インスタンスセグメンテーションのためにUltralytics YOLO26をカスタムトレーニングする方法

近年の技術的進歩のおかげで、私たちの生活の中で静かでありながら大きな役割を果たす多くのスマートシステムがAIによって動かされています。例えば、車が信号無視をした際にカメラが自動的に違反を記録したり、自動品質検査システムが製造ラインで製造上の欠陥を発見したりする場合、AIが舞台裏でその作業を行っています。

特に、computer visionとして知られるAIの一分野は、機械が画像や動画を解釈・理解することを可能にします。computer visionにより、システムはオブジェクトの認識、モーションの追跡、ビジュアル詳細のリアルタイム分析を行うことができ、交通監視、産業検査、ロボティクスなどのアプリケーションにおいて不可欠なものとなっています。

これらの機能は、オブジェクト検出やインスタンスセグメンテーションなど、さまざまなビジョンタスクをサポートするUltralytics YOLO26などのcomputer vision modelsによって実現されています。オブジェクト検出がシンプルなバウンディングボックスを使用してオブジェクトを識別するのに対し、インスタンスセグメンテーションはさらに一歩進んでピクセルレベルで各オブジェクトの輪郭を描き、現実世界のシナリオにおいてより正確で信頼性の高い結果を可能にします。

図1: Ultralytics YOLO26を使用して画像内のオブジェクトをセグメンテーションする

Ultralytics YOLO26 のようなモデルは事前トレーニングされており、人物、車、動物などの日常的なオブジェクトを導入後すぐにセグメンテーションできます。ただし、より特化した用途向けにカスタムトレーニングを行うこともできます。言い換えると、モデルはオブジェクトの外観を学習し、それらを正確に輪郭抽出する方法を習得できます。

この記事では、インスタンスセグメンテーションのためにUltralytics YOLO26をカスタムトレーニングする方法を解説します。早速始めましょう！

インスタンスセグメンテーションとは何か？#

モデルのトレーニングに飛び込む前に、一歩引いてinstance segmentationが実際に何を意味するのかを理解しましょう。

インスタンスセグメンテーションは、モデルが画像内の個々のオブジェクトを見つけ出し、その正確な形状を輪郭として描くことを可能にするコンピュータビジョンタスクです。単にオブジェクトが存在するかどうかを特定するのではなく、モデルは画像内のすべてのピクセルを見て、それが特定のオブジェクトに属しているかどうかを判断します。

つまり、オブジェクトが重なり合っていたり、非常に近くにある場合でも、それらを分離できるということです。インスタンスセグメンテーションを視覚化しやすくするための重要な概念がマスクです。

マスクとは、オブジェクトの領域のみを覆うピクセルレベルの輪郭のことです。他の部分はそのままにして、蛍光ペンでオブジェクトを塗りつぶすようなものだと考えると分かりやすいでしょう。

各オブジェクトには独自のマスクが割り当てられるため、モデルは2台の車や隣り合って立っている2人など、たとえ同じ種類のものであっても、あるオブジェクトと別のオブジェクトを区別することができます。

図2. インスタンスセグメンテーションの概要

インスタンスセグメンテーションが何であるかをよりよく把握するために、他の一般的なcomputer vision tasksと比較することができます。オブジェクト検出ではバウンディングボックスを使用します。バウンディングボックスは、オブジェクトの周囲に描画される単純な長方形です。バウンディングボックスは高速で便利ですが、オブジェクトの正確な形状を捉えることはできません。

一方、セマンティックセグメンテーションは画像内のすべてのピクセルをカテゴリごとにラベル付けしますが、同じクラスの別々のオブジェクトを区別しません。インスタンスセグメンテーションは、オブジェクトのカテゴリを特定し、個々のオブジェクトに個別のマスクを割り当てることで、両方のアプローチの長所を組み合わせています。

