Ultralytics HUBを使用してUltralytics YOLO11を学習・デプロイする

Ultralytics YOLO11 is the new state-of-the-art computer vision model designed for tasks like object detection, image classification, and instance segmentation. It’s faster, more accurate, and more efficient than previous versions of YOLO (You Only Look Once) models. YOLO11 can be used for a variety of real-time computer vision applications. Best of all, getting started with Ultralytics YOLO11 is just as simple and straightforward as all other Ultralytics YOLO models.

以前、YOLO11の新しい機能と改善点について解説し、Ultralytics PythonパッケージまたはUltralytics HUBを通じてモデルにアクセスする方法に触れました。このガイドでは、Ultralytics HUBの使い方をステップバイステップで説明し、Ultralytics YOLO11を簡単にトレーニングおよびデプロイする方法を紹介します。

Link to this sectionUltralytics HUBの紹介#

Ultralytics HUB is Ultralytics’ no-code, user-friendly platform designed to streamline the entire process from training to deploying YOLO models, including the newly launched Ultralytics YOLO11 models. Whether you’re an AI expert or new to computer vision, the HUB provides an intuitive interface that allows you to upload datasets, select pre-trained models, and fine-tune them for your specific needs. With just a few clicks, you can train models for real-time applications in industries ranging from manufacturing to agriculture. HUB focuses on making advanced AI accessible without the need for extensive coding.

図1. Ultralytics HUBはノーコードでユーザーフレンドリーなプラットフォームです。

Ultralytics HUBにはさまざまなプランオプションがあり、基本的なアクセスが可能な無料プランと、クラウドトレーニング、チームコラボレーション、使用制限の拡大といった追加機能を提供するProプランがあります。Ultralytics HUBが提供する主要な機能の概要を以下に示します。

• カスタムデータセットのサポート: 独自のデータセットをアップロード・管理し、よりパーソナライズされたモデルトレーニングを実現します。
• モバイル統合: Ultralytics HUBアプリを使用してiOSおよびAndroidデバイスでYOLOモデルを実行します。ハードウェアアクセラレーションによりパフォーマンスが最適化されています。
• クラウドリソース: GPU対応のクラウドインフラストラクチャが、より高速で効率的なモデルトレーニングをサポートします。
• 簡単なプロジェクト管理: Ultralytics HUBのTeams機能により、Proユーザーはプロジェクト管理やメンバーとの共同作業が容易になり、チームワークとリソース共有が効率化されます。
• Inference API: HUBは共有および専用のInference APIを提供します。ユーザーはローカル環境を構築することなく、YOLOモデルを実行できます。
• Ultralytics HUB-SDK: 独自のHUB-SDKにより、Ultralyticsの機械学習サービスをPythonアプリケーションに簡単に統合できます。

HUBはさまざまなプラットフォームと統合されており、ユーザーはトレーニング済みモデルをONNX、TensorFlow、CoreMLなどの多様なフォーマットにエクスポートして、複数のプラットフォーム間でのデプロイをシームレスに行えます。要するに、Ultralytics HUBは、データセットの取り扱いからリアルタイムのモデルデプロイまで、複雑なAIタスクを1つの包括的なツールで簡素化します。

Link to this sectionYOLO11を使用したUltralytics HUBでの推論実行#

YOLO11を使用してUltralytics HUBで推論を実行するには、「Models」セクションに移動し、関心のあるYOLO11モデルを選択します。次に「Preview」をクリックして、任意の画像をアップロードすることでモデルを試すことができます。

図2. Ultralytics HUBでUltralytics YOLO11を試す。

HUBのこの機能により、経験レベルに関係なく誰でもYOLO11を用いたモデル予測をテストし、そのパフォーマンスを確認できます。これは、Ultralytics YOLO11を無料で実体験するためのユーザーフレンドリーな方法です。

Link to this sectionUltralytics HUBでのカスタムUltralytics YOLO11モデルのトレーニング#

アカウント作成後、ダッシュボードからすぐにトレーニングを開始できます。そこからプロジェクトの管理やデータセットのアップロードを行い、YOLO11モデルのトレーニングを簡単に開始できます。プラットフォームは、プロセスを迅速かつ手間のかからないものにするように設計されています。

Link to this sectionHUBでのYOLO11トレーニングにおけるカスタムデータセットの使用#

ログイン後、左側のメニューから「Datasets」をクリックすると、Ultralytics HUBで利用可能な既存のデータセットを探索できます。これらのデータセットは、指向性バウンディングボックス (OBB) 物体検出やポーズ推定など、さまざまなタスクに対応しています。たとえば、物体検出には80クラスのCOCO128、画像分類にはFashion-MNISTを使用できます。これらのデータセットはすぐに利用可能であり、YOLOモデルのトレーニング用に最適化されています。

図3. Ultralytics HUBは、カスタムデータセットを管理および適用するための便利な方法を提供します。

独自のデータを使用したい場合は、カスタムデータセットをアップロードできます。その際、データセットがYOLO構造に従っていること、ルートディレクトリに適切にフォーマットされたYAMLファイルが含まれていること、およびZIP形式であることを確認してください。

データセットの準備ができたら、「Upload Dataset」ボタンをクリックし、タスクタイプを選択してZIPファイルをアップロードします。アップロード後、Ultralytics HUBは自動的にデータセットを検証し、すぐにYOLOモデルのトレーニングを開始できます。また、画像分割（トレーニング、検証、テスト）などのデータセットの詳細を管理・確認し、データを分析してモデルトレーニングの準備ができていることを確認できます。

