Yolo Algorithmは、人工知能・機械学習分野における重要な概念・技術です。
YOLO（You Only Look Once）は、2015 年に Joseph Redmon らが提案したリアルタイム物体検出アルゴリズムです。従来の 2 段階検出器（Faster R-CNN 等）と異なり、画像を一度見るだけで物体の位置とクラスを同時予測する単段階（Single-Stage）アプローチを採用し、高速性で注目を集めました。2026 年現在、YOLOv11 / YOLOv12 まで進化しています。
| バージョン | 年 | 作者 | 主な改良 |
|---|---|---|---|
| YOLOv1 | 2015 | Joseph Redmon | 初版、単段階検出 |
| YOLOv2 | 2017 | Redmon | Anchor Box、BN |
| YOLOv3 | 2018 | Redmon | FPN、Darknet-53 |
| YOLOv4 | 2020 | Alexey Bochkovskiy | CSP、PANet |
| YOLOv5 | 2020 | Ultralytics | PyTorch、デプロイ容易 |
| YOLOv6 |
| 2022 |
| Meituan |
| 産業向け最適化 |
| YOLOv7 | 2022 | Wang et al. | E-ELAN、高精度 |
| YOLOv8 | 2023 | Ultralytics | Anchor-Free |
| YOLOv9 | 2024 | Wang et al. | PGI、GELAN |
| YOLOv10 | 2024 | THU | NMS-Free |
| YOLOv11 | 2024 | Ultralytics | 最新、効率化 |
| モデル | パラメータ | GFLOPS | COCO mAP | 用途 |
|---|---|---|---|---|
| YOLOv11n | 2.6M | 6.5 | 39.5 | 組込み・モバイル |
| YOLOv11s | 9.4M | 21.5 | 47.0 | エッジデバイス |
| YOLOv11m | 20.1M | 68.0 | 51.5 | デスクトップ |
| YOLOv11l | 25.3M | 86.9 | 53.4 | 高精度用途 |
| YOLOv11x | 56.9M | 194.9 | 54.7 | 最高精度 |
pip install ultralytics
from ultralytics import YOLO
# モデルロード
model = YOLO('yolo11n.pt')
# 画像で推論
results = model('image.jpg')
# 結果の可視化
for r in results:
r.show()
r.save('output.jpg')
# 動画で推論
results = model('video.mp4', save=True)
# Webcam でリアルタイム推論
results = model(0, show=True)
from ultralytics import YOLO
# 事前学習モデルから転移学習
model = YOLO('yolo11n.pt')
# 学習
model.train(
data='custom.yaml', # データセット設定
epochs=100,
imgsz=640,
batch=16,
device=0 # GPU 使用
)
| GPU | YOLOv11n | YOLOv11s | YOLOv11m | YOLOv11x |
|---|---|---|---|---|
| RTX 4060 | 200 FPS | 150 FPS | 90 FPS | 30 FPS |
| RTX 4070 | 300 FPS | 220 FPS | 130 FPS | 45 FPS |
| RTX 4080 | 400 FPS | 300 FPS | 180 FPS | 65 FPS |
| RTX 4090 | 550 FPS | 420 FPS | 250 FPS | 95 FPS |
| デバイス | 対応モデル | FPS |
|---|---|---|
| Jetson Nano | YOLOv11n | 15-25 |
| Jetson Orin Nano | YOLOv11s | 60-80 |
| Jetson AGX Orin | YOLOv11m | 120+ |
| Raspberry Pi 5 | YOLOv11n | 5-10 |
| 手法 | タイプ | 速度 | 精度 | 用途 |
|---|---|---|---|---|
| YOLO | 単段階 | 超高速 | 高 | リアルタイム |
| SSD | 単段階 | 高速 | 中 | 軽量化 |
| Faster R-CNN | 2段階 | 低速 | 最高 | 高精度 |
| Mask R-CNN | 2段階 | 低速 | 最高 | セグメンテーション |
| RetinaNet | 単段階 | 中速 | 高 | 小物体 |
| DETR | Transformer | 中速 | 高 | 次世代 |
YOLOv11 は多様なフォーマットにエクスポート可能：
model.export(format='onnx') # ONNX
model.export(format='tensorrt') # TensorRT
model.export(format='coreml') # CoreML