新しいUltralytics YOLO11 モデルがどのように画像分類を向上させ、農業、小売業、野生動物モニタリングのタスクでより高い精度を提供するかをご覧ください。
例えば、ロボットが2匹の猫（1匹は黒、1匹は白）を見ていて、どちらがどちらかを判断する必要があるとします。そのためには、画像分類を使用できます。これは、画像内のオブジェクトやシーンを識別および分類するのに役立つコンピュータビジョンタスクです。実際、人工知能（AI）の最近の進歩のおかげで、画像分類は、動物モニタリングから、作物の病気検出を伴う製造業や農業まで、幅広いアプリケーションで使用できます。
画像分類における最新の進歩のひとつに、Ultralytics YOLO11 モデルがある。Ultralytics年次ハイブリッドイベント、YOLO Vision 2024（YV24）で発表された、 YOLO11は、画像分類を含む様々なVision AIタスクに簡単かつ正確に取り組むように設計されています。
この記事では、画像分類の基本を探求し、実際のアプリケーションについて説明します。 YOLO11をUltralytics Python パッケージを使って 画像分類に使う方法を紹介します。また、簡単なステップでUltralytics HUBで YOLO11機能を試す方法も紹介します。さっそく始めましょう！
画像分類は、以前にラベル付けされた画像から学習したパターンに基づいて、画像にラベルやタグを割り当てることで機能する。画像のピクセルを注意深く分析することで、コンピュータ・ビジョンのモデルは画像に最適なものを見つけることができる。以下のような信頼性の高いモデル YOLO11のような信頼性の高いモデルは、このプロセスをシームレスに処理することができます。YOLO11モデル・アーキテクチャは、画像やビデオ・フレームをほぼ瞬時に処理することを可能にし、高速で正確な画像分類を必要とするアプリケーションに理想的です。
画像分類の範囲を真に理解するには、物体検出のような他のタスクと区別することが役立ちます。画像分類は画像全体にラベルを付けますが、物体検出は画像内の各物体を識別して位置を特定します。
キリンの画像を考えてみましょう。画像分類では、モデルは画像全体の内容に基づいて、画像全体を単にキリンとしてラベル付けするかもしれません。しかし、物体検出では、モデルはキリンを識別するだけにとどまらず、キリンの周りにバウンディングボックスを配置し、画像内の正確な位置を特定します。
サバンナでキリンが他の動物と一緒に木のそばに立っていると想像してください。画像分類モデルは、シーン全体をサバンナまたは単に野生生物としてラベル付けするかもしれません。しかし、物体検出を使用すると、モデルは各要素を個別に識別し、キリン、木、および他の動物をそれぞれ独自のバウンディングボックスで認識します。
画像分類のためのUltralytics YOLO11 モデルの精度と性能は、幅広い産業で有用です。画像分類におけるYOLO11 主な応用例をいくつか見てみましょう。
画像分類は、農業や農作業における多くの機能を効率化するのに役立つ。具体的には、YOLO11ような画像分類モデルを使用することで、農家は作物の健康状態を常に監視し、深刻な病気をdetect し、害虫の侵入を高い精度で特定することができる。
この仕組みを見てみましょう。
画像分類は、小売店のショッピング体験を大幅に向上させ、よりパーソナライズされた、ユーザーフレンドリーなものにすることができます。小売業者は、カスタム学習させたコンピュータビジョンモデルを使用して、在庫にある商品を認識し、この機能をモバイルアプリやウェブサイトに統合できます。顧客は写真をアップロードするだけで商品を検索できるようになり、ショッピングがより迅速かつ便利になります。
顧客が画像をビジュアル検索システムにアップロードすると、検索結果が表示されるまでに、舞台裏でいくつかのことが起こります。
まず、物体検出を使用して、画像内の主要なアイテムを特定できます。たとえば、衣服や家具を識別し、背景から分離します。次に、画像分類を使用して、各アイテムをさらに分類し、ジャケット、シャツ、ソファ、テーブルなどを認識できます。
この情報により、システムは購入可能な類似製品を提示できます。これは、言葉だけで説明するのが難しいユニークなアイテムやトレンドのアイテムを見つけるのに特に役立ちます。同じテクノロジーは、アイテムを自動的に認識して分類することにより、在庫管理などの他の小売業務を効率化するのにも役立ちます。
