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い、バウンディングボックスの枠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トレーニング、検証、デプロイのワークフローにより、インスタンスセグメンテーションとセマンティックセグメンテーションに対応します。
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、それぞれについてピクセル単位で正確なマスクを予測します。nanoからextra-largeまで5つのサイズがあります。ボックスとマスクの精度は以下に個別に示します。すべてのサイズが標準のUltralyticsワークフローでトレーニング、検証、エクスポートできます。
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） | パラメーター数（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ドキュメントに掲載されている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
実用的なYOLOv5のワークフローからエッジ対応のYOLO26推論まで、Ultralytics YOLOの進化をご覧ください。
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
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で輪郭を示します。物体の形状、面積、境界が重要な場合に適したタスクです。たとえば、物品の計測、接触している物体の分離、後続処理のための領域のマスキングに使用できます。Ultralytics YOLOセグメンテーションは、検出と同じAPIでリアルタイムに動作します。
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台の車にはそれぞれ別のマスクが付きます。セマンティックセグメンテーションは、個々の物体を区別せず、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は両方に対応しています。インスタンスセグメンテーションは個々の物体のカウントやトラッキングに、セマンティックセグメンテーションは道路や植生のマッピングなど、シーン全体の理解に使用します。
Ultralytics YOLO26セグメンテーションモデルは、エッジデバイス向けのnanoサイズから高精度が求められる用途向けの大型バリアントまで、新しいプロジェクトの推奨される出発点です。YOLO11セグメンテーションモデルも同じワークフローで引き続きサポートされています。
マスクにアノテーションを付け、Ultralyticsライブラリのtrainモードでトレーニングするか、Ultralytics Platformを使ってスマートポリゴンツールでアノテーションを付け、クラウドGPUでトレーニングし、実行結果を比較してください。事前学習済みセグメンテーションの重みからファインチューニングすると、ほとんどのカスタムデータセットで速やかに収束します。
exportモードでトレーニング済みモデルをONNX、OpenVINO、TensorRT、CoreML、LiteRTなどにエクスポートできます。セグメンテーションマスクはエクスポート済みモデルがネイティブに生成するため、エッジ、クラウド、モバイルの各環境でデプロイパイプラインをシンプルに保てます。
Ultralyticsで画像セグメンテーションを構築
Ultralytics Platformでマスクにアノテーションを付け、YOLO26セグメンテーションモデルをトレーニングして、どこにでもデプロイできます。