CoreMLを介してAppleデバイスにUltralytics YOLO11を導入する

AppleがApple Intelligenceのような機能を導入したことで、オンデバイスAIが私たちのスマートフォン利用の中心的な役割になりつつあることが明確になっています。開発者にとって、この変化は、ユーザーがコンピュータビジョンなどの機能を活用した、よりスマートで応答性の高い体験を提供するiOSアプリを採用していることを意味します。

Computer visionは、画像や動画などの視覚情報をコンピュータが理解し分析できるようにする人工知能（AI）の一種です。モバイルデバイスでは、スマートフォンのカメラを通してオブジェクトをリアルタイムで検出し、分類し、インタラクションを行うために使用できます。Ultralytics YOLO11などのビジョンAIモデルは、アプリのニーズに応じて、特定のオブジェクトを認識するようにカスタムトレーニングすることができます。

しかし、Ultralytics YOLO11は、そのままではiOS上で実行できるように設定されていません。YOLO11をiPhoneやその他のAppleデバイスにデプロイし、特にオフラインで使用するには、Appleのエコシステムに最適化されたフォーマットに変換する必要があります。

これはまさにCoreMLが解決するために作られた種類の課題です。CoreMLは、モデルをローカルで実行し、iOSおよびmacOSアプリケーションにシームレスに統合するために構築された、Appleの機械学習フレームワークです。UltralyticsがサポートするCoreML integrationにより、iPhoneでのローカルデプロイメントに向けてモデルを簡単にエクスポートできます。

この記事では、Ultralytics YOLO11モデルをCoreMLフォーマットにエクスポートする方法について詳しく説明します。また、コンピュータビジョンモデルをiOSデバイス上で直接実行する利点を示すリアルタイムのユースケースについても探っていきます。早速始めましょう！

CoreMLとは？#

CoreMLはAppleによって開発されたmachine learning (ML) frameworkであり、開発者がiOS（iPhoneおよびiPad）、macOS（Mac）、watchOS（Apple Watch）、tvOS（Apple TV）を含むAppleのエコシステム全体で、アプリにトレーニング済みMLモデルを直接統合することを可能にします。インターネット接続を必要とせず、モデルをデバイス上で直接実行できるようにすることで、Appleデバイス上で機械学習をアクセスしやすく効率的に設計されています。

CoreMLの核となるのは、画像分類、物体検出、音声認識、自然言語処理といった幅広いAIタスクをサポートする統合モデル形式です。このフレームワークはAppleのハードウェアを最大限に活用するように最適化されており、CPU (中央演算処理装置)、GPU (グラフィックス演算処理装置)、ANE (Apple Neural Engine) を使用して、迅速かつ効率的にモデルを実行します。

CoreMLは多様なモデルタイプをサポートしており、TensorFlow、PyTorch、scikit-learn、XGBoost、LibSVMなどの一般的な機械学習ライブラリと互換性があります。これにより、開発者は高度なML機能を日常的なアプリに導入しやすくなり、それらの機能がAppleデバイス全体でスムーズに動作することを保証できます。

図1. CoreMLは他の人気のAIフレームワークのモデルをサポートしています（Source）。

CoreMLの主な機能#

CoreMLがAppleアプリへのAI統合における信頼性の高いツールとなっている主な機能の一部を紹介します。

• Model optimization: CoreMLは、量子化やプルーニングなどの圧縮技術をサポートし、モデルサイズの縮小とランタイム効率の向上を実現します。
• オンデバイスパーソナライゼーション: AppleのMLフレームワークはオンデバイスパーソナライゼーションをサポートしており、ユーザーとの対話に基づいてローカルでモデルをトレーニングおよび更新できます。
• 非同期予測: このフレームワークを使用すると、アプリがバックグラウンドで予測を実行でき、AIタスクを処理しながらユーザーインターフェースをスムーズで応答性の高い状態に保つことができます。
• マルチタスク学習: CoreMLは、同一画像内での物体検出とテキスト認識のように、複数のタスクを同時に実行できるモデルをサポートしています。

