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

Apple Intelligenceのような機能がAppleから導入されたことで、オンデバイスAIが私たちのスマートフォンの利用方法における中心的な役割を担いつつあることは明らかです。開発者にとってこの変化は、コンピュータービジョンのような機能を活用して、よりスマートで応答性の高い体験を提供するiOSアプリがユーザーに受け入れられつつあることを意味します。

コンピュータービジョンは、画像や動画などの視覚情報をコンピューターが理解し分析できるようにする人工知能（AI）の一種です。モバイルデバイス上では、スマートフォンのカメラを通じてリアルタイムで物体を検出し、分類し、対話するために使用できます。Ultralytics YOLO11のようなVision AIモデルは、アプリのニーズに合わせて特定の物体を認識するようにカスタムトレーニングが可能です。

しかし、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ためには、Appleのエコシステム向けに最適化された形式に変換する必要があります。

これこそが、まさにCoreMLが解決するために構築された課題です。CoreMLはAppleの機械学習フレームワークであり、モデルをローカルで実行し、iOSやmacOSの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ています。UltralyticsがサポートするCoreML統合により、iPhoneへのローカルデプロイ用にモデルを簡単にエクスポートできます。

本記事では、YOLO11モデルをCoreML形式にエクスポートする方法を詳しく解説します。また、コンピュータービジョンモデルを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。それでは始めましょう！

Link to this sectionCoreMLとは？#

CoreMLは、Appleが開発した機械学習（ML）フレームワークです。これを用いることで、開発者はトレーニング済みのMLモデルを、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のアプリに直接統合することが可能になります。このフレームワークは、モデルをインターネット接続なしでデバイス上で直接実行できるようにすることで、Appleデバイス上での機械学習を身近で効率的なものにするよう設計されています。

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は他の一般的なAIフレームワークのモデルをサポートしています (出典)。

Link to this sectionCoreML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。

• モデル最適化: CoreMLは、量子化やプルーニングといった圧縮技術をサポートしており、モデルサイズの削減と実行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。

Link to this sectionYOLO11をCoreML形式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。

Link to this sectionステップ1: 環境のセットアップ#

Ultralyticsが提供する統合機能にアクセスするために、まずはUltralytics Pythonパッケージをインストールします。これは軽量で使いやすいライブラリであり、Ultralytics YOLOモデルのトレーニング、評価、予測、エクスポートといったタスクを簡素化します。

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一般的な問題（Common Issues）ガイドでヘルプを確認してください。

Link to this sectionステップ2: YOLO11からCoreMLへのエクスポート#

パッケージのインストールが完了したら、YOLO11モデルをロードしてCoreML形式に変換する準備は万端です。

どの学習済みYOLO11モデルを使用すべきか迷った場合は、Ultralyticsがサポートするモデルのラインナップを確認できます。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。独自のデータセットでトレーニング済みであれば、カスタムトレーニングされた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")

Link to this section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形式へのエクスポート後、YOLO11をiOSアプリケーションに簡単に統合でき、iPhone、iPad、Macなどのデバイスで物体検出のようなリアルタイムのコンピュータービジョンタスクを実現できます。

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. エクスポートされたYOLO11モデル（CoreML形式）を使用して物体を検出。画像提供：筆者。

Link to this sectionエクスポートされたCoreMLモデルはどこで使用できますか？#

YOLO11をCoreMLにエクスポートすることで、iPhone、iPad、Macで効率的に動作する多様なコンピュータービジョンアプリケーションを構築する柔軟性が得られます。次に、この統合が特に有用となるいくつかの現実世界のシナリオを見ていきましょう。

Link to this sectionCoreML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#

拡張現実 (AR)は、ライブカメラビューの上に仮想要素を重ねることで、デジタルコンテンツと現実世界を融合させます。これはモバイルゲームの重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ています。

YOLO11をCoreML形式にエクスポートすることで、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、標識などの現実世界の物体を認識するARゲームを構築できます。ゲームはこれらの物体の前面に、コイン、手がかり、生き物などの仮想アイテムを重ねて、プレイヤーの周囲環境を拡張することができます。

舞台裏では、これは物体検出と物体追跡を使用して機能します。YOLO11はリアルタイムで物体を検出および識別し、カメラの動きに合わせて物体追跡が行われ、仮想要素が現実世界と一致した状態を維持します。

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。

Link to this sectionリアルタイムANPR向けCoreMLモデルと統合されたiOSアプリ#

自動ナンバープレート認識 (ANPR)は、車両のナンバープレートを検出して読み取るために使用されるコンピュータービジョンアプリケーションです。これはセキュリティ、交通監視、アクセス制御システムで一般的に使用されています。CoreMLとYOLO11のようなモデルがあれば、ANPRは現在iOSデバイス上で効率的に実行可能です。

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。

このようなアプリは、CoreMLを通じて統合されたYOLO11のようなVision 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、ナンバー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ります。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照合し、アクセスを検証したり、未許可の車両をフラグ付けしたりできます。

図3. Vision AIを使用してナンバープレート番号を検出および読み取ることが可能です。 (出典)。

Link to this section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はアクセシビリティに大きな影響を与えており、視覚障害を持つ人々の障壁を取り除く手助けをしています。CoreMLやYOLO11のようなコンピュータービジョンモデルといったツールを使用することで、開発者は周囲の世界をリアルタイムで記述するiOSアプリを構築でき、日常のタスクをより容易かつ独立したものにできます。

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. YOLO11を使用して人々を検出する例

Link to this section重要なポイント#

YOLO11をCoreML形式にエクスポートすることで、iOSデバイスでのオフライン物体検出を含む、リアルタイムアプリケーションのための新たな可能性が生まれます。農業やセキュリティからアクセシビリティまで、この組み合わせにより、開発者は完全にデバイス上で実行される、スマートで効率的かつプライバシーに配慮したアプリを構築できます。

わずか数ステップでYOLO11モデルを変換し、信頼性の高いコンピュータービジョン機能をiPhoneに追加できます。何よりも、インターネット接続なしで動作するのが特徴です。総じて、CoreML統合は高度なAIの力を日常のモバイルアプリにもたらし、アプリをより高速で応答性が高く、どこでも実行可能なものにします。

AIについてさらに詳しく知りたいですか？GitHubリポジトリを探索し、コミュニティとつながり、ライセンスオプションをチェックして、コンピュータービジョンプロジェクトをスタートさせましょう。小売におけるAIや物流におけるコンピュータービジョンのようなイノベーションがどのように未来を形作っているか、ソリューションページでご確認ください。