Coming soon
Ultralytics YOLO27モデル
より高速、高精度、シンプルなYOLOモデルです。YOLO27lはmAP 60を超えた初のUltralyticsモデルで、あらゆるサイズのモデルが性能を向上させています。従来と同じく、1行のコード変更で切り替えられます。
業界をリードする企業から信頼されています
Ultralytics YOLO27の新機能
よりシンプルなモデルラインアップ
4つのモデルで、用途に明確に対応します。エッジデバイスにはnとs、本番環境のGPUワークロードにはm、精度が最重要の用途にはlをお選びください。YOLO27lがすでにフラッグシップの精度を実現しているため、評価用のxモデルはありません。
ハイブリッドアーキテクチャ
全サイズを単一の設計でカバーするのではなく、各モデルサイズに最適なアーキテクチャを採用しています。小型モデルは限られたハードウェアでも高速に動作し、大型モデルはさらに高い精度を実現します。
より高い精度
YOLO27lは、COCOで60 mAPを超えた初のUltralyticsモデルです。幅広いサイズで精度が向上し、精度と速度のバランスにも優れています。
7つのタスク
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、回転物体検出に対応します。4つのサイズで28モデルを展開し、すべて同じインターフェースを共有します。
セキュリティとコンプライアンス
エンタープライズ水準のセキュリティ認証取得済み
独立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に準拠
ISO 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
世界各地のデータ保護規制に準拠
Ultralytics YOLO27を選ぶ理由
大規模運用で実証済み
Ultralytics YOLOは、製造、物流、セキュリティ、航空分野のユースケースで、毎日数十億件の推論処理を実行しています。すでに本番環境で稼働しているモデルファミリーを導入できます。
現在の環境にそのままデプロイ
ハードウェアベンダー自身と連携して開発された、20を超えるエクスポート形式と約50のインテグレーションに対応します。トレーニングしたモデルをそのままデプロイできます。
明確な商用ライセンス
AGPL-3.0およびエンタープライズ向けのライセンスで、学術利用、オープンソース利用、商用利用に柔軟に対応します。開発を始める前に、適用される条件をご確認いただけます。
利用者コミュニティとともに開発
1,000人を超える貢献者が、実際の本番環境でこれらのモデルをテストし、問題を報告し、改善しています。
モデルの動作をご覧ください
RTM、Ultralytics YOLO26で推論コストを28%削減
RTMがUltralytics YOLO26を活用して工場の安全監視を24時間365日実施し、メーカーがすでに所有するハードウェアで推論コストを28%削減した方法をご紹介します。
SK Godelius、Ultralytics YOLOで鉱山の搬送コンベヤー上の欠陥を3,400件検出
SK GodeliusがUltralytics YOLOで欠陥や異常の検出を自動化し、鉱山プラントの安全性向上とワークフローの効率化を実現した方法をご紹介します。
Camerite、Ultralytics YOLOで開発期間を25.2%短縮
CameriteがUltralytics YOLOでビデオ監視を自動化し、開発期間を短縮して、都市のセキュリティを事後対応型から予防型へ移行させた方法をご紹介します。
OnsiteIQ、Ultralytics YOLO11でプロジェクトの遅延を20%削減
OnsiteIQがUltralytics YOLO11を使って建設現場を監視し、プロジェクトの遅延を20%削減、紛争を3倍速く解決した方法をご紹介します。
mtrailのTrainVision、鉄道データ収集時間をほぼ100%短縮
mtrailのTrainVisionがUltralytics YOLOを活用して鉄道データ収集を自動化し、所要時間を最大100%短縮、エラーを90%削減した方法をご紹介します。
Glacier Robotics、米国のリサイクル施設全体でPETの漏出を70%削減
Glacier RoboticsがUltralytics YOLO11を活用してPET漏出を70%削減し、リサイクル精度を高め、廃棄物の分別を自動化した事例をご覧ください。
SOHGA、Ultralytics YOLOで駐車場の監視時間を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%短縮し、安全性を向上させる方法をご紹介します。
Scaleout、Ultralytics YOLOで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、機密データを安全に保ち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する方法をご紹介します。
RapiD Engineering、Ultralytics YOLOで水産物の品質管理を1週間早く導入
RapiD EngineeringがUltralytics YOLOを活用してサーモン検査を自動化し、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週間分削減する方法をご紹介します。
Project Ocean Oasis、Ultralytics YOLOでサンゴ礁保全を推進
Project Ocean OasisがUltralytics YOLO、エッジAI、自律型モニタリングシステムを活用し、サンゴ礁の保全と海洋インテリジェンスを拡大する方法をご紹介します。
Volley、Ultralytics YOLOでコート上のAIトレーナー250台以上を稼働