Ultralytics YOLO11 を CoreML フォーマットにエクスポートする方法#

CoreMLフレームワークについての理解が深まったところで、UltralyticsがサポートするCoreML統合を使用してYOLO11モデルをCoreML形式にエクスポートする方法を見ていきましょう。

ステップ1: 環境のセットアップ#

Ultralyticsが提供する統合機能を利用するには、まずUltralytics Python packageのインストールから始めます。これは、Ultralytics YOLOモデルのトレーニング、評価、予測、エクスポートなどのタスクを簡素化する、軽量で使いやすいライブラリです。

Ultralytics Pythonパッケージは、コマンドターミナルで「pip install ultralytics」を実行することでインストールできます。Jupyter NotebookやGoogle Colabのような環境を使用している場合は、コマンドの前に感嘆符（!）を付けて「!pip install ultralytics」と入力してください。

インストール中やCoreMLへのエクスポート中に問題が発生した場合は、公式のUltralyticsドキュメントまたはCommon Issues guideを参照してください。

ステップ 2: Ultralytics YOLO11 の CoreML へのエクスポート#

パッケージのインストールが正常に完了したら、Ultralytics YOLO11モデルをロードし、CoreMLフォーマットに変換する準備が整います。

どの事前トレーニング済みYOLO11モデルを使用すべきか迷った場合は、Ultralyticsがサポートするmodels supportedの範囲を検討できます。それぞれが速度、サイズ、精度の異なるバランスを提供しており、プロジェクトに最適なものを選択できます。独自にトレーニングしたカスタムのYOLO11モデルを使用することも可能です。

以下のコードスニペットでは、「yolo11n.pt」という名前の学習済みYOLO11モデルファイルを使用しています。エクスポートプロセス中に、このファイルは「yolo11n.mlpackage」という名前のCoreMLパッケージに変換されます。

「yolo11n」モデルはnanoバージョンであり、速度と低リソース使用量に最適化されています。プロジェクトのニーズに応じて、small（s）、medium（m）、large（l）、extra-large（x）などの他のモデルサイズを選択することもできます。各バージョンは、パフォーマンスと精度の異なるバランスを提供します。

from ultralytics import YOLO

model = YOLO("yolo11n.pt")
model.export(format="coreml")

ステップ3: エクスポートしたCoreMLモデルを使用して推論を実行する#

CoreMLフォーマットへのエクスポート後、Ultralytics YOLO11をiOSアプリケーションに簡単に統合でき、iPhone、iPad、Macなどのデバイス上でobject detectionのようなリアルタイムのコンピュータビジョンタスクが可能になります。

たとえば、以下のコードスニペットは、エクスポートされたCoreMLモデルをロードして推論を実行する方法を示しています。推論とは、トレーニング済みのモデルを使用して新しいデータに対して予測を行うプロセスです。このケースでは、モデルがボールで遊んでいる家族の画像を分析します。

coreml_model = YOLO("yolo11n.mlpackage")
results = coreml_model("https://images.pexels.com/photos/4933841/pexels-photo-4933841.jpeg", save=True)

コードを実行すると、出力画像は「runs/detect/predict」フォルダに保存されます。

図 2: CoreML フォーマットにエクスポートされた Ultralytics YOLO11 モデルを使用したオブジェクトの検出。画像提供: 著者。

エクスポートされたCoreMLモデルはどこで使用できますか？#

Ultralytics YOLO11をCoreMLにエクスポートすることで、iPhone、iPad、Mac上で効率的に実行できる多様なコンピュータビジョンアプリケーションを構築する柔軟性がもたらされます。次に、この統合が特に役立つ実際のシナリオを見ていきましょう。

CoreMLモデルによって駆動される拡張現実およびゲームアプリ#

Augmented reality (AR)は、ライブカメラ映像に仮想要素を重ね合わせることで、デジタルコンテンツと現実世界を融合させます。モバイルゲームの主要な要素になりつつあり、よりインタラクティブで没入感のある体験を生み出します。

