Ultralytics YOLO-OCR

YOLO-OCRは、画像や動画内のテキストを検出して読み取る、リリース予定のUltralyticsモデルです。公式のUltralyticsロードマップでは、高速で高精度なテキスト認識として発表されており、検出、セグメンテーション、姿勢推定に使われるリアルタイムYOLOワークフローにOCRを導入します。

多くのOCRパイプラインはスキャンしたドキュメント向けに構築されており、ライブ動画を処理するには遅すぎます。リアルタイムOCRにより、物流現場のナンバープレートやコンテナ、生産ラインのシリアル番号やラベル、小売店の棚ラベル、ロボティクスの標識やディスプレイなど、実世界の情報を読み取れるようになります。これらすべてをカメラのフレームレートで処理できます。

Ultralyticsは公式のロードマップでリリース時期を発表しており、リリース内容と時期に関する正式な情報源となります。リリースのお知らせを確認するには、ロードマップとGitHubのUltralyticsをフォローしてください。

現在実用的な方法の一つは、Ultralytics YOLO26をトレーニングしてテキスト領域、ラベル、ナンバープレートを検出し、切り出した画像をOCRエンジンに渡すことです。ロードマップではYOLO-OCRを高速で高精度なテキスト認識として説明しており、今からUltralyticsのワークフローを基盤にパイプラインを構築しておけば、リリース時に評価できるようになります。

Ultralyticsのロードマップを確認し、GitHubリポジトリにスターを付け、無料のUltralytics Platformアカウントを作成してください。新しいモデルは、リリース後にトレーニングとデプロイのためにプラットフォームで利用可能になります。