「とても優れているのは、トレーナー上のエッジハードウェアでモデルがリアルタイムに非常に高い性能を発揮し、クラウドでも同じモデルを使ってまったく同じ処理フローを実行できることです。」
WG Tech Solutions、Ultralytics YOLOとAxeleraのAI Acceleratorで安全違反を28%削減
WG Tech SolutionsがUltralytics YOLOとAxeleraのAI Acceleratorを活用し、製造現場の安全違反を28%削減した方法をご紹介します。
Stride、Ultralytics YOLOで馬の歩様分析を1分で実現
StrideがUltralytics YOLOモデルを馬の姿勢推定に活用し、1分以内に歩様を完全に分析する方法をご紹介します。
Pixelabs、Ultralytics YOLOを活用した自動化で再現率95%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、再現率95%を達成する方法をご紹介します。
SiteAssist、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紹介します。
Chef Robotics、Ultralytics YOLOで食品の過剰提供を67%削減
Chef RoboticsがUltralytics YOLOモデルを使って食品の組み立てを高精度化する方法をご紹介します。
Cali Intelligence、Ultralytics YOLOでレジ待ち列を43%短縮
Cali IntelligenceがUltralytics YOLOモデルによる物体検出を活用し、小売店のレジ待ち列を短縮する方法をご紹介します。
MarineSitu、Ultralytics YOLOを活用した水中モニタリングで96%以上の稼働率を達成
MarineSituがUltralytics YOLOを活用して水中の物体検出を変革する方法をご紹介します。
Theia Scientific、Ultralytics YOLOで顕微鏡分析を43倍に高速化
Theia ScientificがUltralytics YOLOを活用して顕微鏡データ分析を再定義する方法をご紹介します。
eSmart Systems、Ultralytics YOLOで送電線の点検時間を半減
eSmart SystemsがUltralytics YOLOを活用して欠陥検出を高速化し、設備点検を変革する方法をご紹介します。
Axelera AIがUltralytics YOLOを使用し、エッジAI推論で34 FPSを実現
Axelera AIがMetis AIチップ上でUltralytics YOLOを活用し、高速で正確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上にUltralytics YOLOを実装
STMicroelectronicsが低消費電力のマイクロコントローラーにUltralytics YOLOモデルを効率的に導入し、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紹介します。
Specialvideo、Ultralytics YOLOで食品検査精度99%を達成
SpecialvideoがUltralytics YOLOモデルを活用してリアルタイムの食品AI検査を実現し、品質を確保しながら廃棄を削減し、効率を高める方法をご紹介します。
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、職場の安全を確保する方法をご紹介します。
Videologic Analytics、Ultralytics YOLOでAIカメラライセンスを1万件に拡大
Videologic AnalyticsがUltralytics YOLOモデルをビデオ監視に統合し、検出精度を向上させ、誤警報を減らし、リアルタイムの脅威監視を最適化する方法をご紹介します。
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、構造とデザインを保ちながら処理時間を10秒未満に短縮する方法をご紹介します。
ALYCE、Ultralytics YOLOで交通AIの推論を20%高速化
ALYCEがUltralytics YOLOモデルを活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のためのAI駆動型交通ソリューションを構築する方法をご紹介します。
Kiwitron、Ultralytics YOLOで30 m先の産業現場の危険を検出
KiwitronがKewiEyeソリューションでUltralytics YOLOモデルを活用し、産業現場の危険を検出して対処し、安全性を高める方法をご覧ください。
RTM、Ultralytics YOLO26で推論コストを28%削減
RTMがUltralytics YOLO26を活用して工場の安全監視を24時間365日実施し、メーカーがすでに所有するハードウェアで推論コストを28%削減した方法をご紹介します。
SK Godelius、Ultralytics YOLOで鉱山の搬送コンベヤー上の欠陥を3,400件検出
SK GodeliusがUltralytics YOLOで欠陥や異常の検出を自動化し、鉱山プラントの安全性向上とワークフローの効率化を実現した方法をご紹介します。
Camerite、Ultralytics YOLOで開発期間を25.2%短縮
CameriteがUltralytics YOLOでビデオ監視を自動化し、開発期間を短縮して、都市のセキュリティを事後対応型から予防型へ移行させた方法をご紹介します。
OnsiteIQ、Ultralytics YOLO11でプロジェクトの遅延を20%削減
