Skip to content
  1. Blog
  2. Maker & Vision

Maker & Vision#YOLO26#YOLO#機械学習

YOLO26とは何者か。YOLOv8・YOLO11と比べてどこが別次元(レベチ)なのか

Ultralytics YOLO26の正体と、YOLOv8・YOLO11から構造ごと刷新された点(NMS-Free推論、DFL撤廃、MuSGD最適化、CPU推論最大43%高速化)を整理し、エッジ実戦やデータセット統合でなぜ強いのかを解説する。

Written by the site’s operator1 min read
物体検出のバウンディングボックスとIoUを示す図版
従来のYOLOは重複ボックスをNMSで削る後処理が前提だったが、YOLO26はその前提から外れたPhoto: Adrian Rosebrock / CC BY-SA 4.0 / Wikimedia Commons

リアルタイム物体検出の世界で長く基準になってきた「YOLO」シリーズだが、Ultralyticsから登場した YOLO26 は、これまでの世代(YOLOv8やYOLO11)の単なる小改良ではなく、推論パイプラインの前提そのものを組み替えた世代として注目されている。名前は聞いたことがあっても、「数字が飛んで26になっただけなのか、それとも中身が別物なのか」が見えにくい。結論から言えば、YOLO26は 「NMS(重複除去)とDFL(分布焦点損失)を外し、エッジCPUや量子化環境でもそのまま高速に動くように再設計された実戦向けモデル」 であり、特に推論の軽さと実装の素直さでこれまでのYOLOと一線を画している。

1. 従来のYOLO(v8 / 11)が抱えていた2つの重い足かせ

YOLOv8やYOLO11は非常に優秀な検出器だが、実際のアプリや組み込み端末へ載せようとすると、いつも同じ2箇所でボトルネックが起きていた。

  1. NMS(Non-Maximum Suppression)という後処理の壁従来のYOLOは1つの物体に対して大量の重複した予測ボックスを出力するため、推論の最後にCPU側で重なり具合(IoU)を計算して余分な枠を削る「NMS」が必須だった。物体が増えるほど後処理時間が揺らぎ、ONNXやTensorRTへ書き出す際もNMS周りのグラフ構築がトラブルの種になりやすかった。
  2. DFL(Distribution Focal Loss)による検出ヘッドの複雑さボックスの境界を精密化するために使われていたDFLは精度向上に貢献した一方、出力層の構造が複雑になり、INT8量子化や専用アクセラレータへの移植時に精度劣化や変換エラーを招く原因になっていた。
YOLOv8・YOLO11とYOLO26の構造差(NMS-Free・DFL撤廃・CPU最大43%高速化)を比較した図解
YOLO26は精度を保ったまま「NMS不要」と「DFL撤廃」を同時に実現し、エッジとCPU推論を別次元へ引き上げた

2. YOLO26が「レベチ」と言われる4つの構造刷新

YOLO26は、この2つの足かせを両方とも取り払ったうえで、学習側の最適化手法まで刷新している。

比較項目Ultralytics YOLOv8Ultralytics YOLO11Ultralytics YOLO26
推論パイプラインNMS後処理が必須NMS後処理が必須ネイティブ End-to-End NMS-Free
ボックス回帰(DFL)DFLを使用DFLを使用DFLを完全撤廃(ヘッド軽量化)
CPU推論速度ベースライン中程度の改善最大43%高速化(Nanoモデル等)
学習オプティマイザSGD / AdamW 中心標準最適化MuSGD(LLM学習知見を導入)
量子化・エッジ移植DFL・NMS周りに配慮が必要同左INT8量子化・ONNX/TensorRT移植が素直

