HN 日本語サマリー

← 一覧へ戻る
AI・機械学習

YOLO26の紹介

An Introduction to YOLO26 (blog.roboflow.com)

8 pointsby teleforce0 コメント

要約

YOLO26は、2026年1月にリリースされたエンドツーエンドの物体検出およびマルチタスクモデルファミリーであり、5つのサイズバリアントで検出、インスタンスセグメンテーション、姿勢推定、指向性物体検出、画像分類をサポートします。非最大抑制(NMS)を排除して低レイテンシを実現し、Distribution Focal Loss(DFL)モジュールを削除してエッジおよび低電力ハードウェアとの互換性を向上させています。本記事では、YOLO26のアーキテクチャ、COCOベンチマーク結果、ダウンロードリンク、およびRF-DETR、LW-DETR、D-FINEなどの他のモデルとの比較を詳しく解説しています。

全文翻訳

YOLO26とは何か?入門

YOLO26は、YOLOファミリーの2026年1月世代であり、検出、セグメンテーション、分類、姿勢、方向付きバウンディングボックスをカバーするエッジ最適化、NMSフリーのマルチタスクモデルです。5つのサイズ(NanoからExtra Largeまで)でYOLO11よりも最大43%高速なCPU推論を実現します。AGPL-3.0ライセンスで提供され、商用利用可能なApache 2.0ライセンスのRF-DETRよりも精度とドメイン転移で優れています。

YOLOモデルは、物体検出、セグメンテーション、姿勢推定、分類、方向付き物体検出をカバーするリアルタイムコンピュータビジョンモデル(新規タブで開く)のファミリーです。その速度と精度の組み合わせは、エッジデバイスとクラウドAPIの両方で広く利用されています。

この記事では、YOLO26、その主な改善点、ベンチマーク、他の主要なコンピュータビジョンモデルとの比較、そしてトレーニングとデプロイ方法について解説します。

YOLO26とは?

YOLO26は、物体検出、インスタンスセグメンテーション、画像分類、姿勢推定、方向付き物体検出など、幅広いコンピュータビジョンタスクを処理できるように設計されたマルチタスクモデルファミリーです。Nano (N)、Small (S)、Medium (M)、Large (L)、Extra Large (X) の複数のサイズバリアントがあり、さまざまなパフォーマンスとデプロイメントのニーズに対応します。

以前のYOLO世代と比較して、YOLO26はエッジデプロイメントに最適化されており、CPU推論速度の向上、よりコンパクトなモデル設計、そして多様なハードウェア環境での互換性向上のための簡素化されたアーキテクチャを備えています。NMSの削除によるレイテンシの低下や、fp16とfp32で結果が一貫していることなどが特筆すべき改善点であり、最適化された低レイテンシでのモデル実行と、トレーニング時と同等の高精度を実現します。

[画像: YOLO26のデモ画像]

[画像: YOLO26のアーキテクチャ図]

画像でYOLO26を試す

COCOデータセット(新規タブで開く)に含まれる一般的なオブジェクトに対するYOLO26の画像上でのパフォーマンスを確認してください。以下の機能を使って、モデルがあなたのデータをどのように処理するかテストできます。

YOLO26をRF-DETR、SAM 3、その他のモデルと比較するには、Roboflow Model Playground(新規タブで開く)をあなたの画像でサイドバイサイドで使用してください。

YOLO26をダウンロードする

以下の表は、物体検出チェックポイントへのリンクと、サイズごとの報告されたベンチマークを示しています。

Modelsize (pixels)mAPval 50-95Speed CPU ONNX (ms)Speed T4 TensorRT10 (ms)params (M)FLOPs (B)
YOLO26n (新規タブで開く)64040.938.9 ± 0.71.7 ± 0.02.45.4
YOLO26s (新規タブで開く)64048.687.2 ± 0.92.5 ± 0.09.520.7
YOLO26m (新規タブで開く)64053.1220.0 ± 1.44.7 ± 0.120.468.2
YOLO26l (新規タブで開く)64055.0286.2 ± 2.06.2 ± 0.224.886.4
YOLO26x (新規タブで開く)64057.5525.8 ± 4.011.8 ± 0.255.7193.9

トレードオフは、Nanoの1.7 ms T4レイテンシからExtra Largeの57.5 mAPまでです。他のタスクタイプについては、YOLO26 GitHub(新規タブで開く)を参照してください。

YOLO26 アーキテクチャ

YOLO26は、いくつかの主要な改善点をもたらしています。

  • より広範なデバイスサポート: Distribution Focal Loss (DFL) モジュールを削除し、推論を簡素化、複数のエクスポートフォーマット(TFLite、CoreML、OpenVINO、TensorRT、ONNX)を可能にし、エッジおよび低電力デバイスのサポートを拡大します。
  • 小物体認識の強化: ProgLossとSTAL損失関数を採用し、特に小物体の検出精度を向上させ、IoT、ロボット工学、航空画像アプリケーションに大きな利点をもたらします。
  • エンドツーエンド予測: Non-Maximum Suppression (NMS)を後処理ステップとして廃止し、レイテンシを削減し、リアルワールドシステムでのデプロイメントをより高速、軽量、信頼性の高いものにする直接的な予測を生成します。
  • 高速なCPU推論: モデル設計とトレーニングの最適化により、YOLO26はCPUでYOLO11よりも高速です。例えば、YOLO26-NバリアントはYOLO11-Nよりも最大43%高速なCPU推論を提供し、YOLO26はGPUを持たないデバイスでのリアルタイムパフォーマンスに理想的です。
  • トレーニングの改善: Kimi K2(新規タブで開く) LLMのブレークスルーに着想を得た、SGD(新規タブで開く)とMuon(新規タブで開く)のハイブリッドであるMuSGDオプティマイザを導入し、大規模言語モデルからの最適化の進歩をコンピュータビジョンに転移させることで、安定したトレーニングと高速な収束を保証します。

YOLO26を商用利用できますか?

