Ultralytics YOLO YOLO11 ようなUltralytics YOLO モデルをPaddlePaddle エクスポートし、エッジ、モバイル、クラウドプラットフォームに効率的に展開する方法をご紹介します。
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速く、より正確になり、農業、医療、セキュリティ、小売などの分野で有用になっている。例えば Ultralytics YOLO11は、さまざまなコンピュータ・ビジョン・タスクを迅速かつ正確に処理するために構築されたモデルである。物体のdetect classify 、動きのtrack 、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 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様々なフォーマットにエクスポートすることができます。これらのフォーマットの1つはPaddlePaddle、オープンソースのAIフレームワークであり、幅広いデバイスやシステムで効率的なモデルの展開と推論を可能にします。
この記事では、Ultralytics サポートするPaddlePaddle 統合を通じて、Ultralytics YOLO11 どのようにエクスポートし、様々なプラットフォームへの効率的な展開を可能にするかを探ります。
モバイル・デバイスやエッジ・ハードウェアのような研究環境以外でのAIモデルの導入は、特に効率的かつ最小限のリソースで実行する必要がある場合、時として厄介なことがある。PaddlePaddle 、まさにそれを支援するため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の略である。AIとソフトウェア・インフラストラクチャーで知られる百度（バイドゥ）によって開発されたPaddlePaddle 、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られた。
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することができる。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る。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、ヘルスケア、農業、製造、金融など、さまざまな業界で利用されている。
ここでは、PaddlePaddle 実世界のデバイス上でより効率的にモデルを実行するための主な機能をいくつか紹介する：
Ultralytics サポートするPaddlePaddle 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 より簡単にワークフローに取り入れることができます。
Ultralytics Python パッケージは、YOLO11 モデルのPaddlePaddle フォーマットへの直接エクスポートをサポートしており、開発者は余分なツールや手動での変換ステップなしに学習済みモデルを展開することができます。
エクスポート処理は、コマンドラインまたはPython コードを使用して行うことができるため、開発者はワークフローに最も適した方法を選択することができます。これにより、物事をシンプルに保つことができ、セットアップの問題が発生する可能性も低くなります。一度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、インスタンス分割などのコンピュータビジョンタスクに使用することができます。
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 PaddlePaddle モデルフォーマットにエクスポートするには、ほんの数ステップしか必要ない。
最初のステップは、'pip'のようなパッケージマネージャを使用してUltralytics Python パッケージをインストールすることです。これは、コマンドプロンプトまたはターミナルで "pip installultralytics"コマンドを実行することで開始できます。
Ultralytics パッケージは、様々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、「よくある問題」ガイドでトラブルシューティングのヒントを確認してください。
環境がセットアップされたら、下図のような "yolo11n.pt "のような事前にトレーニングされたYOLO11 モデルをロードし、エクスポートすることができます。また、自分でカスタムトレーニングした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 フォーマットに変換された後、様々なタイプのハードウェア上で様々なシナリオに展開することができます。
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。推論の実行として知られるこのプロセスは、単に新しいデータを分析するためにモデルを使用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)コード実行後、モデルの予測値を含む出力画像は自動的に "detect/detect/predict "フォルダに保存される。
PaddlePaddle いくつかのデプロイツールを提供しており、それぞれが異なるデバイスやクラウド環境、組み込みシステム、ウェブアプリケーションなどのユースケースに適している。ここでは主なデプロイメントオプションのいくつかを紹介する：
あなたのセットアップに適したツールを選んだら、エクスポートしたモデルを読み込みます。PaddlePaddle エンジンが次のステップを行います。モデルをロードし、入力画像を処理し、結果を返します。
Ultralytics Python パッケージは他にも様々なエクスポートフォーマットをサポートしています：どのような場合にPaddlePaddle 選択するのが正しいのでしょうか？
PaddlePaddle 、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展開する場合に信頼できるオプションです。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モニタリング、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。
プロジェクトがオフラインまたは低接続環境で実行される必要がある場合は、PaddlePaddle 統合の使用を検討できます。製造業における目視検査ツール、現場調査用のハンドヘルドデバイス、またはAI対応リテールスキャナのようなアプリケーションは、PaddlePaddle軽量ランタイムと柔軟な導入オプションの恩恵を受けることができます。
PaddlePaddle 興味深い展開能力を提供するが、注意すべき制約要因もある：
Ultralytics サポートするPaddlePaddle 統合により、様々なデバイスにYOLO11 モデルを簡単にエクスポートし、展開することができます。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。
わずか数ステップで、強力なビジョンモデルを実世界のアプリケーションに導入することができます。コンピュータ・ビジョンの進歩に伴い、YOLO PaddlePaddle ようなツールは、消費者向け機器から産業用ツールまで、あらゆるものにおいて高速でインテリジェントなシステムの構築をかつてないほど容易にしています。
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)