図4. カスタムデータセットをアップロードして、データセットの詳細を確認できます。

Link to this sectionUltralytics HUBを使用した効率的なYOLO11のトレーニングと監視#

Ultralytics HUBのクラウドトレーニング機能を使用してYOLO11モデルのトレーニングを開始するには、Proプランへのアップグレードが必要です。Proユーザーになると、より高速で効率的なトレーニングのためにGPUリソースが利用可能になります。アップグレード後、「Models」セクションにアクセスし、目的のYOLO11モデルバリエーションを選択して、トレーニング設定を構成します。

図5. 数回のクリックでHUBでYOLO11モデルをトレーニングします。

エポック数（モデルがデータセットを通過する回数を定義）を選択するか、時間ベースのトレーニングのために特定の時間を設定できます。モデルのトレーニング開始前に、Ultralytics HUBは専用のGPUインスタンスを初期化し、パフォーマンスを最適化します。需要によっては初期化に時間がかかる場合がありますが、このプロセス中にアカウントに料金が発生することはありません。

設定完了後、「Start Training」をクリックしてセッションを開始します。トレーニング中、ダッシュボードからリアルタイムで進捗状況を監視できます。必要に応じてトレーニングの一時停止、停止、または再開が可能です。エポックベースのトレーニング中にアカウント残高が不足した場合、セッションは一時停止され、残高を補充してから再開できます。プラットフォームは自動的にチェックポイントを保存するため、中断したところから再開可能です。

トレーニング終了後、請求タブからすべてのコストを確認できます。そこでは詳細なコストレポートが提供されており、支出の追跡やトレーニングの効率的な管理が容易になります。

図6. モデルのトレーニング状況をリアルタイムで監視できます。

Link to this sectionHUBを使用したカスタムUltralytics YOLO11モデルのデプロイ#

Ultralytics HUBでカスタムトレーニングしたYOLO11モデルをデプロイする場合、Shared Inference APIとDedicated Inference APIの2つの主なオプションがあります。デプロイされたモデルを使用するには、セットアップに応じてPythonまたはcURLを使用してAPIに推論リクエストを送ります。一般的なプロセスでは、画像ファイルと関連パラメータ（画像サイズや信頼度しきい値など）をAPIに送信します。Ultralytics HUBは推論結果をシンプルなJSON形式で返し、それをさらに処理できます。

Shared Inference APIは、無料プランのユーザー向けの費用対効果の高いソリューションであり、1時間あたり100回、月間最大1000回までの呼び出しを提供します。ローカル環境を構築する必要がなく、Ultralytics HUBから直接迅速なデプロイをサポートします。

Proユーザーが利用可能なDedicated Inference APIは、より大規模なデプロイやリアルタイムアプリケーションに適しています。Google Cloud Runを基盤とする専用クラウド環境へのシングルクリックデプロイを提供します。このオプションは高性能アプリケーション向けに最適化されており、100ms未満のレイテンシを保証し、リアルタイム処理のために38リージョンでグローバルカバレッジを実現します。また、強化されたセキュリティ機能もサポートしているため、厳しいデータ保護要件を持つ業界にも適しています。

YOLO11モデルのデプロイにSharedまたはDedicated Inference APIのいずれかを選択した後の手順は、シンプルかつ効率的です。Ultralytics HUBのモデルページ内の「Deploy」タブを開きます。Shared Inference APIを使用している場合は、こちらのガイドに従ってAPI呼び出しを設定する手順を確認してください。Dedicated Inference APIユーザーは、Start Endpointボタンをクリックしてエンドポイントを開始するだけです。アクティブになると、HUBは推論タスクで使用する一意のURLを提供します。

図7. Ultralytics HUB Dedicated Inference APIの使用は簡単です。

Link to this sectionHUBが提供するその他のデプロイオプション#

プロジェクトで特定のフォーマットのモデルが必要な場合やオフラインで使用したい場合、Ultralytics HUBはONNX、CoreML、TensorFlowなどのエクスポートオプションを提供しており、モバイルからクラウドシステムまでさまざまなプラットフォームをサポートします。モデルをアプリケーションに直接統合したい開発者向けには、Ultralytics HUB-SDKが、Pythonを通じてデプロイを管理するための効率的な手段を提供します。APIキーやUltralyticsの資格情報を使用することで、デプロイの制御やコード内での推論実行を容易に行うことができ、シームレスな統合に必要な柔軟性が得られます。

Link to this section重要なポイント#

Ultralytics HUBは、初心者から専門家まで、YOLO11モデルのトレーニングとデプロイを可能にするために設計されたオールインワンのプラットフォームです。データセットのアップロードからトレーニング構成まで幅広いタスクをサポートし、SharedおよびDedicated Inference APIのような柔軟なデプロイオプションを提供します。API経由のデプロイであれ、オフライン使用のためのモデルエクスポートであれ、HUBはプラットフォーム間でのシームレスな統合を保証します。リアルタイムアプリケーションやスケーラブルなソリューション向けのオプションを備えたUltralytics HUBは、初心者から上級ユーザーまで、多様なデプロイニーズに応えることができます。

GitHubリポジトリを探索し、活気あるコミュニティに参加して、AIをさらに深く掘り下げましょう。ビジョンAIがヘルスケアや農業などの業界でどのようにイノベーションを促進しているかを発見してください。