されるのはモデルファイルのみです。
1つのファミリー、7つのタスク
検出、インスタンスおよびセマンティックセグメンテーション、デプス、分類、ポーズ、指向性検出：28モデル。
業界特化型モデル
製造業、ロジスティクス、セキュリティ、ドローン向けの8つの Enterprise モデル、および4つのサイズの YOLOE-27。
明確なライセンス
AGPL-3.0およびEnterpriseの下で、学術、オープンソース、商用利用に対応する柔軟な選択肢を提供します。
モデルの動作を見る
Camerite、Ultralytics YOLOにより開発期間を25.2%短縮
CameriteがUltralytics YOLOを活用して動画監視を自動化し、開発期間を短縮するとともに、都市のセキュリティを事後対応型からプロアクティブ型へ移行している方法をご覧ください。
OnsiteIQ、Ultralytics YOLO11によりプロジェクトの遅延を20%削減
OnsiteIQがUltralytics YOLO11を活用して建設現場を監視し、プロジェクトの遅延を20%削減するとともに、紛争を3倍速く解決している方法をご覧ください。
mtrailのTrainVision、鉄道データ収集時間を約100%短縮
mtrailのTrainVisionがUltralytics YOLOを活用して鉄道データの収集を自動化し、所要時間を最大100%短縮し、エラーを90%削減している方法をご覧ください。
Glacier Robotics、米国のリサイクル施設全体でPET漏出を70%削減
Glacier RoboticsがUltralytics YOLO11を活用してPET漏出を70%削減し、リサイクル精度を向上させ、廃棄物の分別を自動化している方法をご覧ください。
SOHGA、Ultralytics YOLOにより駐車場監視時間を30%短縮
SOHGAのMEGURUシステムがUltralytics YOLO26を活用して駐車場の巡回を自動化し、巡回時間を30%削減して安全性を向上させている方法をご覧ください。
Scaleout、Ultralytics YOLOによりモデル更新を数週間から数時間に短縮
ScaleoutがUltralytics YOLOと連合学習を活用して、機密データを安全に保ちながらエッジデバイス上のAIモデルをファインチューニングしている方法をご覧ください。
RapiD Engineering、Ultralytics YOLOにより水産物の品質管理を1週間早く導入
RapiD EngineeringがUltralytics YOLOを活用してサケの検査を自動化し、リアルタイムで欠陥を検出して、エンジニアリング作業を1週間短縮している方法をご覧ください。
Project Ocean Oasis、Ultralytics YOLOでサンゴ礁保全を前進
Project Ocean OasisがUltralytics YOLO、エッジAI、自律監視システムを活用して、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方法をご覧ください。
Volley、Ultralytics YOLOで250台以上のコート上AIトレーナーを支援
「トレーナーのエッジハードウェア上でモデルがリアルタイムに非常によく動作する点が本当に素晴らしいです。同じモデルをクラウドでも使用して、まったく同じフローを実行できます。」
WG Tech Solutions、Ultralytics YOLOとAxeleraのAI Acceleratorにより安全違反を28%削減
WG Tech SolutionsがUltralytics YOLOとAxeleraのAI Acceleratorを活用して、製造現場の安全違反を28%削減した方法をご覧ください。
Stride、Ultralytics YOLOで1分間の馬の歩様分析を実現
StrideがUltralytics YOLOモデルを活用して馬のポーズ推定を行い、1分未満で完全な歩様分析を実現している方法をご覧ください。
Pixelabs、Ultralytics YOLOを活用した自動化で95%の再現率を実現
PixelabsがUltralytics YOLOモデルを活用してワークフローを自動化し、95%の再現率を達成している方法をご覧ください。
SiteAssistは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ている方法をご覧ください。
Chef Robotics、Ultralytics YOLOで食品の過剰提供を67%削減
Chef RoboticsがUltralytics YOLOモデルを使用して、正確な食品組み立てを実現する方法をご覧ください。
Cali Intelligence、Ultralytics YOLOでレジ待ち列を43%短縮
Cali IntelligenceがUltralytics YOLOモデルの物体検出を使用して、小売店のレジ待ち列を短縮する方法をご覧ください。
MarineSitu、Ultralytics YOLOによる水中モニタリングで稼働率96%以上を達成
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、Ultralytics YOLOで顕微鏡分析を43倍高速化
Theia ScientificがUltralytics YOLOを使用して顕微鏡データ分析を再定義する方法をご覧ください。
eSmart Systems、Ultralytics YOLOで電力線検査時間を半減
eSmart SystemsがUltralytics YOLOを使用して欠陥検出を高速化し、電力設備検査を変革する方法をご覧ください。
Axelera AIがUltralytics YOLOを使用し、34 FPSのエッジAI推論を実現