従来、野生の動物を監視するのは、何千枚もの写真を多くの人が手作業で分類・分析する面倒な作業だった。YOLO11ようなコンピューター・ビジョン・モードを使えば、研究者は自動的に動物をより速いスピードで監視することができる。カメラを自然の生息地に設置して写真を撮ることができる。そして、ビジョンAIモデルを使ってこれらの写真を分析し、（もしいれば）その中の動物をclassify ことができる。このようなシステムは、研究者の研究と追跡に役立つ。 track動物の個体数や移動パターンなどを研究・追跡するのに役立つ。
YOLO11 ようなAIやコンピュータービジョンモデルがこの分野で役立つもうひとつの方法は、絶滅危惧種の分類プロセスを合理化することだ。動物が属する可能性のある種や品種のカテゴリーを特定することで、これらのモデルは研究者にとって不可欠なデータを提供することができる。たとえば、タスマニア大学（UTAS）は、タスマニアのさまざまな野生動物を監視するために、画像分類ベースのシステムを開発した。モデルからの予測は、科学者や研究者が動物の活動や行動を監視するのに役立ち、密猟や生息地の損失などの脅威を知らせる可能性がある。
さて、画像分類とは何かについて説明し、その応用例をいくつか探った。新しいYOLO11 モデルを使って画像分類を試す方法を見てみましょう。Ultralytics Python パッケージを使う方法と、Ultralytics HUBを使う方法です。両方の方法について説明します。
Ultralytics Python パッケージを使い始めるには、pip、conda、またはDockerを使用してインストールするだけです。何か問題が発生した場合は、トラブルシューティングに役立つヒントが満載の「よくある問題ガイド」をご覧ください。
パッケージがインストールされると、以下のコードを使ってYOLO11 画像分類モデルの変種をロードし、画像に対して推論を実行することができる。推論を実行するということは、新しい未知のデータに対して予測を行うために学習済みモデルを使うということです。お好きな画像で試してみてください！
同じPython パッケージを使用して、カスタムYOLO11 分類モデルをトレーニングすることもできます。カスタムトレーニングによって、特定のニーズに合わせて YOLO11 モデルを微調整することができる。例えば、異なる猫種をclassify するアプリを開発する場合、その目的のためだけにYOLO11 モデルをカスタムトレーニングすることができます。
以下のコードは、YOLO11 画像分類モデルをロードしてトレーニングする方法を示しています。このコードでは、学習済みの重みを転送し、既存のモデルの知識を使って、自分のモデルの性能を向上させることができます。fashion-mnist "データセットのように、データセットを指定することができます。このデータセットは、衣類（シャツ、ズボン、靴など）のグレースケール画像からなる、よく知られたセットです。このデータセットでモデルをトレーニングすることで、さまざまな衣類のカテゴリーを認識できるようになる。fashion-mnist」を、猫の品種や植物の種類など、あなたのプロジェクトに合った任意のデータセットに置き換えることができます。
Ultralytics パッケージの使用は簡単ですが、Python知識が必要です。もっと初心者に優しいオプションをお探しなら、Ultralytics HUBを利用することができます。これは、様々なYOLO モデルのトレーニングとデプロイを簡単かつアクセスしやすくするために設計されたプラットフォームです。開始するには、アカウントを作成する必要があります。
サインインしたら、「モデル」セクションに移動し、画像分類のためにYOLO11 モデルを選択します。nano、small、medium、large、extra-largeのサイズからお選びいただけます。モデルを選択した後、「プレビュー」セクションで画像をアップロードすることができ、画像が処理されるとページの左側に予測が表示されます。
YOLO11 、様々な産業分野に新たな可能性を開く強力な画像分類機能を提供します。農業における作物モニタリングの改善、小売業における商品検索の強化から野生動物保護のサポートまで、YOLO11スピードと精度は多様なアプリケーションに理想的です。Ultralytics Python パッケージによるカスタムトレーニングや、Ultralytics HUBでのユーザーフレンドリーなノーコードセットアップのオプションにより、ユーザーはYOLO11 ワークフローに簡単に組み込むことができます。より多くの業界がAIソリューションを採用する中、YOLO11 11はイノベーションと実用的な進歩をサポートする柔軟で高性能なツールを提供します。
詳細については、GitHubリポジトリをご覧いただき、コミュニティにご参加ください。ソリューションページでは、自動運転車やヘルスケアにおけるAIの応用事例を紹介しています。🚀