インスタンスセグメンテーションは非常に詳細な情報を提供するため、自動品質検査、医療画像診断、ロボット工学などの現実世界のアプリケーションで特に役立ちます。正確な測定、正確な境界、またはオブジェクトの分離を必要とするタスクは、このピクセルレベルの理解から恩恵を受けることができます。

Ultralytics YOLO26はインスタンスセグメンテーションをサポートしています#

Ultralytics YOLO26は、現実世界のビジョンのタスクを迅速かつ効率的に処理するように設計された、エンドツーエンドのNMSフリーで最先端のコンピュータビジョンモデルです。これはUltralytics YOLO検出モデルファミリーに属しており、画像や動画をリアルタイムで処理しながら正確な結果を提供できます。

Ultralytics YOLO26 は、オブジェクト検出、姿勢推定、画像分類、方向付きバウンディングボックス検出 (obb 検出)、インスタンスセグメンテーションなど、複数のビジョンタスクを単一のフレームワーク内でサポートします。

Ultralytics YOLO26 は事前トレーニングされた状態で提供されるため、COCO dataset や ImageNet dataset などの大規模で広く使用されているデータセットから、人物、車両、日常のアイテムなどの一般的なオブジェクトを認識することをすでに学習しています。追加のトレーニングなしで、すぐにモデルの使用を開始できます。

ただし、アプリケーションに固有のオブジェクト、特定の環境、または特殊な照明条件が含まれる場合、custom model training により結果を大幅に向上させることができます。Ultralytics YOLO26 を独自のラベル付き画像でトレーニングすることで、特定のユースケースに合わせて、モデルに探すべき対象やオブジェクトの輪郭をより正確に描く方法を正確に教えることができます。

このプロセスは、ファインチューニングとも呼ばれます。ゼロからモデルをトレーニングする代わりに、ファインチューニングでは事前トレーニング済みの Ultralytics YOLO26 モデルを使用し、独自のデータを使用して緩やかに適応させます。モデルはすでにエッジ、形状、テクスチャなどの一般的な視覚的パターンを理解しているため、特定のオブジェクトを学習するために必要なラベル付き画像や時間は大幅に少なくなります。

簡単に言うと、ファインチューニングは、ゼロからモデルをトレーニングするよりも高速で、効率的で、アクセスしやすい方法です。Ultralytics YOLO26 のカスタムトレーニングは、初心者や、限られたデータおよびコンピューティングリソースで作業するチームにとっても実用的な選択肢です。

Ultralytics YOLO26インスタンスセグメンテーションのアプリケーションの探索#

では、インスタンスセグメンテーションはどのような場面で有効なのでしょうか？オブジェクトを区別し、特に混雑していたり重なり合っている場合にその正確な形状を理解することが重要な状況において有効です。

インスタンスセグメンテーションが大きな違いを生む一般的なワークフローをいくつか紹介します。

• Aerial and drone imaging: このタスクにより、ドローンはマッピング、検査、測量のために、空撮画像内の建物、車両、植生などのオブジェクトを分離することができます。
• スポーツ分析：インスタンスセグメンテーションは、試合やトレーニングセッション中に背景から個々のアスリートを分離することで、選手の動きや相互作用を分析するのに役立ちます。
• 建設およびインフラ監視：建物、橋、道路のメンテナンス計画のために、構造要素、ひび割れ、損傷箇所を特定するのに役立ちます。
• ヘルスケアおよび医療画像診断：インスタンスセグメンテーションにより、細胞、組織、または医療器具の輪郭を正確に描き出すことが可能になり、より正確な分析と診断をサポートします。
• 農業および環境モニタリング：作物、果物、植物の病気を識別および分離できるため、収穫量の推定や標的を絞った治療が容易になります。

図3：YOLO26を使用した雑草セグメンテーションの例（Source）

インスタンスセグメンテーション向けにUltralytics YOLO26をカスタムトレーニングする仕組み#

次に、カスタムトレーニングの仕組みについて説明します。モデルのトレーニングは専門的に聞こえるかもしれませんが、全体的なプロセスは単純です。

画像を準備し、モデルに学習させたいオブジェクトにラベルを付け、小さな設定ファイルを構成してから、Ultralytics Python packageを使用してYOLO26をトレーニングできます。Ultralytics Python packageは、最初からすべてを構築する必要なく、YOLOモデルのトレーニング、テスト、デプロイを行うためのすぐに使えるツールを提供するソフトウェアライブラリです。