YOLO26はAGPL-3.0ライセンスで提供されており、商用ライセンスを保持していない限り、派生作品のオープンソース化が義務付けられます。Roboflow Enterpriseプランでは、商用YOLO利用のためのUltralyticsモデルライセンスアドオンをRoboflow Inference(新規タブで開く)で提供しています(営業に問い合わせる(新規タブで開く))。あるいは、コアモデルとコードがApache 2.0ライセンスで、コピーレフト義務がなく購入するものもないRF-DETR(新規タブで開く)をトレーニングすることもできます。

RoboflowでYOLO26を使用する

YOLO26は、物体検出、インスタンスセグメンテーション、キーポイント検出のためにRoboflowで完全にサポートされているモデル(新規タブで開く)です。ホストされたGPUでのカスタムトレーニング、外部でトレーニングされたウェイトのアップロード、ウェイトのエクスポート、そしてServerless Hosted API、Roboflow Workflows(新規タブで開く)、またはRoboflow Inferenceによるオンデバイスデプロイメントが可能です。Auto Labelによるラベリングからデプロイメントまでのフルループが1つのプラットフォームで実行できます。ウォークスルーについては、RoboflowでのYOLO26(新規タブで開く)を参照してください。

YOLO26単眼深度推定(YOLO-Depth)

検出、セグメンテーション、分類、姿勢、OBBに加えて、YOLO26は6番目のタスクである単眼深度推定(新規タブで開く)をサポートしています。単一のRGB画像から、YOLO26-depthモデルは、ピクセルごとにカメラからの距離(メートル単位)が推定された値を持つ、入力解像度に整列した密な深度マップを予測します。

Modeldelta1abs_relRMSEParamsFLOPs
YOLO26n-depth0.8820.1090.414m6.4M46.9B
YOLO26s-depth0.8960.1040.399m13.2M67.9B
YOLO26m-depth0.9210.0890.364m23.3M130.7B
YOLO26l-depth0.9300.0830.351m27.7M157.2B
YOLO26x-depth0.9330.0800.344m57.0M302.0B

ベンチマークは、NYU Depth V2 Eigenテストスプリットで、テスト時データ拡張(test-time augmentation)を使用して768pxで報告されています。そのため、シングルパスのプロダクション推論では精度が若干低下する可能性があります。また、NYUは屋内ベンチマークです。出力は相対深度ではなく、メートル単位の深度です。

プロダクションでオブジェクトごとの距離を今すぐ取得するには、Roboflow Workflowsの深度推定ブロック(新規タブで開く)とRF-DETR検出を組み合わせることができます。

YOLO26の代替案

いくつかのマルチタスクモデルがYOLO26と競合しており、物体検出リーダーボード(新規タブで開く)でオープンコードと共にベンチマークされています。

[画像: オブジェクト検出リーダーボードのスクリーンショット]

RF-DETR

RF-DETR(新規タブで開く)は、Roboflowによって開発されたリアルタイム検出トランスフォーマーのファミリーで、物体検出、セグメンテーション、キーポイントタスクをサポートします。RF-DETRはベンチマーク全体でYOLO26を上回り、ドメイン間での汎化性能が高く(リアルワールド転移ベンチマークであるRF100-VL(新規タブで開く)をリードしています)、Inference(新規タブで開く)でエッジ上で動作し、Apache 2.0ライセンスで提供されます。

新しい検出プロジェクトにはRF-DETRを推奨します。YOLO26と同じRoboflowフローでトレーニングできるため、データセットで両者を比較するのは、プラットフォームの変更ではなく、アーキテクチャのドロップダウン選択になります。

LW-DETR

Light-Weight Detection Transformer (LW-DETR) は2024年6月にリリースされ、Vision TransformerとDETRデコーダーを組み合わせ、マルチレベル特徴表現を統合して、精度と速度の両方でYOLO11(新規タブで開く)を上回る、正確で堅牢な予測を実現します。

D-FINE

D-FINE(新規タブで開く)は2024年10月にリリースされ、Fine-grained Distribution Refinement (FDR) を導入し、バウンディングボックス分布を反復的に洗練させることで、特に小物体や重なり合った物体に対して、リアルタイムパフォーマンスを維持しながら、より高い局所化精度を実現します。

YOLO26論文

2026年6月現在、「Ultralytics YOLO26: Unified Real-Time End-to-End Vision Models」というYOLO26論文(新規タブで開く)が存在します。YOLO26は、長年のボトルネックであったNon-Maximum SuppressionとDistribution Focal Lossを廃止しました。

新しいトレーニング手法(MuSGDオプティマイザ、Progressive Loss、STALラベル割り当て)は、小物体を含む精度を向上させます。1つのパイプラインで、検出、セグメンテーション、姿勢、分類、方向検出を5つのスケールにわたって処理し、さらにオープンボキャブラリーのYOLOE-26拡張も備えています。

COCOデータセットで40.9–57.5 mAPを1.7–11.8 msのT4レイテンシで報告しており、精度とレイテンシのパレートフロントを以前のリアルタイムYOLO検出器よりも押し上げています。

YOLO26を始めよう

上記埋め込みでYOLO26を試した後、あなたのデータでモデルを実際に動かしてみましょう。無料のRoboflowアカウントを作成(新規タブで開く)、データセットをラベリングし、YOLO26とRF-DETRを連続してトレーニングして、あなたの画像でどちらが優れているかを確認してください。

さらに読む: