リアルタイムYOLO画像セグメンテーション
ピクセル単位で正確なマスクを使用して、バウンディングボックスを超えた処理を実現します。Ultralytics YOLO26は、すべてのYOLOタスクで共通の高速な学習、検証、デプロイワークフローを用いて、インスタンスセグメンテーションおよびセマンティックセグメンテーションをサポートしています。
YOLO26セグメンテーションモデル
YOLO26-segモデルは、物体を検出し、それぞれに対してピクセル単位で正確なマスクを予測します。モデルはナノからエクストララージまで5つのサイズで提供されます。ボックスとマスクの精度は以下に個別に報告されています。すべてのサイズで、標準的なUltralyticsワークフローを通じて学習、検証、エクスポートが可能です。
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 segmentation model
model = YOLO("yolo26n-seg.pt")
# Run inference
results = model("image.jpg")| モデル | サイズ (px) | mAPボックス (e2e) | mAPマスク (e2e) | CPU ONNX (ms) | T4 TensorRT (ms) | Params (M) | FLOPs (B) |
|---|---|---|---|---|---|---|---|
| YOLO26n-seg | 640 | 39.6 | 33.9 | 53.3 ± 0.5 | 2.1 ± 0.0 | 2.7 | 9.1 |
| YOLO26s-seg | 640 | 47.3 | 40.0 | 118.4 ± 0.9 | 3.3 ± 0.0 | 10.4 | 34.2 |
| YOLO26m-seg | 640 | 52.5 | 44.1 | 328.2 ± 2.4 | 6.7 ± 0.1 | 23.6 | 121.5 |
| YOLO26l-seg | 640 | 54.4 | 45.5 | 387.0 ± 3.7 | 8.0 ± 0.1 | 28.0 | 139.8 |
| YOLO26x-seg | 640 | 56.5 | 47.0 | 787.0 ± 6.8 | 16.4 ± 0.1 | 62.8 | 313.5 |
UltralyticsドキュメントによるYOLO26インスタンスセグメンテーションのベンチマーク。
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
インスタンスセグメンテーションは、各物体を検出し、バウンディングボックスだけでなくピクセル単位で正確なマスクを用いて輪郭を描き出します。物体の形状、面積、境界が重要な場合（例：アイテムの測定、隣接する物体の分離、後続処理のための領域マスクなど）に最適なタスクです。Ultralytics YOLOセグメンテーションは、検出と同じAPIを使用してリアルタイムで実行されます。
インスタンスセグメンテーションは物体ごとに個別のマスクを生成するため、隣接する2台の車には2つのマスクが割り当てられます。セマンティックセグメンテーションは、個々の物体を分離することなく、シーン内のすべてのピクセルにクラスラベルを割り当てます。Ultralytics YOLO26は両方をサポートしています。個別の物体をカウント・追跡する場合はインスタンスセグメンテーションを、道路や植生のマップ作成のようなシーン全体の理解にはセマンティックセグメンテーションを使用してください。
Ultralytics YOLO26セグメンテーションモデルは、新規プロジェクトにおける推奨の出発点です。エッジデバイス向けのナノサイズから、精度が重要な作業向けの大型バリエーションまで用意されています。YOLO11セグメンテーションモデルも同様のワークフローを通じて引き続きサポートされます。
マスクにアノテーションを付け、Ultralyticsライブラリのtrainモードで学習するか、Ultralytics Platformを使用してスマートなポリゴンツールでアノテーションを行い、クラウドGPUで学習し、実行結果を比較します。事前学習済みのセグメンテーション重みから微調整を行うと、ほとんどのカスタムデータセットで迅速に収束します。
学習済みモデルをexportモードでONNX、TensorRT、CoreML、OpenVINO、LiteRTなどにエクスポートします。セグメンテーションマスクはエクスポートされたモデルによってネイティブに生成されるため、エッジ、クラウド、モバイルターゲット全体でデプロイパイプラインをシンプルに保つことができます。
Ultralyticsで画像セグメンテーションを構築する
Ultralytics Platformを使用して、マスクへのアノテーション、YOLO26セグメンテーションモデルの学習、およびあらゆる場所へのデプロイを行います。