OnsiteIQがUltralytics YOLO11を使って建設現場を監視し、プロジェクトの遅延を20%削減、紛争を3倍速く解決した方法をご紹介します。
mtrailのTrainVision、鉄道データ収集時間をほぼ100%短縮
mtrailのTrainVisionがUltralytics YOLOを活用して鉄道データ収集を自動化し、所要時間を最大100%短縮、エラーを90%削減した方法をご紹介します。
Glacier Robotics、米国のリサイクル施設全体でPETの漏出を70%削減
Glacier RoboticsがUltralytics YOLO11を活用してPET漏出を70%削減し、リサイクル精度を高め、廃棄物の分別を自動化した事例をご覧ください。
SOHGA、Ultralytics YOLOで駐車場の監視時間を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%短縮し、安全性を向上させる方法をご紹介します。
Scaleout、Ultralytics YOLOで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、機密データを安全に保ち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する方法をご紹介します。
RapiD Engineering、Ultralytics YOLOで水産物の品質管理を1週間早く導入
RapiD EngineeringがUltralytics YOLOを活用してサーモン検査を自動化し、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週間分削減する方法をご紹介します。
Project Ocean Oasis、Ultralytics YOLOでサンゴ礁保全を推進
Project Ocean OasisがUltralytics YOLO、エッジAI、自律型モニタリングシステムを活用し、サンゴ礁の保全と海洋インテリジェンスを拡大する方法をご紹介します。
Volley、Ultralytics YOLOでコート上のAIトレーナー250台以上を稼働
「とても優れているのは、トレーナー上のエッジハードウェアでモデルがリアルタイムに非常に高い性能を発揮し、クラウドでも同じモデルを使ってまったく同じ処理フローを実行できることです。」
WG Tech Solutions、Ultralytics YOLOとAxeleraのAI Acceleratorで安全違反を28%削減
WG Tech SolutionsがUltralytics YOLOとAxeleraのAI Acceleratorを活用し、製造現場の安全違反を28%削減した方法をご紹介します。
Stride、Ultralytics YOLOで馬の歩様分析を1分で実現
StrideがUltralytics YOLOモデルを馬の姿勢推定に活用し、1分以内に歩様を完全に分析する方法をご紹介します。
Pixelabs、Ultralytics YOLOを活用した自動化で再現率95%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、再現率95%を達成する方法をご紹介します。
SiteAssist、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紹介します。
Chef Robotics、Ultralytics YOLOで食品の過剰提供を67%削減
Chef RoboticsがUltralytics YOLOモデルを使って食品の組み立てを高精度化する方法をご紹介します。
Cali Intelligence、Ultralytics YOLOでレジ待ち列を43%短縮
Cali IntelligenceがUltralytics YOLOモデルによる物体検出を活用し、小売店のレジ待ち列を短縮する方法をご紹介します。
MarineSitu、Ultralytics YOLOを活用した水中モニタリングで96%以上の稼働率を達成
MarineSituがUltralytics YOLOを活用して水中の物体検出を変革する方法をご紹介します。
Theia Scientific、Ultralytics YOLOで顕微鏡分析を43倍に高速化
Theia ScientificがUltralytics YOLOを活用して顕微鏡データ分析を再定義する方法をご紹介します。
eSmart Systems、Ultralytics YOLOで送電線の点検時間を半減
eSmart SystemsがUltralytics YOLOを活用して欠陥検出を高速化し、設備点検を変革する方法をご紹介します。
Axelera AIがUltralytics YOLOを使用し、エッジAI推論で34 FPSを実現
Axelera AIがMetis AIチップ上でUltralytics YOLOを活用し、高速で正確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上にUltralytics YOLOを実装
STMicroelectronicsが低消費電力のマイクロコントローラーにUltralytics YOLOモデルを効率的に導入し、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紹介します。
Specialvideo、Ultralytics YOLOで食品検査精度99%を達成
SpecialvideoがUltralytics YOLOモデルを活用してリアルタイムの食品AI検査を実現し、品質を確保しながら廃棄を削減し、効率を高める方法をご紹介します。
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、職場の安全を確保する方法をご紹介します。
Videologic Analytics、Ultralytics YOLOでAIカメラライセンスを1万件に拡大