CoreMLフォーマットにエクスポートされたUltralytics YOLO11を使用することで、iOS開発者は、スマートフォンのカメラを使用してベンチ、木、看板などの実世界のオブジェクトを認識するARゲームを構築できます。ゲームはその後、コイン、手がかり、生き物などの仮想アイテムをこれらのオブジェクトの上に重ね合わせて、プレイヤーの周囲の環境を強化することができます。

裏では、これはオブジェクト検出とオブジェクトトラッキングを使用して動作します。Ultralytics YOLO11がリアルタイムでオブジェクトを検出し識別する一方で、トラッキング機能によってカメラが動いてもオブジェクトが視野内に維持され、仮想要素が現実世界と正確に同期し続けます。

プレイヤーはスマートフォンをかざして環境を探索し、見えるものと対話してアイテムを収集したり、簡単な課題を完了したりできます。これらすべてがインターネット接続を必要とせずにデバイス上で直接実行できるため、スムーズで魅力的な体験が可能になります。

リアルタイムANPR向けCoreMLモデルと統合されたiOSアプリ#

Automatic Number Plate Recognition (ANPR)は、車両のナンバープレートを検出し読み取るために使用されるコンピュータビジョンアプリケーションです。セキュリティ、交通監視、入退室管理システムで一般的に使用されています。CoreMLやYOLO11などのモデルを使用することで、ANPRをiOSデバイス上で効率的に実行できるようになりました。

iPhoneでANPRアプリを利用できることは、セキュリティ重視の環境では特に有用です。たとえば、制限区域に入る車両が許可されているかどうかをチームが迅速に判断するのに役立ちます。

このようなアプリでは、CoreMLを通じて統合されたUltralytics YOLO11などのビジョンAIモデルを使用して、デバイスのカメラでリアルタイムに車両を検出し、そのライセンスプレートの位置を特定できます。プレートが検出されると、光学文字認識（OCR）技術によってライセンス番号を読み取ることができます。その後、アプリはこの番号をローカルまたはクラウドベースのデータベースと比較して、アクセスを確認したり、未許可の車両をフラグ付けしたりできます。

図3. ビジョンAIを使用してナンバープレート番号を検出し読み取ることができます。（Source）

アクセシビリティに焦点を当てたアプリもCoreMLモデルを活用できます#

AIはaccessibilityに大きな影響を与え、視覚障害を持つ人々の壁を取り除くのに役立っています。CoreMLやUltralytics YOLO11などのコンピュータビジョンモデルを使用することで、開発者はユーザーの周囲の世界をリアルタイムで説明するiOSアプリを構築し、日々のタスクをより簡単で自立したものにすることができます。

例えば、視覚障害を持つ人がiPhoneのカメラを周囲に向けることができます。アプリは物体検出を使用して、車両、人々、道路標識などの重要な要素を認識し、何が見えるかを音声で伝えます。これは、混雑した道路を移動したり、緊急事態を把握したりするような状況で使用できます。

図 4: Ultralytics YOLO11 を使用して人を検出する例

重要なポイント#

Ultralytics YOLO11をCoreMLフォーマットにエクスポートすることで、iOSデバイス上でのオフラインオブジェクト検出を含む、リアルタイムアプリケーションのための新しい機会が生まれます。農業やセキュリティからアクセシビリティに至るまで、この組み合わせにより、開発者はデバイス上で完全に実行される、スマートで効率的でプライバシーに配慮したアプリを構築できるようになります。

いくつかの簡単な手順だけで、Ultralytics YOLO11モデルを変換し、信頼性の高いコンピュータビジョン機能をiPhoneに追加できます。何よりも、インターネット接続を必要とせずに動作します。全体として、CoreML統合により、高度なAIの力が日常的なモバイルアプリにもたらされ、より高速で応答性が高く、どこでも実行できるアプリが実現します。

AIについてさらに詳しく知りたいですか？GitHub repositoryを探索し、our communityとつながり、コンピュータビジョンプロジェクトを素早く開始するためにour licensing optionsを確認してください。AI in retailやcomputer vision in logisticsなどの革新がどのように未来を形作っているのか、ソリューションページでご確認ください。