リアルタイム YOLO 画像分類
Ultralytics YOLO26 分類モデルを使用して、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を行い、エッジ、クラウド、モバイルハードウェア上でリアルタイムに推論を実行できます。
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、以下に示す top-1 および top-5 精度を実現します。これらはファミリーの中で最小かつ最速であり、nano 分類器は CPU 上で数ミリ秒で実行可能です。また、クラスごとのフォルダー構成のデータセットから、独自のカテゴリに合わせて簡単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) | Params (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 ドキュメントによる 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インパクト
最先端のビジョンAIモデルで、業界全体のプロセスを効率化しましょう。Ultralyticsが提供するスピード、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ワークフローから、エッジ対応のYOLO26推論へとUltralytics YOLOがどのように進化したかをご覧ください。
高速で実用的なPyTorchワークフローにより、リアルタイム物体検出を身近なものにしました。
検出、セグメンテーション、分類、姿勢推定、OBBにわたる統一ワークフローを拡張。
おなじみのUltralyticsワークフローを維持しながら、精度、速度、効率を向上。
エンドツーエンドの推論を導入し、効率的なエッジデプロイメント向けに最適化されたアーキテクチャを実現しました。
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迅速に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、これらの機能は品質を犠牲にすることなく画像ラベル付けの時間を短縮するように設計されています。
- SAM搭載のスマートアノテーション：ワンクリックでマスクとBBoxを作成。
- あらゆるAIタスクに対応：Detection、instance segmentation、semantic segmentation、classification、pose、OBB。
- ユニバーサルなフォーマットサポート：YOLO、COCO、VOCなど、お好みの形式を選択可能。
- チームレビューとバージョン管理：あらゆるステップで明確なコラボレーションを実現。
最高のGPUでコストを抑えてトレーニング
AmpereからBlackwellまで、26種類のNVIDIA GPUを時給$0.24から利用可能。マークアップなし、最低利用料金なし、コミットメントなし。
どこへでもデプロイ
20種類のフォーマットへのエクスポートと、エッジ、クラウド、モバイルでのデプロイメントが可能です。
業界別ソリューションを探索
チームが本番環境でUltralyticsのコンピュータビジョンをどのように活用しているかをご覧ください。
農業におけるAI
自動車におけるAI
ヘルスケアにおけるAI
物流におけるAI
製造業におけるAI
小売におけるAI
ロボティクスにおけるAI
農業におけるAI
自動車におけるAI
ヘルスケアにおけるAI
物流におけるAI
製造業におけるAI
小売におけるAI
ロボティクスにおけるAI
農業におけるAI
自動車におけるAI
ヘルスケアにおけるAI
物流におけるAI
製造業におけるAI
小売におけるAI
ロボティクスにおけるAI
よくある質問
画像分類では、画像全体を複数のクラスのいずれかに割り当て、それぞれに信頼スコアを付与します。これは最も単純なコンピュータビジョンタスクであり、品質評価、コンテンツの並べ替え、状態監視など、オブジェクトの場所ではなく、画像が何を示しているかを知る必要がある場合に最適です。Ultralytics YOLO 分類モデルは小型で高速であり、ファインチューニングが容易です。
1画像につき1つのラベルで十分な場合は分類を使用し、画像内のオブジェクトの位置を特定またはカウントする必要がある場合は物体検出を使用してください。分類モデルの方が軽量でトレーニングも高速であるため、位置が重要でない場合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 から最大の精度を実現する extra-large まで、さまざまなサイズが用意されています。すべてのサイズで、他の Ultralytics YOLO タスクと同じトレーニングおよびデプロイワークフローを共有しています。
画像をクラスごとに1つのフォルダーに整理し、Ultralytics ライブラリのトレーニング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、ローカル環境を構築せずにクラウド GPU 上でトレーニングを行います。事前トレーニング済みの重みをファインチューニングすることで、通常はクラスあたり数百枚の画像で高い精度に到達できます。
エクスポートモードを使用して、ONNX、TensorRT、CoreML、OpenVINO、LiteRT などのフォーマットにエクスポートします。分類モデルは最小の YOLO バリエーションであり、モバイルアプリ、組み込みデバイス、高スループットサービスに最適です。
Ultralytics で画像分類を構築する
Ultralytics Platform を使用して、データを整理し、YOLO26 分類器をトレーニングし、どこにでもデプロイできます。