3. なぜ「NMS-Free × DFL撤廃」が実戦で効くのか

単にベンチマーク上の数字が速いだけでなく、実際にシステムを組む現場では次の3点で恩恵が大きい。

  • 処理時間のブレが消える(決定的レイテンシ):画面内に敵やオブジェクトが急に10体増えても、NMSの探索ループが膨らまないため、毎フレームの処理時間が読みやすい。ゲーム画面のリアルタイム解析やロボット制御ではこの「遅延の読めなさ」が減るだけでも価値が高い。
  • GPUなし環境(CPUのみ)でも実用ラインに入る:従来はGPUがないと苦しかったリアルタイム寄りの検出も、CPU推論の大幅高速化によってノートPCや小型エッジ端末で現実的に回りやすくなる。
  • 複数タスクを同じ流れで扱える:物体検出(Detection)だけでなく、インスタンスセグメンテーション、姿勢推定(Pose)、回転バウンディングボックス(OBB)、画像分類まで従来のYOLOと同じインターフェースで一通りそろっている。

4. Roboflow等で独自データセットを統合学習するときのポイント

実戦では既存の学習済みモデルそのままではなく、Roboflow Universeなどで公開されている複数のデータセットを集約し、自分のターゲットに合わせてYOLO26で再学習させるケースも多い。

このとき注意すべきなのは、「モデルが新しく強いからといって、クラス定義がバラバラなデータをそのまま混ぜてはいけない」 という点だ。たとえばAのデータセットでは 0 が敵、Bでは 0 が味方になっているようなクラスID衝突を統合前にリマッピングし、不定形な背景要素(霧や色領域)は無理にボックスへ押し込まず必要に応じてマスク処理と分けることで、YOLO26の純粋な検出スピードと精度を最大限に引き出せる。

「レガシーな既存パイプラインを保守し続けるならYOLOv8/11、これから新しくリアルタイム認識やエッジ推論を組むなら迷わずYOLO26」というのが現在の明確な選び分けになる。

学習用画像の解像度やアスペクト比を事前に揃えたいときは、画像リサイズツールやカラーコード確認ツールで入力データの前提を整えておくと実験を回しやすい。

Tools for this article

Share this article
Share on X

Read next

Maker & Vision

OpenCV+Flaskで4画面監視カメラ。動体検出の誤報を減らすcontourArea調整

PythonのOpenCVとFlask(/video_feed)で通常・暗視・拡大・動体検出の4画面ストリームを組み、MOG2背景差分の誤検知をcontourAreaのトラックバーで抑えた記録。

#OpenCV#Python
PC & Local AI

RTX 3060 12GBでOllamaを動かすとき、コンテキスト長とモデル選びはどう決めるか

RTX 3060 12GB+RAM 32GB環境でOllamaを動かす際、GPU使用率93%ではなく専用VRAM空き(8.7/12.0GB)を見て32Kから48Kへ上げる判断と、9B/30B MoEモデルの使い分けを整理した。

#Ollama#ローカルLLM
Network

VPNはどこまで通せて、なぜ全部は抜けないのか。TrueNAS上のTailscaleが学校フィルタリングで止まる仕組み

「VPNを繋げばどんな制限も回避できる」わけではない理由を、Tailscale(WireGuard)の通信構造・Exit Node・UDP遮断・DPI(ディープパケットインスペクション)・VPNプロトコルごとの違いから整理した。

#VPN#Tailscale
Essays & Notes

AI文章っぽい定型句を避けて、ChatGPT過去ログの「実測と失敗」を一次記事にする

AI生成文章に出やすい導入定型句の傾向を確認しつつ、一般論の焼き直しではなく自分のChatGPTエクスポートに眠る実機検証や失敗談をブログ記事へ起こす編集方針をまとめた。

#ライティング#ブログ運営
Essays & Notes

なぜ減価償却で「100万円使って赤字」ではなく1円(備忘価額)を残すのか

設備投資した年の現金支出(キャッシュフロー)と本業の稼ぐ力(損益計算)を切り分ける減価償却の意味と、償却完了後に帳簿へ1円(備忘価額)を残す理由、建物の定額法統一を整理した。

#会計#減価償却
Essays & Notes

「6時半」に違和感がないのにデンマーク語の20進数を奇妙に感じるのはなぜか

時(24進)+分(60進)+半(2進)の雑種である「6時半」は自然なのに、デンマーク語の50・70・90の20進数表現を難しく感じる理由を「パターン認識と文化バイアス」から考察した。

#数学#認知科学

All articles