Axelera AIがMetis AIチップ上でUltralytics YOLOを使用し、高速、高精度、かつ効率的なエッジビジョンを実現する方法をご覧ください。
STMicroelectronicsが、推論あたりわずか9.4 mJでMCU上でUltralytics YOLOを実行
STMicroelectronicsが低消費電力のマイクロコントローラーにUltralytics YOLOモデルを効率的にデプロイし、エッジで高精度なリアルタイム推論を実現する方法をご覧ください。
Specialvideo、Ultralytics YOLOで食品検査精度99%を達成
SpecialvideoがUltralytics YOLOモデルを使用してリアルタイムAI食品検査を実現し、品質を確保し、廃棄を削減して効率を高める方法をご覧ください。
Vivity AI、Ultralytics YOLOで産業オペレーションの年間コストを500万ドル以上削減
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、効率を向上させ、ダウンタイムを削減して職場の安全を確保する方法をご覧ください。
Videologic Analytics、Ultralytics YOLOでAIカメラライセンスを10Kまで拡大
Videologic AnalyticsがUltralytics YOLOモデルを統合してビデオ監視を強化し、検出精度を向上させ、誤警報を削減してリアルタイムの脅威監視を最適化する方法をご覧ください。
Prezent、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、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精度を高め、都市モビリティを最適化し、持続可能でスマートな都市に向けたAI駆動の交通ソリューションを創出する方法をご覧ください。
Kiwitron、Ultralytics YOLOで30 m先の産業上の危険を検出
KiwitronがKewiEyeソリューションでUltralytics YOLOモデルを使用し、産業上の危険を検出・対処して安全性を高める方法をご覧ください。
Camerite、Ultralytics YOLOにより開発期間を25.2%短縮
CameriteがUltralytics YOLOを活用して動画監視を自動化し、開発期間を短縮するとともに、都市のセキュリティを事後対応型からプロアクティブ型へ移行している方法をご覧ください。
OnsiteIQ、Ultralytics YOLO11によりプロジェクトの遅延を20%削減
OnsiteIQがUltralytics YOLO11を活用して建設現場を監視し、プロジェクトの遅延を20%削減するとともに、紛争を3倍速く解決している方法をご覧ください。
mtrailのTrainVision、鉄道データ収集時間を約100%短縮
mtrailのTrainVisionがUltralytics YOLOを活用して鉄道データの収集を自動化し、所要時間を最大100%短縮し、エラーを90%削減している方法をご覧ください。
Glacier Robotics、米国のリサイクル施設全体でPET漏出を70%削減
Glacier RoboticsがUltralytics YOLO11を活用してPET漏出を70%削減し、リサイクル精度を向上させ、廃棄物の分別を自動化している方法をご覧ください。
SOHGA、Ultralytics YOLOにより駐車場監視時間を30%短縮
SOHGAのMEGURUシステムがUltralytics YOLO26を活用して駐車場の巡回を自動化し、巡回時間を30%削減して安全性を向上させている方法をご覧ください。
Scaleout、Ultralytics YOLOによりモデル更新を数週間から数時間に短縮
ScaleoutがUltralytics YOLOと連合学習を活用して、機密データを安全に保ちながらエッジデバイス上のAIモデルをファインチューニングしている方法をご覧ください。
RapiD Engineering、Ultralytics YOLOにより水産物の品質管理を1週間早く導入
RapiD EngineeringがUltralytics YOLOを活用してサケの検査を自動化し、リアルタイムで欠陥を検出して、エンジニアリング作業を1週間短縮している方法をご覧ください。
Project Ocean Oasis、Ultralytics YOLOでサンゴ礁保全を前進
Project Ocean OasisがUltralytics YOLO、エッジAI、自律監視システムを活用して、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方法をご覧ください。
Volley、Ultralytics YOLOで250台以上のコート上AIトレーナーを支援
「トレーナーのエッジハードウェア上でモデルがリアルタイムに非常によく動作する点が本当に素晴らしいです。同じモデルをクラウドでも使用して、まったく同じフローを実行できます。」
WG Tech Solutions、Ultralytics YOLOとAxeleraのAI Acceleratorにより安全違反を28%削減
WG Tech SolutionsがUltralytics YOLOとAxeleraのAI Acceleratorを活用して、製造現場の安全違反を28%削減した方法をご覧ください。
Stride、Ultralytics YOLOで1分間の馬の歩様分析を実現
StrideがUltralytics YOLOモデルを活用して馬のポーズ推定を行い、1分未満で完全な歩様分析を実現している方法をご覧ください。
Pixelabs、Ultralytics YOLOを活用した自動化で95%の再現率を実現