ステップ1：カスタムデータセットを準備する#

最初のステップは、カスタムのsegmentation datasetを準備することです。データセットとは、モデルに学習させたいオブジェクトを表示する画像のコレクションにすぎません。

異なる角度、照明、背景、オブジェクトのサイズなど、現実世界の条件を反映した画像を含めるようにしてください。画像が多様であるほど、モデルのパフォーマンスは向上します。

インスタンスセグメンテーションの場合、画像にアノテーションも必要です。アノテーションとは、モデルが何を学習すべきかを知るために各画像のオブジェクトにラベルを付ける作業です。単純なボックスを描くのではなく、各オブジェクトの周囲に詳細な輪郭（ポリゴン）を描いて、その正確な形状をマークします。これらの輪郭は、モデルが予測するように学習するマスクになります。

これらのラベルを作成するために使用できるオープンソースのアノテーションツールがいくつかあります。これらのツールの多くは、画像をアップロードして直接オブジェクトの輪郭を描くことができるユーザーフレンドリーなインターフェースを提供しています。

画像とアノテーションの準備ができたら、それらをトレーニング用フォルダと検証用フォルダに整理します。一般的な分割方法は、画像の80％をトレーニング用、20％を検証用とすることですが、データセットのサイズに応じて、トレーニング用70％、検証用30％とするのも一般的です。トレーニングセットはモデルを学習させ、検証セットは以前に見ていない画像に対してどれだけうまく機能するかを測定するために使用されます。

この分割のバランスを維持し、両方のフォルダに多様な例が含まれていることを確認することが重要です。適切にトレーニングセットと検証セットが分割された、クリーンで適切にラベル付けされたデータセットが、強力なインスタンスセグメンテーションモデルの基盤となります。

ステップ2：データセットのYAMLファイルを作成する#

画像とアノテーションを準備した後、次のステップはデータセットのYAMLファイルを作成することです。このファイルは、データセットの場所と、トレーニング中にモデルが学習すべきオブジェクトクラスを指定します。

このファイル内で、データセットのルートディレクトリ、トレーニングおよび検証画像フォルダへのパス、クラス名のリストを定義できます。クラス名はアノテーションファイルで使用されるクラス番号と同じ順序でリストする必要があるため、すべてが正しく一致するようにしてください。

正確な形式について質問がある場合は、詳細についてofficial Ultralytics documentationを参照してください。

ステップ3：Ultralytics Pythonパッケージをインストールする#

データセットとYAMLファイルの準備ができたら、次のステップはUltralytics Pythonパッケージのインストールです。

このパッケージには、Ultralytics YOLO26 モデルのトレーニング、検証、推論の実行、およびエクスポートに必要なツールが含まれています。複雑なトレーニングパイプラインをゼロから構築することなく、YOLO モデルを効率的に操作する方法を提供します。

Ultralytics Pythonパッケージをインストールする前に、コードをどこで実行するかを選択することも重要です。Ultralyticsパッケージは、以下のようなさまざまな開発環境で作業できます。

• コマンドラインインターフェース（CLI）：テキストベースの環境であり、コマンドを入力してコンピュータと対話します。グラフィカルインターフェースのようにボタンをクリックしたりメニューを移動したりするのではなく、プログラムを実行してタスクを直接実行するための書面による指示を入力します。
• Jupyter Notebooks：小さなセクションでコードを書いて実行し、その結果を即座に確認できる対話型の環境です。これは実験や学習に役立ちます。
• Google Colab：ローカルインストールを必要とせず、グラフィックスプロセッシングユニット（GPU）へのオプションのアクセスを提供するクラウドベースのノートブックプラットフォームです。これは多くの場合、初心者にとって最も簡単なオプションです。

