リアルタイムYOLO画像分類
Ultralytics YOLO26分類モデルで、すべての画像に適切なラベルを割り当てます。独自のカテゴリで数分でトレーニングし、エッジ、クラウド、モバイルのハードウェア上でリアルタイムに推論できます。
YOLO26分類モデル
YOLO26-clsモデルは画像全体にラベルを割り当て、top-1とtop-5の精度を以下に示します。これらはファミリーの中で最も小型かつ高速なモデルです。nano分類器はCPU上で数ミリ秒で動作し、クラスごとのフォルダーに画像をまとめたシンプルなデータセットで、カスタムカテゴリにファインチューニングできます。
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 classification model
model = YOLO("yolo26n-cls.pt")
# Run inference
results = model("image.jpg")| モデル | サイズ（px） | Top-1精度 | Top-5精度 | CPU ONNX（ms） | T4 TensorRT（ms） | パラメーター数（M） | FLOPs（B） |
|---|---|---|---|---|---|---|---|
| YOLO26n-cls | 224 | 71.4 | 90.1 | 5.0 ± 0.3 | 1.1 ± 0.0 | 2.8 | 0.5 |
| YOLO26s-cls | 224 | 76.0 | 92.9 | 7.9 ± 0.2 | 1.3 ± 0.0 | 6.7 | 1.6 |
| YOLO26m-cls | 224 | 78.1 | 94.2 | 17.2 ± 0.4 | 2.0 ± 0.0 | 11.6 | 4.9 |
| YOLO26l-cls | 224 | 79.0 | 94.6 | 23.2 ± 0.3 | 2.8 ± 0.0 | 14.1 | 6.2 |
| YOLO26x-cls | 224 | 79.9 | 95.0 | 41.4 ± 0.9 | 3.8 ± 0.0 | 29.6 | 13.6 |
Ultralyticsドキュメントに掲載されている、224ピクセルでのYOLO26分類ベンチマーク。
世界をリードする組織から信頼されています
当社のモデルがもたらす影響
最先端のビジョンAIモデルで、さまざまな業界のプロセスを効率化します。Ultralyticsが、スピード、精度、使いやすさを実現します。
Ultralytics YOLOモデルの進化
実用的なYOLOv5のワークフローからエッジ対応のYOLO26推論まで、Ultralytics YOLOの進化をご覧ください。
スマートアノテーションでラベル付けを最大10倍高速化
Ultralytics Platformは、高品質なデータセットをより速く構築するための画像アノテーションツールを提供します。スマートアノテーションから精密な手動編集まで、品質を損なうことなく画像のラベル付けにかかる時間を短縮できるよう設計されています。
- SAMを活用したスマートアノテーション：ワンクリックでマスクとバウンディングボックスを作成できます。
- あらゆるAIタスクに対応：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、分類、姿勢推定、OBB。
- 幅広いフォーマットに対応：YOLO、COCOなどから選択できます。
- チームレビューとバージョン管理：あらゆる段階で明確なコラボレーションを実現します。
優れたGPUを低コストでトレーニングに活用
AmpereからBlackwellまで、NVIDIA GPU 26種類を1時間あたり0.24ドルからご利用いただけます。上乗せ料金なし、最低利用額なし、契約義務なし。
業界別ソリューションを見る
さまざまな本番環境で、チームがUltralyticsのコンピュータービジョンをどのように活用しているかをご覧ください。
農業
自動車
ヘルスケア
物流
製造
小売
ロボティクス
農業
自動車
ヘルスケア
物流
製造
小売
ロボティクス
農業
自動車
ヘルスケア
物流
製造
小売
ロボティクス
よくある質問
画像分類は、画像全体を複数のクラスのいずれかに割り当て、それぞれの信頼度スコアを出力します。これは最もシンプルなコンピュータービジョンタスクであり、物体の位置ではなく画像に何が写っているかを知りたい場合に適しています。たとえば、品質評価、コンテンツの分類、状態監視などに使用できます。Ultralytics YOLO分類モデルは小型で高速であり、簡単にファインチューニングできます。
画像ごとに1つのラベルで十分な場合は分類を、画像内の物体の位置特定やカウントが必要な場合は物体検出を使用してください。分類モデルは軽量でトレーニングも速いため、位置が重要でない場合には、最も効率的なソリューションとなることがよくあります。
Ultralytics YOLO26分類モデルは推奨される出発点であり、エッジデプロイ向けのnanoから最高精度を目指すextra-largeまでのサイズがあります。すべてのサイズで、ほかのUltralytics YOLOタスクと同じトレーニングおよびデプロイのワークフローを利用できます。
クラスごとに1つのフォルダーを作成して画像を整理し、Ultralyticsライブラリのtrainモードを実行するか、データセットをUltralytics Platformにアップロードして、ローカル環境の設定なしでクラウドGPU上でトレーニングしてください。事前学習済みの重みをファインチューニングすれば、通常はクラスあたり数百枚の画像で高い精度が得られます。
exportモードでONNX、OpenVINO、TensorRT、CoreML、LiteRTなどのフォーマットにエクスポートできます。分類モデルはYOLOバリアントの中で最も小型なため、モバイルアプリ、組み込みデバイス、高スループットのサービスに最適です。
Ultralyticsで画像分類を構築
Ultralytics Platformでデータを整理し、YOLO26分類器をトレーニングして、どこにでもデプロイできます。