Videologic AnalyticsがUltralytics YOLOモデルをビデオ監視に統合し、検出精度を向上させ、誤警報を減らし、リアルタイムの脅威監視を最適化する方法をご紹介します。
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、構造とデザインを保ちながら処理時間を10秒未満に短縮する方法をご紹介します。
ALYCE、Ultralytics YOLOで交通AIの推論を20%高速化
ALYCEがUltralytics YOLOモデルを活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のためのAI駆動型交通ソリューションを構築する方法をご紹介します。
Kiwitron、Ultralytics YOLOで30 m先の産業現場の危険を検出
KiwitronがKewiEyeソリューションでUltralytics YOLOモデルを活用し、産業現場の危険を検出して対処し、安全性を高める方法をご覧ください。
RTM、Ultralytics YOLO26で推論コストを28%削減
RTMがUltralytics YOLO26を活用して工場の安全監視を24時間365日実施し、メーカーがすでに所有するハードウェアで推論コストを28%削減した方法をご紹介します。
SK Godelius、Ultralytics YOLOで鉱山の搬送コンベヤー上の欠陥を3,400件検出
SK GodeliusがUltralytics YOLOで欠陥や異常の検出を自動化し、鉱山プラントの安全性向上とワークフローの効率化を実現した方法をご紹介します。
Camerite、Ultralytics YOLOで開発期間を25.2%短縮
CameriteがUltralytics YOLOでビデオ監視を自動化し、開発期間を短縮して、都市のセキュリティを事後対応型から予防型へ移行させた方法をご紹介します。
OnsiteIQ、Ultralytics YOLO11でプロジェクトの遅延を20%削減
OnsiteIQがUltralytics YOLO11を使って建設現場を監視し、プロジェクトの遅延を20%削減、紛争を3倍速く解決した方法をご紹介します。
mtrailのTrainVision、鉄道データ収集時間をほぼ100%短縮
mtrailのTrainVisionがUltralytics YOLOを活用して鉄道データ収集を自動化し、所要時間を最大100%短縮、エラーを90%削減した方法をご紹介します。
Glacier Robotics、米国のリサイクル施設全体でPETの漏出を70%削減
Glacier RoboticsがUltralytics YOLO11を活用してPET漏出を70%削減し、リサイクル精度を高め、廃棄物の分別を自動化した事例をご覧ください。
SOHGA、Ultralytics YOLOで駐車場の監視時間を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%短縮し、安全性を向上させる方法をご紹介します。
Scaleout、Ultralytics YOLOで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、機密データを安全に保ち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する方法をご紹介します。
RapiD Engineering、Ultralytics YOLOで水産物の品質管理を1週間早く導入
RapiD EngineeringがUltralytics YOLOを活用してサーモン検査を自動化し、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週間分削減する方法をご紹介します。
Project Ocean Oasis、Ultralytics YOLOでサンゴ礁保全を推進
Project Ocean OasisがUltralytics YOLO、エッジAI、自律型モニタリングシステムを活用し、サンゴ礁の保全と海洋インテリジェンスを拡大する方法をご紹介します。
Volley、Ultralytics YOLOでコート上のAIトレーナー250台以上を稼働
「とても優れているのは、トレーナー上のエッジハードウェアでモデルがリアルタイムに非常に高い性能を発揮し、クラウドでも同じモデルを使ってまったく同じ処理フローを実行できることです。」
WG Tech Solutions、Ultralytics YOLOとAxeleraのAI Acceleratorで安全違反を28%削減
WG Tech SolutionsがUltralytics YOLOとAxeleraのAI Acceleratorを活用し、製造現場の安全違反を28%削減した方法をご紹介します。
Stride、Ultralytics YOLOで馬の歩様分析を1分で実現
StrideがUltralytics YOLOモデルを馬の姿勢推定に活用し、1分以内に歩様を完全に分析する方法をご紹介します。
Pixelabs、Ultralytics YOLOを活用した自動化で再現率95%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、再現率95%を達成する方法をご紹介します。
SiteAssist、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紹介します。
Chef Robotics、Ultralytics YOLOで食品の過剰提供を67%削減
Chef RoboticsがUltralytics YOLOモデルを使って食品の組み立てを高精度化する方法をご紹介します。
Cali Intelligence、Ultralytics YOLOでレジ待ち列を43%短縮
