Ultralytics YOLO DocsのReferenceセクションの使用方法

現在、人工知能（AI）はこれまで以上にアクセスしやすくなっており、誰でも簡単にAIの世界に飛び込み、さまざまな最先端のタスクに向けて多様なAIモデルを素早く使い始めることが可能です。

例えば、computer visionは、コンピュータが画像や動画から視覚情報を解釈・理解できるようにするAIの分野であり、Ultralytics YOLO11のようなコンピュータビジョンモデルは簡単に使い始めることができます。

Ultralytics YOLO11は、物体検出、インスタンスセグメンテーション、画像分類などのタスクをサポートし、自動運転、セキュリティ監視、リテール分析などのアプリケーションに使用できます。

図1: Ultralytics YOLO11を使用してさまざまなオブジェクトを検出できます。

具体的には、Ultralytics Python packageは、これらのAIモデルを迅速にトレーニング、カスタマイズ、デプロイするための使いやすいツールを提供し、あらゆるスキルレベルのユーザーが高度なコンピュータビジョンアプリケーションを簡単に構築できるよう支援します。

しかし、すべての仕組みを深く理解したい場合や、独自のカスタマイズを作成したい場合は、UltralyticsドキュメントのReference sectionが優れたリソースとなります。ここには、データの処理方法、モデルのトレーニングプロセス、予測の可視化方法など、Ultralytics Python packageの内部構造に関する詳細が網羅されています。

この記事では、Ultralyticsドキュメントのリファレンスセクションを詳しく紹介し、コンピュータビジョンプロジェクトでどのように活用するかを解説します。それでは始めましょう！

Ultralytics YOLOモデルの活用に向けたより深い洞察#

Ultralytics Python packageの操作はシンプルで直感的です。わずか数行のコードで、YOLOモデルのトレーニングや画像内のdetect objectsを行うことができます。

しかし、コンピュータビジョンモデルの扱いに慣れてくると、UltralyticsドキュメントのReferenceセクションを通じて、how the code worksやパッケージがサポートしている機能をより深く理解できるようになります。また、わかりやすい解説、設定可能なオプション、Ultralytics GitHubリポジトリにある関連コードへのリンクも含まれています。

リファレンスセクションでは、Ultralytics Python packageの構造を説明しており、モデルのセットアップ、データ読み込み、学習プロセス、予測の作成および返却方法といった主要なコンポーネントを網羅しています。

すべてが明確なカテゴリに分類されているため、目的の情報が簡単に見つかります。例えば、自身のデータセットを使用してモデルを学習させる場合、リファレンスセクションのデータ関連セクションを参照すれば、モデル学習にデータがどのように使用されるかをより詳しく把握できます。

リファレンスセクションの利用を開始する方法#

Ultralytics YOLOドキュメントのReferenceセクションを開くと、ページの左側に異なるリファレンスカテゴDが含まれるメニューが表示されます。各カテゴリは、models、データ処理、トレーニング関数など、Ultralyticsコードベースの特定の部分を表しています。

カテゴリをクリックすると、より詳細な情報が記載されたページに移動します。

Fig 2. 左側には、さまざまなReferenceカテゴリのメニューが表示されています。

同様に、ページ右側には目次があり、各リファレンスページが関数（再利用可能なコードブロック）、クラス（オブジェクト作成の設計図）、メソッド（クラス内で定義された関数）といった主要コンポーネントに分類されています。これにより、探している情報に直接ジャンプできます。

Fig 3. 右側には、表示している特定のReferenceページの目次が表示されます。

Ultralytics GitHubリポジトリの構造#

Ultralytics GitHubリポジトリは、モデル、トレーニング、dataなど、Ultralyticsパッケージの各部分に基づいてサブディレクトリやサブパッケージに整理されています。ドキュメント内のReferenceセクションもこの構造に従っているため、全体がどのように連携しているかを容易に理解できます。

以下は、Ultralytics GitHubリポジトリとUltralyticsドキュメントのリファレンスセクションの両方に共通する、主なサブディレクトリやカテゴリの一部です。

• Models: このセクションでは、予測の実行、パフォーマンスの検証、トレーニング済みモデルのエクスポートなど、さまざまなモデルとそのmodesに焦点を当てています。
• Engine: ここには、モデルの学習、検証、予測、エクスポート、評価のためのコアロジックが含まれています。
• Data: データセットの読み込み、処理、拡張を管理します。これには、データローダー（データをバッチ単位でモデルに供給するツール）の作成、変換（リサイズや反転など、モデルの学習効率を高めるための画像変更）の適用、学習用データの準備（画像の整理やラベルのフォーマット）のための関数が含まれます。
• Utils: このセクションでは、可視化ツール、ファイル操作、メトリクスの計算など、コードベース全体で使用される広範なヘルパー関数を提供しています。
• HUB: ノーコードのコンピュータビジョンプラットフォームであるUltralytics HUBに接続し、ログイン、モデルのアップロード、APIを通じたデータセットの管理などのクラウド機能有効にします。
• Trackers: 動画やフレームごとの画像シーケンスを扱うアプリケーション向けの物体追跡ロジックを実装しています。

