リアルタイム YOLO セマンティックセグメンテーション
密なピクセルごとのクラスラベルでシーン全体を理解します。Ultralytics セマンティックセグメンテーションモデルは、道路、植生、建物、製品などすべてのピクセルを分類し、すべての YOLO タスクと同様の高速なトレーニングおよびデプロイワークフローを提供します。
YOLO26 セマンティックセグメンテーションモデル
YOLO26-sem モデルはシーン内のすべてのピクセルにラベル付けを行います。以下では 1024×2048 解像度における mIoU として報告されています。5 つのサイズがエッジデプロイから精度重視のマッピングまでを網羅しており、さらに軽量なワークロード向けに 640 ピクセルのバリアントもドキュメント化されています。
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 semantic segmentation model
model = YOLO("yolo26n-sem.pt")
# Run inference
results = model("image.jpg")| モデル | サイズ (px) | mIoU | RTX 3090 PyTorch (ms) | パラメータ数 (M) | FLOPs (B) |
|---|---|---|---|---|---|
| YOLO26n-sem | 1024 × 2048 | 78.3 | 4.4 ± 0.0 | 1.6 | 22.7 |
| YOLO26s-sem | 1024 × 2048 | 80.8 | 8.4 ± 0.0 | 6.5 | 88.8 |
| YOLO26m-sem | 1024 × 2048 | 82.0 | 19.9 ± 0.1 | 14.3 | 304.5 |
| YOLO26l-sem | 1024 × 2048 | 82.9 | 26.5 ± 0.1 | 17.9 | 384.7 |
| YOLO26x-sem | 1024 × 2048 | 83.6 | 48.9 ± 0.2 | 40.2 | 861.7 |
Ultralytics ドキュメントによる 1024×2048 での YOLO26 セマンティック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に信頼されています
私たちのモデルがもたらす影響
最先端のビジョン AI モデルで、業界をまたいだプロセスを効率化します。Ultralytics が提供する、スピード、精度、そして使いやすさをご体験ください。
Ultralytics YOLOモデルの進化
Ultralytics YOLOが実践的なYOLOv5ワークフローからエッジ対応のYOLO26推論へとどのように進化したかをご覧ください。
スマートアノテーションで最大 10 倍高速にラベル付け
Ultralytics プラットフォームは、高品質なデータセットをより短期間で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正確な手動編集まで、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削減するように設計されています。
- SAM 駆動の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生成。
- AI タスクを完全にカバー: 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。
- ユニバーサルフォーマットのサポート: YOLO、COCO など、お好みのフォーマットを選択可能。
- チームレビューとバージョニング: あらゆるステップでのスムーズなコラボレーション。
最適な GPU で低コストのトレーニングを実現
Ampere から Blackwell まで、26種類の NVIDIA GPU を 1 時間あたり $0.24 から提供します。マージンなし、最低利用料金なし、コミットメント不要です。
業界別ソリューションを見る
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
セマンティックセグメンテーションは、画像内のすべてのピクセルにクラスラベルを割り当て、ボックスやオブジェクトごとのマスクではなく、シーン全体の密なマップを生成します。どのピクセルが道路、水、作物、欠陥であるかといった疑問に答え、モビリティ、農業、検査、マッピングにおけるシーン理解の基礎となります。
セマンティックセグメンテーションは、個々のオブジェクトを分離することなくクラスごとにすべてのピクセルにラベル付けを行います。すべての自動車が1つのラベルを共有します。インスタンスセグメンテーションはオブジェクトごとに異なるマスクを生成するため、オブジェクトの数え上げや追跡が可能です。シーンレベルの理解にはセマンティックセグメンテーションを、オブジェクトレベルの分析にはインスタンスセグメンテーションを使用してください。Ultralyticsは1つのワークフローで両方をサポートしています。
Ultralyticsのセマンティックセグメンテーションモデルは、Ultralyticsロードマップで発表され、セマンティックセグメンテーションのドキュメントに記載されている、YOLOファミリーで初めて高密度のピクセル単位のラベルを生成するモデルです。これらは、おなじみのUltralyticsのトレーニング、検証、エクスポートのワークフローを共有しています。
クラス用のピクセル単位のマスクを準備し、Ultralyticsライブラリのトレーニングモードを実行するか、Ultralyticsプラットフォームを使用してブラウザ上でアノテーション、クラウドGPUトレーニング、評価を管理します。事前学習済みの重みをファインチューニングすることが、優れた結果を得るための最も早い道です。
エッジデバイス、車両、サーバーでのリアルタイム推論のために、エクスポートモードを使用してONNX、TensorRT、OpenVINOなどの形式にエクスポートします。高密度のピクセル単位の出力はエクスポートされたモデルから直接得られるため、後段のパイプラインがシンプルになります。
Ultralytics でセマンティックセグメンテーションを構築する
詳細なピクセルごとのセグメンテーションモデルをトレーニングし、Ultralytics Platform を使用してどこにでもデプロイします。