YOLO 傾き物体検出
回転した境界ボックスを使用して、あらゆる角度で物体を検出します。Ultralytics YOLO26 OBB モデルは、軸に沿ったボックスでは重なりが生じてうまく機能しない船舶、車両、建物、テキストに対して、ぴったりとフィットさせることができ、航空写真や衛星画像に最適です。
YOLO26 OBB モデル
YOLO26-obb モデルは、1024ピクセルの解像度で回転した境界ボックスを予測します。これは、物体が任意の角度で現れる航空写真や衛星画像向けに構築されています。5つのサイズがあり、速度と精度のトレードオフを選択でき、すべて標準的なワークフローでカスタムの回転ボックスデータセットにファインチューニング可能です。
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 OBB model
model = YOLO("yolo26n-obb.pt")
# Run inference
results = model("image.jpg")| モデル | サイズ (px) | mAP 50-95 (e2e) | mAP 50 (e2e) | CPU ONNX (ms) | T4 TensorRT (ms) | Params (M) | FLOPs (B) |
|---|---|---|---|---|---|---|---|
| YOLO26n-obb | 1024 | 52.4 | 78.9 | 97.7 ± 0.9 | 2.8 ± 0.0 | 2.5 | 14.0 |
| YOLO26s-obb | 1024 | 54.8 | 80.9 | 218.0 ± 1.4 | 4.9 ± 0.1 | 9.8 | 55.1 |
| YOLO26m-obb | 1024 | 55.3 | 81.0 | 579.2 ± 3.8 | 10.2 ± 0.3 | 21.2 | 183.3 |
| YOLO26l-obb | 1024 | 56.2 | 81.6 | 735.6 ± 3.1 | 13.0 ± 0.2 | 25.6 | 230.0 |
| YOLO26x-obb | 1024 | 56.7 | 81.7 | 1485.7 ± 11.5 | 30.5 ± 0.9 | 57.6 | 516.5 |
Ultralytics ドキュメントによる YOLO26 傾き検出ベンチマーク。
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
傾き物体検出は、軸に沿った長方形ではなく、各物体の実際の向きに一致する回転した境界ボックスを予測します。港の船舶、駐車場の車両、ドキュメントのテキスト行など、細長い物体や密集した物体の場合、回転したボックスはぴったりとフィットし、標準のボックスでは曖昧になる重なりを回避します。
物体が任意の回転で現れ、その向きや正確な範囲が重要な場合（航空写真や衛星画像、ドローン検査、ドキュメント解析、上空からの産業シーンなど）には OBB を使用してください。物体がほとんど直立しており、向きが重要でない場合は、標準の物体検出の方がシンプルで同様に効果的です。
Ultralytics YOLO26 OBB モデルが推奨される出発点であり、DOTA 航空写真ベンチマークで事前トレーニングされており、ナノから特大サイズまで利用可能です。これらは、他のすべての Ultralytics YOLO タスクと同じトレーニング、検証、エクスポートワークフローを共有しています。
YOLO OBB 形式で回転ボックスをアノテーションし、トレーニングモードを実行するか、Ultralytics Platform を使用してアノテーション、クラウド GPU でのトレーニング、ブラウザでの結果評価を行います。DOTA 事前トレーニング済みウェイトからのファインチューニングが、ほとんどの航空データセットにとって最短のパスです。
エクスポートモードを使用して、OBB モデルを ONNX、TensorRT、OpenVINO などの形式にエクスポートします。回転ボックスの出力はエクスポートされたモデルによって直接生成されるため、エッジデバイス、ドローン、サーバー上の推論パイプラインをシンプルに保つことができます。
Ultralytics で傾き検出を構築する
Ultralytics Platform を使用して、回転ボックスをアノテーションし、YOLO26 OBB モデルをトレーニングし、どこにでもデプロイできます。