GitHubリポジトリの各サブディレクトリは、ドキュメント内の対応するセクションを持っています。この構造は意図的に一致させており、ドキュメントの閲覧とソースコードの調査を容易に行き来できるようにしています。

実際、多くのリファレンスページでは実際のソースコードも表示されるため、ドキュメントから離れることなく、関数やクラスがどのように実装されているかを正確に確認できます。

Fig 4. Referenceページにはソースコードも含まれています。

Models、Engine、Dataコンポーネントの理解#

リファレンスセクションの構成を確認したところで、Ultralyticsパッケージの3つの重要なパーツ、Models、Engine、Dataについて詳しく見ていきましょう。

modelsサブディレクトリには、各タイプのモデルの動作を定義するコードが含まれています。これは、モデルタイプ（YOLO、FastSAM、RT-DETRなど）と、検出、セグメンテーション、分類などのタスクの両方によって整理されています。それぞれのディレクトリ内には、モデルがどのように予測を行うか、どのようにトレーニングされるか、あるいはそのperformanceがどのように評価されるかなど、特定の動作を処理するファイルやモジュールがあります。

一方、engineサブディレクトリは、背後でプロセス全体を管理します。modelsサブディレクトリが各モデルの役割に焦点を当てるのに対し、engineサブディレクトリは、それらのタスクを一貫して効率的に実行する方法に焦点を当てています。

また、dataサブディレクトリは、データセットの読み込みと準備を担当します。このコードベースのパーツは、学習データがクリーンで構造化され、多様であることを保証し、モデルの学習効率と汎化性能を高める手助けをします。

このような明確な分離により、コードの保守が容易になり、ユーザーがカスタマイズするための柔軟性も確保されています。

リファレンスセクションの使用例#

なぜUltralyticsコードベースの各パーツを理解することが重要なのか、疑問に思われるかもしれません。コードのどの部分が何を処理しているかを知っていれば、必要な情報を見つけることや、変更を加えること、問題をトラブルシューティングすることがはるかに簡単になります。

以下に、ドキュメントのリファレンスセクションを使用する方法の例をいくつか挙げます。

• 「モデルはどのように予測を行うのか？」という疑問に対しては、リファレンスセクションのModelsカテゴリに移動し、モデルタイプ（YOLOなど）を選択し、タスク（detectなど）を選んでから、Predictページを開くことで詳細を確認できます。
• data augmentationsがどのように適用されているかを知りたい場合は、Dataカテゴリの下にあるAugmentページを確認できます。ここでは、モデルのパフォーマンスとトレーニングデータの多様性を向上させるために使用される組み込みの拡張技術がリストアップされています。

リファレンスセクションを通じた結果の探索#

リファレンスセクションは、モデルから返される出力を理解しようとする際にも役立ちます。Ultralytics YOLO11などのモデルを使用して画像に対して推論を実行すると、検出された内容を記述する一連の結果が返されます。

例えば、カメラフィードにおいて、人物を検出し、bounding boxを使用してその位置を強調表示するとともに、モデルが検出に対してどの程度確信を持っているかを示す0から1の間の値である信頼度スコアを表示することができます。

その出力をプロジェクトでどのように使用するかを理解しようとしている場合、Referenceセクションがその指針となります。Results moduleに関するページが含まれており、何が含まれているか、そしてコード内でどのようにアクセスするかを詳しく説明しています。検出ボックスの表示方法、信頼度スコアの確認方法、結果の表示方法、または保存方法についての詳細があります。

Fig 5. YOLO11によって返された結果を可視化する方法の例。

重要なポイント#

Ultralyticsドキュメントは、YOLOモデルを効果的に使用する方法を理解するのに役立ちます。モデルの学習、データの準備、結果の操作といった主要なプロセスを説明しています。各ページには分かりやすい解説とコード例が記載されており、すぐに開発を始められます。

舞台裏で何が起きているのか興味がある場合、ドキュメントのリファレンスセクションでは、その仕組みをステップバイステップで解説しています。コードの構造、各部分の役割、そして全体がどのように連携しているかを示しています。これにより、自身のコンピュータビジョンプロジェクトを自信を持って学習し、カスタマイズし、構築することが容易になります。

our active communityに参加し、GitHub repositoryを探索して、AIを活用した構築についてさらに学びましょう。自分のコンピュータビジョンに関するアイデアを形にする準備はできましたか？our licensing optionsにアクセスして始めましょう。ソリューションページにアクセスして、vision AI in automotiveやAI in healthcareがどのような影響をもたらしているかをご覧ください。