エッジ、モバイル、およびクラウドプラットフォーム全体で効率的なデプロイメントを行うために、Ultralytics YOLO11のようなUltralytics YOLOモデルをPaddlePaddleでエクスポートする方法を学びます。
人工知能（AI）の進化に伴い、機械は周囲の世界をより良く理解できるようになっています。この進歩を推進する重要な分野の1つがコンピュータビジョンです。これは、機械が視覚データに基づいて解釈し、意思決定を行えるようにするAIの一分野です。
車が交通標識を認識するのを助けることから、小売店で棚をチェックすることまで、コンピュータビジョンは現在、多くの日常的なツールの一部となっています。 これらのタスクは、写真やビデオをすばやくスキャンして重要なものを識別できるVision AIモデルに依存しています。
時間の経過とともに、これらのモデルはより高速かつ正確になり、農業、医療、セキュリティ、小売などの分野で役立つようになりました。たとえば、Ultralytics YOLO11は、さまざまなコンピュータビジョンタスクを高速かつ正確に処理するために構築されたモデルです。オブジェクトの検出と分類、動きの追跡、および体のポーズの推定が可能です。
コンピュータビジョンを研究から現実世界のアプリケーションに移行させる上で不可欠な部分は、デプロイメントです。モデルのトレーニングが完了したら、次のステップは、電話、エッジハードウェア、またはクラウドサーバーなどのデバイスで実行することです。
これをサポートするために、YOLO11のようなUltralytics YOLOモデルは、ターゲットプラットフォームに応じてさまざまな形式にエクスポートできます。これらの形式の1つはPaddlePaddleで、幅広いデバイスおよびシステム全体で効率的なモデルデプロイメントと推論を可能にするオープンソースのAIフレームワークです。
この記事では、Ultralytics YOLO11をUltralyticsがサポートするPaddlePaddle連携を通じてエクスポートし、さまざまなプラットフォームでの効率的なデプロイを可能にする方法について解説します。
モバイルデバイスやエッジハードウェアなど、研究環境外でAIモデルをデプロイすることは、特に効率的に実行し、最小限のリソースを使用する必要がある場合、難しい場合があります。PaddlePaddleは、まさにそれを支援するように設計された深層学習フレームワークです。
これは中国のオープンソースプラットフォームで、その名前はParallel Distributed Deep Learningの略です。AIとソフトウェアインフラストラクチャの研究で有名なBaiduによって開発されたPaddlePaddleは、研究だけでなく、実際のアプリケーションのために特別に作成されました。
開発者は、PaddlePaddle形式のモデルをサーバー、エッジデバイス、さらにはモバイルハードウェア上で実行できます。また、ローコードやノーコードのオプションなど、AI開発を簡素化するツールもサポートしています。このプラットフォームは470万人以上のユーザーからなる強力な開発者コミュニティを持ち、医療、農業、製造、金融など、さまざまな業界で使用されています。
PaddlePaddleが実際のデバイス上でモデルをより効率的に実行できるようにする主な機能をいくつかご紹介します。
UltralyticsがサポートするPaddlePaddleの統合により、トレーニングからデプロイメントへの移行が容易になります。すでにPaddlePaddleツールを使用している開発者は、YOLO11をより簡単にワークフローに組み込むことができます。
Ultralytics Pythonパッケージは、YOLO11モデルのPaddlePaddle形式への直接エクスポートをサポートしており、開発者は追加のツールや手動変換ステップなしにトレーニング済みモデルをデプロイできます。
エクスポートプロセスは、コマンドラインまたはPythonコードを使用して実行できるため、開発者は自分のワークフローに最適な方法を選択できます。これにより、物事をシンプルに保ち、セットアップの問題が発生する可能性を減らすことができます。エクスポートされたモデルは、物体検出、画像分類、ポーズ推定、インスタンスセグメンテーションなどのコンピュータビジョンタスクに使用できます。
デバイスのメモリが限られているか、高速処理が必要なデプロイメントシナリオに最適です。エクスポートされたモデルは、リソースに制約のあるシステムでも効率的に実行できるように最適化されています。
YOLO11をPaddlePaddleモデル形式にエクスポートするには、いくつかの手順しかかかりません。
