Ultralytics YOLO11 モデル
効率的なトレーニング、デプロイ、および幅広いコンピュータビジョンタスク向けに設計された実績あるモデルファミリを使用して、高速かつ高精度なリアルタイムビジョンAIを構築しましょう。
YOLO11 モデルファミリー
YOLO11 は、検出、セグメンテーション、分類、姿勢推定、回転物体検出において、nano から extra-large までの 5 つのサイズを展開しています。以下の検出ベンチマークは、精度と速度の範囲を示しています。精度の目標を満たす最小のサイズから開始し、ワークロードが必要な場合にのみスケールアップしてください。
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO11 model
model = YOLO("yolo11n.pt")
# Run inference
results = model("image.jpg")| モデル | サイズ (px) | mAP50-95 | CPU ONNX (ms) | T4 TensorRT (ms) | Params (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLO11n | 640 | 39.5 | 56.1 ± 0.8 | 1.5 ± 0.0 | 2.6 | 6.5 |
| YOLO11s | 640 | 47.0 | 90.0 ± 1.2 | 2.5 ± 0.0 | 9.4 | 21.5 |
| YOLO11m | 640 | 51.5 | 183.2 ± 2.0 | 4.7 ± 0.1 | 20.1 | 68.0 |
| YOLO11l | 640 | 53.4 | 238.6 ± 1.4 | 6.2 ± 0.1 | 25.3 | 86.9 |
| YOLO11x | 640 | 54.7 | 462.8 ± 6.7 | 11.3 ± 0.2 | 56.9 | 194.9 |
Ultralytics ドキュメントによる YOLO11 検出ベンチマーク。
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
Ultralytics YOLOがどのように進化してYOLO11になり、リアルタイムコンピュータビジョンのための最新のYOLO26世代になったかをご覧ください。
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などから自由に選択できます。
- 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。
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
Ultralytics YOLO11は、Ultralytics open-source library上に構築されたリアルタイムコンピュータビジョンモデルファミリーです。トレーニング、バリデーション、デプロイメント全体で一貫した単一のAPIを使用し、object detection、instance segmentation、image classification、pose estimation、oriented object detectionをサポートしています。YOLO11は、カスタムデータセットへのファインチューニングの容易さを維持しつつ、前世代よりも精度と効率を向上させています。アーキテクチャの詳細、ベンチマーク、使用例については、YOLO11 documentationを参照してください。
YOLO11モデルは、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、および回転物体検出の5つのタスクで利用可能です。すべてのタスクで、トレーニング、検証、予測のワークフローを共有しています。
レイテンシ、メモリ、およびモデルサイズが最も重要な場合は、YOLO11nから始めてください。YOLO11sとYOLO11mは、ほとんどの本番ワークロードにおいて速度と精度のバランスが取れており、YOLO11lとYOLO11xは、より多くの計算リソースが利用可能な場合に精度を優先します。YOLO11のドキュメントには、各サイズのベンチマークが含まれています。
Ultralyticsライブラリのトレーニングモードを使用するか、Ultralytics Platformの公式YOLO11プロジェクトを開いてください。トレーニング後、モデルをONNX、TensorRT、CoreML、LiteRTなどのフォーマットにエクスポートできます。
YOLO11は、サポートされ広くデプロイされているモデルファミリーです。Ultralytics YOLO26は最新世代であり、新規プロジェクトの推奨開始点です。両方のファミリーは同じAPIを共有しているため、YOLO11からYOLO26への移行はモデルの変更のみで済みます。
Ultralytics YOLO11で構築する
Ultralytics Platformを使用して、YOLO11モデルのトレーニング、検証、エクスポート、デプロイを行います。