Ultralytics YOLO11 モデル

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、object detection、instance segmentation、image classification、pose estimation、oriented object detectionの5つのタスクで利用可能です。すべてのタスクが同じトレーニング、バリデーション、予測ワークフローを共有しているため、コードを変更するのではなく、モデルの重みを変更するだけでタスクを切り替えることができます。

モバイルやエッジデバイスなど、レイテンシ、メモリ、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および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、より多くのコンピューティングリソースが利用可能な場合は、YOLO11lおよびYOLO11xが最高の精度を提供します。YOLO11 docsには各サイズの完全な速度と精度のベンチマークが記載されており、Ultralytics Platformでトレーニングすることで、自身のデータでバリエーションを比較することも可能です。

Ultralyticsライブラリのtrain modeを使用して、数行のPythonコードでYOLO11をトレーニングできます。また、アノテーション、クラウドGPUトレーニング、デプロイメントを一つのワークフローに統合したUltralytics Platformを使えば、コードを書く必要もありません。事前学習済みの重みを使用することで、カスタムデータセットへのファインチューニングが高速化されます。トレーニング完了後、モデルをONNX、TensorRT、CoreML、LiteRTなどのフォーマットにexportしてデプロイできます。

YOLO11は現在もサポートされており、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、効率的なエッジデプロイメント向けに最適化されたエンドツーエンド設計を採用しているため、新規プロジェクトの開始点として推奨されます。両ファミリーは同じAPIを共有しているため、今日YOLO11で開発を進め、後から1行のコード変更でYOLO26へ移行することが可能です。完全な比較については、Ultralytics models docsを参照してください。