最初のステップは、‘pip’などのパッケージマネージャーを使用して、Ultralytics Pythonパッケージをインストールすることです。これを行うには、コマンドプロンプトまたはターミナルで「pip install ultralytics」コマンドを実行して開始します。
Ultralyticsパッケージは、さまざまなコンピュータビジョンタスクのためのモデルのトレーニング、評価、微調整、エクスポート、およびデプロイのためのツールを提供します。インストール中に問題が発生した場合は、トラブルシューティングのヒントについて一般的な問題のガイドを確認してください。
環境がセットアップされたら、以下に示すように、事前にトレーニングされたYOLO11モデル（「yolo11n.pt」など）をロードしてエクスポートできます。独自のカスタムトレーニングされたYOLO11モデルをエクスポートすることもできます。
from ultralytics import YOLO
model = YOLO("yolo11n.pt")
model.export(format="paddle")モデルが PaddlePaddle 形式に変換されると、さまざまな種類のハードウェア上で、多様なシナリオでデプロイできます。
例えば、以下の例では、PaddlePaddle形式にエクスポートされたYOLO11モデルをロードし、それを使って予測を行っています。このプロセスは推論の実行と呼ばれ、簡単に言うと、モデルを使って新しいデータを分析することを意味します。ここでは、2匹の犬の画像を使ってテストしています。
paddle_model = YOLO("./yolo11n_paddle_model")
paddle_model("https://images.pexels.com/photos/33287/dog-viszla-close.jpg", save=True)コードを実行すると、モデルの予測を含む出力画像が「runs/detect/predict」フォルダーに自動的に保存されます。
PaddlePaddleは、クラウド環境、組み込みシステム、Webアプリケーションなど、さまざまなデバイスやユースケースに適した、いくつかのデプロイメントツールを提供しています。主なデプロイメントオプションを以下に示します。
セットアップに適したツールを選択したら、エクスポートされたモデルをロードできます。PaddlePaddleエンジンが次のステップを実行します。モデルをロードし、入力画像を処理して、結果を返します。
Ultralytics Pythonパッケージは、他のさまざまなエクスポート形式もサポートしているため、PaddlePaddleが適切な選択肢となるのはいつなのか疑問に思うかもしれません。
PaddlePaddleは、スマートフォン、組み込みシステム、エッジハードウェアなど、リソースが限られたデバイスにモデルをデプロイする場合に信頼できる選択肢です。また、モバイルアプリでの物体検出、スマートカメラでのビジョンベースの監視、クラウドサポートなしでデバイス上で直接実行される姿勢推定など、高速で効率的なパフォーマンスを必要とするリアルタイムアプリケーションにも最適です。
これに加えて、プロジェクトをオフラインまたは低接続環境で実行する必要がある場合は、PaddlePaddle統合の使用を検討できます。製造業における視覚検査ツール、フィールド調査用のハンドヘルドデバイス、またはAI対応の小売スキャナーなどのアプリケーションは、PaddlePaddleの軽量ランタイムと柔軟な展開オプションの恩恵を受けることができます。
PaddlePaddleは興味深いデプロイメント機能を提供していますが、注意すべき制約要因がいくつかあります。
UltralyticsがサポートするPaddlePaddleの統合により、さまざまなデバイスへのYOLO11モデルのエクスポートとデプロイが容易になります。モバイルアプリ、スマートカメラ、組み込みシステムなど、効率的なオンデバイスパフォーマンスを必要とするプロジェクトに特に役立ちます。
ほんの数ステップで、強力なビジョンモデルを現実世界のアプリケーションに導入できます。コンピュータビジョンが進化し続けるにつれて、YOLOやPaddlePaddleのようなツールは、家電製品から産業用ツールまで、あらゆる分野で高速でインテリジェントなシステムを構築することをこれまで以上に容易にしています。
成長を続けるコミュニティに今すぐ参加しましょう！GitHubリポジトリを探索して、AIについてさらに深く掘り下げましょう。独自のコンピュータビジョンプロジェクトを構築してみませんか？ライセンスオプションをご覧ください。ヘルスケアにおけるコンピュータビジョンがどのように効率を向上させているか、ソリューションページにアクセスして小売業におけるAIの影響をご覧ください。
.webp)