Ultralytics YOLO11モデル
効率的なトレーニングとデプロイを想定して設計され、幅広いコンピュータービジョンタスクに対応する実績あるモデルファミリーで、高速かつ高精度なリアルタイムビジョンAIを構築できます。
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、方向付き物体検出に対応し、nanoからextra-largeまで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。目標精度を満たす最小サイズから始め、ワークロードで必要な場合にのみサイズを上げてください。
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） | mAP 50-95 | CPU ONNX（ms） | T4 TensorRT（ms） | パラメーター数（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ドキュメントに掲載されているYOLO11の検出ベンチマークです。
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
リアルタイムコンピュータービジョン向けに、Ultralytics YOLOがどのように進化してYOLO11、そして最新世代のYOLO26へと至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
Ultralytics YOLO11は、Ultralyticsのオープンソースライブラリを基盤とするリアルタイムコンピュータービジョンモデルのファミリーです。トレーニング、検証、デプロイで一貫した単一のAPIを使用し、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、方向付き物体検出に対応します。YOLO11は、カスタムデータセットでのファインチューニングのしやすさを維持しながら、以前の世代より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のドキュメントをご覧ください。
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、回転物体検出の5つのタスクに対応しています。すべてのタスクで、同じトレーニング、検証、予測のワークフローを使用します。
レイテンシ、メモリ、モデルサイズを最優先する場合は、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で速度と精度のバランスが取れています。一方、より多くの計算リソースを利用できる場合は、YOLO11lとYOLO11xが精度を優先します。YOLO11ドキュメントには、すべてのサイズのベンチマークが掲載されています。
Ultralyticsライブラリのトレーニングモードを使用するか、公式のUltralytics Platform上のYOLO11プロジェクトを開いてください。トレーニング後、モデルをエクスポートして、ONNX、TensorRT、CoreML、LiteRTなどの形式に変換できます。
YOLO11は、現在もサポートされ、広く導入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、新しいプロジェクトでの利用を推奨します。どちらのファミリーも同じAPIを使用するため、YOLO11からYOLO26への移行はモデルを変更するだけで済みます。
Ultralytics YOLO11で開発する
Ultralytics PlatformでYOLO11モデルのトレーニング、検証、エクスポート、デプロイを行えます。