環境を選択したら、Ultralytics Pythonパッケージをインストールできます。インストールするには、次のコマンドを実行します。

pip install ultralytics

Google ColabやJupyter Notebookなどのノートブックベースの環境を使用している場合は、コマンドの先頭に感嘆符を追加してください。インストールで問題が発生した場合は、一般的な修正方法と環境セットアップのヒントについて、Ultralyticsドキュメントまたはtroubleshooting guideを参照してください。

インストール後、事前トレーニング済みの Ultralytics YOLO26 セグメンテーションモデルをロードしてトレーニングを開始する準備が整います。

ステップ4: インスタンスセグメンテーション向けにUltralytics YOLO26をトレーニングする#

トレーニングを開始する前に、モデルサイズを選択する必要があります。Ultralytics YOLO26 モデルは、Nano (n)、Small (s)、Medium (m)、Large (l)、Extra Large (x) のさまざまなサイズで利用可能です。

小さなモデルはトレーニングが速く、中央処理装置（CPU）やエッジデバイス上でより効率的に実行できますが、大きなモデルは通常、より高い精度を提供しますが、より多くのメモリを必要とし、GPUアクセラレーションの恩恵を受けます。始めたばかりの方や限られたハードウェアで作業している場合は、Nanoバージョン（YOLO26n）が実用的な選択肢です。

モデルサイズを選択したら、次のステップは学習済みのセグメンテーションモデルをロードし、カスタムデータセットでトレーニングを開始することです。そのためには、学習済みのモデルファイル、データセットYAMLファイルへのパス、エポック数、および画像サイズを以下のように指定する必要があります。

from ultralytics import YOLO

model = YOLO("yolo26n-seg.pt")
results = model.train(data="path/to/file.yaml", epochs=100, imgsz=640)

エポック数は、モデルがトレーニングデータセット全体を何回通過するかを決定します。各エポックで、モデルは予測を行い、正しいアノテーションと比較し、誤差を計算し、パフォーマンスを向上させるために内部パラメータを更新します。

トレーニングが正しく開始されると、モデルの構成、データセットのスキャン、トレーニングの進行状況がターミナルまたはノートブックに表示されます。トレーニングが続行されると、損失値と評価メトリクスが各エポック後に更新され、モデルが時間の経過とともにどのように改善しているかを示します。

ステップ5：カスタムトレーニングされたモデルのパフォーマンスを評価する#

トレーニングプロセスが完了したら、モデルのパフォーマンスメトリクスを確認して検証できます。Google Colabでは、「runs」フォルダ、次に「segment」フォルダ、最後に「train」フォルダに移動すると、主要なパフォーマンス指標を表示するログが見つかります。

Python環境で作業するユーザーの場合、トレーニング結果はデフォルトで現在の作業ディレクトリ内の「runs/train/」ディレクトリに保存されます。各トレーニングの実行ごとに、runs/train/expやruns/train/exp2などの新しいサブディレクトリが作成され、そこにその実験に関連するログ、保存された重み、その他の出力があります。

CLIを使用している場合は、「yolo settings」コマンドを使用してこれらの結果にアクセスし、管理できます。このコマンドを使用すると、トレーニングログや実験の詳細に関連するパスや構成を表示または変更できます。

保存された出力の中には、トレーニング中に生成されたグラフもあります。これらのグラフは、モデルが時間の経過とともにどのように改善したかを示します。例えば、モデルが学習するにつれて損失がどのように減少したか、そして精度（precision）、再現率（recall）、mAP（mean average precision）などの評価メトリクスがエポック全体でどのように増加したかが表示されます。

図4：モデルを評価するために分析できるグラフの種類（Source）

これらの視覚的な傾向は、モデルが正常にトレーニングされたかどうか、またトレーニングの開始から終了までにどれだけ改善されたかを理解するのに役立ちます。数値メトリクスとグラフの両方を検討することで、新しい画像でテストする前に、インスタンスセグメンテーションモデルがどの程度機能しているかをより明確に把握できます。

