Yolo Algorithm（ヨロアルゴリズム）

YOLO Algorithm（You Only Look Once）

概要

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。

進化の歴史

YOLOv11 の特徴

アーキテクチャの改良

• C3k2 ブロック: 効率的な特徴抽出
• C2PSA モジュール: Attention 統合
• 軽量化: パラメータ 22% 削減（YOLOv8 比）
• 精度向上: COCO mAP +0.5

サイズバリエーション

主な応用

1. 自動運転

• 歩行者検出: 夜間・悪天候対応
• 標識認識: 道路標識・信号
• 車両検出: 前方車両の距離推定

2. セキュリティ

• 監視カメラ: 侵入者検出、不審行動
• 顔認識: 入退出管理
• 異常検知: 転倒・喧嘩

3. 製造業

• 不良品検出: 製造ラインでの品質管理
• 部品カウント: 在庫管理自動化
• 作業員安全: ヘルメット・保護具確認

4. 農業

• 作物検出: 収穫時期判定
• 害虫検出: ピンポイント農薬散布
• 雑草除去: 自動除草ロボット

5. スマートリテール

• 在庫管理: 棚の商品検出
• 万引き検出: 異常行動検知
• 顧客分析: 動線分析

実装例（Ultralytics YOLOv11）

インストール

pip install ultralytics

基本的な推論

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)

カスタムデータセットで学習

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
)

自作 PC でのパフォーマンス

推論速度（1080p、FP16）

エッジデバイス

類似手法との比較

出力形式

Bounding Box 形式

• xyxy: 左上座標 + 右下座標
• xywh: 中心座標 + 幅・高さ
• xywhn: 正規化版（0〜1）

信頼度（Confidence）

• objectness: 物体が存在する確率
• class probability: 各クラスの条件付き確率
• total confidence: 2 つの積

エクスポート形式

YOLOv11 は多様なフォーマットにエクスポート可能：

• ONNX: クロスプラットフォーム
• TensorRT: NVIDIA GPU 最適化
• CoreML: iOS/macOS
• TFLite: モバイル・組込み
• OpenVINO: Intel 最適化
• NCNN: モバイル・組込み

model.export(format='onnx')      # ONNX
model.export(format='tensorrt')  # TensorRT
model.export(format='coreml')    # CoreML

関連用語

• 物体検出（Object Detection）
• Bounding Box、IoU、NMS
• mAP（mean Average Precision）
• Anchor Box、Anchor-Free
• Ultralytics、Darknet