PixelabsがUltralytics YOLOモデルを活用してワークフローを自動化し、95%の再現率を達成している方法をご覧ください。
SiteAssistは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ている方法をご覧ください。
Chef Robotics、Ultralytics YOLOで食品の過剰提供を67%削減
Chef RoboticsがUltralytics YOLOモデルを使用して、正確な食品組み立てを実現する方法をご覧ください。
Cali Intelligence、Ultralytics YOLOでレジ待ち列を43%短縮
Cali IntelligenceがUltralytics YOLOモデルの物体検出を使用して、小売店のレジ待ち列を短縮する方法をご覧ください。
MarineSitu、Ultralytics YOLOによる水中モニタリングで稼働率96%以上を達成
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、Ultralytics YOLOで顕微鏡分析を43倍高速化
Theia ScientificがUltralytics YOLOを使用して顕微鏡データ分析を再定義する方法をご覧ください。
eSmart Systems、Ultralytics YOLOで電力線検査時間を半減
eSmart SystemsがUltralytics YOLOを使用して欠陥検出を高速化し、電力設備検査を変革する方法をご覧ください。
Axelera AIがUltralytics YOLOを使用し、34 FPSのエッジAI推論を実現
Axelera AIがMetis AIチップ上でUltralytics YOLOを使用し、高速、高精度、かつ効率的なエッジビジョンを実現する方法をご覧ください。
STMicroelectronicsが、推論あたりわずか9.4 mJでMCU上でUltralytics YOLOを実行
STMicroelectronicsが低消費電力のマイクロコントローラーにUltralytics YOLOモデルを効率的にデプロイし、エッジで高精度なリアルタイム推論を実現する方法をご覧ください。
Specialvideo、Ultralytics YOLOで食品検査精度99%を達成
SpecialvideoがUltralytics YOLOモデルを使用してリアルタイムAI食品検査を実現し、品質を確保し、廃棄を削減して効率を高める方法をご覧ください。
Vivity AI、Ultralytics YOLOで産業オペレーションの年間コストを500万ドル以上削減
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、効率を向上させ、ダウンタイムを削減して職場の安全を確保する方法をご覧ください。
Videologic Analytics、Ultralytics YOLOでAIカメラライセンスを10Kまで拡大
Videologic AnalyticsがUltralytics YOLOモデルを統合してビデオ監視を強化し、検出精度を向上させ、誤警報を削減してリアルタイムの脅威監視を最適化する方法をご覧ください。
Prezent、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、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精度を高め、都市モビリティを最適化し、持続可能でスマートな都市に向けたAI駆動の交通ソリューションを創出する方法をご覧ください。
Kiwitron、Ultralytics YOLOで30 m先の産業上の危険を検出
KiwitronがKewiEyeソリューションでUltralytics YOLOモデルを使用し、産業上の危険を検出・対処して安全性を高める方法をご覧ください。
Camerite、Ultralytics YOLOにより開発期間を25.2%短縮
CameriteがUltralytics YOLOを活用して動画監視を自動化し、開発期間を短縮するとともに、都市のセキュリティを事後対応型からプロアクティブ型へ移行している方法をご覧ください。
OnsiteIQ、Ultralytics YOLO11によりプロジェクトの遅延を20%削減
OnsiteIQがUltralytics YOLO11を活用して建設現場を監視し、プロジェクトの遅延を20%削減するとともに、紛争を3倍速く解決している方法をご覧ください。
mtrailのTrainVision、鉄道データ収集時間を約100%短縮
mtrailのTrainVisionがUltralytics YOLOを活用して鉄道データの収集を自動化し、所要時間を最大100%短縮し、エラーを90%削減している方法をご覧ください。
Glacier Robotics、米国のリサイクル施設全体でPET漏出を70%削減
Glacier RoboticsがUltralytics YOLO11を活用してPET漏出を70%削減し、リサイクル精度を向上させ、廃棄物の分別を自動化している方法をご覧ください。
SOHGA、Ultralytics YOLOにより駐車場監視時間を30%短縮
SOHGAのMEGURUシステムがUltralytics YOLO26を活用して駐車場の巡回を自動化し、巡回時間を30%削減して安全性を向上させている方法をご覧ください。
Scaleout、Ultralytics YOLOによりモデル更新を数週間から数時間に短縮
ScaleoutがUltralytics YOLOと連合学習を活用して、機密データを安全に保ちながらエッジデバイス上のAIモデルをファインチューニングしている方法をご覧ください。