Cali IntelligenceがUltralytics YOLOモデルによる物体検出を活用し、小売店のレジ待ち列を短縮する方法をご紹介します。
MarineSitu、Ultralytics YOLOを活用した水中モニタリングで96%以上の稼働率を達成
MarineSituがUltralytics YOLOを活用して水中の物体検出を変革する方法をご紹介します。
Theia Scientific、Ultralytics YOLOで顕微鏡分析を43倍に高速化
Theia ScientificがUltralytics YOLOを活用して顕微鏡データ分析を再定義する方法をご紹介します。
eSmart Systems、Ultralytics YOLOで送電線の点検時間を半減
eSmart SystemsがUltralytics YOLOを活用して欠陥検出を高速化し、設備点検を変革する方法をご紹介します。
Axelera AIがUltralytics YOLOを使用し、エッジAI推論で34 FPSを実現
Axelera AIがMetis AIチップ上でUltralytics YOLOを活用し、高速で正確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上にUltralytics YOLOを実装
STMicroelectronicsが低消費電力のマイクロコントローラーにUltralytics YOLOモデルを効率的に導入し、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紹介します。
Specialvideo、Ultralytics YOLOで食品検査精度99%を達成
SpecialvideoがUltralytics YOLOモデルを活用してリアルタイムの食品AI検査を実現し、品質を確保しながら廃棄を削減し、効率を高める方法をご紹介します。
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、職場の安全を確保する方法をご紹介します。
Videologic Analytics、Ultralytics YOLOでAIカメラライセンスを1万件に拡大
Videologic AnalyticsがUltralytics YOLOモデルをビデオ監視に統合し、検出精度を向上させ、誤警報を減らし、リアルタイムの脅威監視を最適化する方法をご紹介します。
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、構造とデザインを保ちながら処理時間を10秒未満に短縮する方法をご紹介します。
ALYCE、Ultralytics YOLOで交通AIの推論を20%高速化
ALYCEがUltralytics YOLOモデルを活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のためのAI駆動型交通ソリューションを構築する方法をご紹介します。
Kiwitron、Ultralytics YOLOで30 m先の産業現場の危険を検出
KiwitronがKewiEyeソリューションでUltralytics YOLOモデルを活用し、産業現場の危険を検出して対処し、安全性を高める方法をご覧ください。
よくある質問
Ultralytics YOLOモデルは、学術研究、研究、およびオープンソースでの利用にはAGPL-3.0のもとで提供され、AGPL-3.0の条件に準拠できない商用利用にはUltralytics Enterprise Licenseのもとで提供されます。YOLO27固有のライセンスは、ローンチ時に確定する予定です。商用導入を計画している場合は、ライセンスの選択肢をご覧ください。
7つのタスクに対応します。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、深度推定、画像分類、姿勢推定、方向付き物体検出です。各タスクは4種類すべてのモデルサイズで提供する予定で、いずれも従来のUltralytics YOLOモデルと同じPythonおよびCLIインターフェースを共有します。
現時点では対応していません。モデルの重み、設定、パッケージのサポートはまだリリースされていないため、現在のプロジェクトでは、Ultralytics Pythonパッケージで完全にサポートされているYOLO26を引き続きご利用ください。YOLO27は同じインターフェースを使用するため、YOLO26で構築した作業は引き継ぐことができます。ウェイトリストに登録すると、YOLO27の提供開始時にお知らせします。
Ultralytics YOLO27では、すべてのモデルサイズに単一の設計を適用するのではなく、各モデルサイズに最適なアーキテクチャを採用しています。小型のnモデルとsモデルは、限られたハードウェアで高速に動作する、シンプルなCNN設計を維持しています。一方、大型のmモデルとlモデルは、精度向上のためにクエリベースのNMSフリー設計を採用しています。評価対象となるxモデルがなく、モデル構成もよりシンプルです。アーキテクチャの詳細と予備ベンチマークについては、YOLO27のドキュメントをご覧ください。
ページ上部から、仕事用メールアドレスを使ってウェイティングリストに登録してください。アーキテクチャの詳細やベンチマークの公開に合わせて製品の最新情報をお届けするほか、モデルのダウンロード、トレーニング、デプロイが可能になった際に通知します。
Ultralytics YOLO27は、YOLO26に続く次世代のUltralytics YOLOモデルです。n、s、m、lの4つのサイズがあり、単一の共通インターフェースを通じて7つのビジョンタスクに対応します。モデルは研究開発の最終段階にあり、まだダウンロードやトレーニングには利用できません。
Ultralytics YOLO27のウェイトリストに登録
YOLO27の準備が整った際に、製品アップデートとリリース通知をお届けします。