ステップ6：モデルをテストして推論を実行する#

モデルを検証した後、最後のステップは新しい画像でテストすることです。このプロセスは推論と呼ばれ、学習済みのモデルを使用して未知のデータに対して予測を行うことを意味します。

Pythonで推論を実行するには、次のようにします。

results = model.predict("path/to/image.jpg", save=True, conf=0.3)

この例では、「path/to/image.jpg」をテストしたい画像のパスに置き換えることができます。

「save=True」設定は、予測されたセグメンテーションマスクを元の画像の上に描画した新しい画像を生成して保存するようにモデルに伝えます。

「conf=0.3」設定は信頼度閾値を制御します。つまり、モデルは少なくとも30％の確率で正しいと確信している予測のみを表示します。この値を下げるとより多くの検出結果が表示される可能性があり、上げるとモデルの選択性が高まります。

コマンドを実行すると、モデルはrunsディレクトリ内に新しいフォルダを作成し、そこに出力画像を保存します。その保存された画像を開いて、セグメンテーションマスクがオブジェクトの境界線にどれだけうまく追従しているか、重なり合うオブジェクトが正しく分離されているかを視覚的に確認できます。

異なる画像、背景、照明条件でモデルをテストすると、トレーニングデータセット以外でどのように機能するかをより明確に理解できます。結果が一貫して正確に見えたら、モデルをエクスポートしてデプロイする準備が整います。

ステップ7：モデルをエクスポートしてデプロイする#

モデルをテストし、正常に動作することを確認した後の最終ステップは、モデルのエクスポートとデプロイです。エクスポートにより、トレーニングされた Ultralytics YOLO26 モデルが、本番サーバー、エッジデバイス、モバイルアプリケーションなどのさまざまな環境で実行できる形式に変換されます。

Ultralyticsは複数のexport formatsをサポートしており、デプロイ環境に最も適したものを選択できます。たとえば、プラットフォーム間で幅広い互換性を持たせるためにONNXにエクスポートしたり、NVIDIAハードウェア上で最適化されたGPUパフォーマンスを実現するためにTensorRTにエクスポートしたり、Intelデバイス上で効率的なCPUベースのデプロイを実現するためにOpenVINOにエクスポートしたりできます。これらの統合により、トレーニング環境外でモデルを実行し、強力なリアルタイムパフォーマンスを得ることが容易になります。

Pythonで以下のコマンドを使用してモデルをエクスポートできます。

model.export(format="onnx")

このコマンドは学習済みモデルをONNX形式に変換します。デプロイのニーズに応じて「onnx」を他のサポートされている形式に置き換えることができます。

エクスポートされたモデルは、Web サービス、組み込みビジョンシステム、ロボットプラットフォーム、産業用検査システムなどのアプリケーションに統合できます。この段階で、カスタムトレーニングされた Ultralytics YOLO26 インスタンスセグメンテーションモデルを、実験段階から実世界へのデプロイへと移行させることができます。

重要なポイント#

インスタンスセグメンテーションのためにUltralytics YOLO26をカスタムトレーニングすることで、特定のユースケースに真に適合するモデルを構築する柔軟性が得られます。明確なデータセットを準備し、YAMLファイルを設定し、学習済みのセグメンテーションの重みを使用してトレーニングし、結果を確認することで、ピクセルレベルで各オブジェクトを正確に輪郭を描くようにモデルを学習させることができます。テストおよびエクスポートが完了すれば、YOLO26モデルは開発からマルチスケールの現実世界でのアプリケーションへと移行できます。

our communityに参加し、GitHub repositoryをご覧になってAIについてさらに詳しく発見してください。独自のビジョンAIプロジェクトの構築をお考えの場合は、licensing optionsをご確認ください。ソリューションページにアクセスして、AI in healthcareやvision AI in retailなどのアプリケーションについてさらに詳しくご覧ください。