RapiD Engineering、Ultralytics YOLOにより水産物の品質管理を1週間早く導入
RapiD EngineeringがUltralytics YOLOを活用してサケの検査を自動化し、リアルタイムで欠陥を検出して、エンジニアリング作業を1週間短縮している方法をご覧ください。
Project Ocean Oasis、Ultralytics YOLOでサンゴ礁保全を前進
Project Ocean OasisがUltralytics YOLO、エッジAI、自律監視システムを活用して、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方法をご覧ください。
Volley、Ultralytics YOLOで250台以上のコート上AIトレーナーを支援
「トレーナーのエッジハードウェア上でモデルがリアルタイムに非常によく動作する点が本当に素晴らしいです。同じモデルをクラウドでも使用して、まったく同じフローを実行できます。」
WG Tech Solutions、Ultralytics YOLOとAxeleraのAI Acceleratorにより安全違反を28%削減
WG Tech SolutionsがUltralytics YOLOとAxeleraのAI Acceleratorを活用して、製造現場の安全違反を28%削減した方法をご覧ください。
Stride、Ultralytics YOLOで1分間の馬の歩様分析を実現
StrideがUltralytics YOLOモデルを活用して馬のポーズ推定を行い、1分未満で完全な歩様分析を実現している方法をご覧ください。
Pixelabs、Ultralytics YOLOを活用した自動化で95%の再現率を実現
PixelabsがUltralytics YOLOモデルを活用してワークフローを自動化し、95%の再現率を達成している方法をご覧ください。
SiteAssistは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ている方法をご覧ください。
Chef Robotics、Ultralytics YOLOで食品の過剰提供を67%削減
Chef RoboticsがUltralytics YOLOモデルを使用して、正確な食品組み立てを実現する方法をご覧ください。
Cali Intelligence、Ultralytics YOLOでレジ待ち列を43%短縮
Cali IntelligenceがUltralytics YOLOモデルの物体検出を使用して、小売店のレジ待ち列を短縮する方法をご覧ください。
MarineSitu、Ultralytics YOLOによる水中モニタリングで稼働率96%以上を達成
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、Ultralytics YOLOで顕微鏡分析を43倍高速化
Theia ScientificがUltralytics YOLOを使用して顕微鏡データ分析を再定義する方法をご覧ください。
eSmart Systems、Ultralytics YOLOで電力線検査時間を半減
eSmart SystemsがUltralytics YOLOを使用して欠陥検出を高速化し、電力設備検査を変革する方法をご覧ください。
Axelera AIがUltralytics YOLOを使用し、34 FPSのエッジAI推論を実現
Axelera AIがMetis AIチップ上でUltralytics YOLOを使用し、高速、高精度、かつ効率的なエッジビジョンを実現する方法をご覧ください。
STMicroelectronicsが、推論あたりわずか9.4 mJでMCU上でUltralytics YOLOを実行
STMicroelectronicsが低消費電力のマイクロコントローラーにUltralytics YOLOモデルを効率的にデプロイし、エッジで高精度なリアルタイム推論を実現する方法をご覧ください。
Specialvideo、Ultralytics YOLOで食品検査精度99%を達成
SpecialvideoがUltralytics YOLOモデルを使用してリアルタイムAI食品検査を実現し、品質を確保し、廃棄を削減して効率を高める方法をご覧ください。
Vivity AI、Ultralytics YOLOで産業オペレーションの年間コストを500万ドル以上削減
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、効率を向上させ、ダウンタイムを削減して職場の安全を確保する方法をご覧ください。
Videologic Analytics、Ultralytics YOLOでAIカメラライセンスを10Kまで拡大
Videologic AnalyticsがUltralytics YOLOモデルを統合してビデオ監視を強化し、検出精度を向上させ、誤警報を削減してリアルタイムの脅威監視を最適化する方法をご覧ください。
Prezent、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、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精度を高め、都市モビリティを最適化し、持続可能でスマートな都市に向けたAI駆動の交通ソリューションを創出する方法をご覧ください。
Kiwitron、Ultralytics YOLOで30 m先の産業上の危険を検出
KiwitronがKewiEyeソリューションでUltralytics YOLOモデルを使用し、産業上の危険を検出・対処して安全性を高める方法をご覧ください。
Ultralytics YOLO27 ウェイトリストに参加
YOLO27 の準備が整い次第、製品アップデートとローンチ通知を受け取ります。