新しいUltralytics YOLO11モデルが画像分類をどのように改善し、農業、小売、野生生物のモニタリングにおけるタスクの精度を向上させるかを学びます。
YOLO Vision 2025にご期待ください！
2025年9月25日
10:00 — 18:00（英国夏時間）
ハイブリッドイベント
新しいUltralytics YOLO11モデルが画像分類をどのように改善し、農業、小売、野生生物のモニタリングにおけるタスクの精度を向上させるかを学びます。
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1つは、Ultralytics YOLO11モデルです。Ultralyticsの年次ハイブリッドイベントであるYOLO Vision 2024（YV24）で発表されたYOLO11は、Vision AIタスク（画像分類を含む）を簡単かつ正確に処理するように設計されています。
この記事では、画像分類の基礎について解説し、実際のアプリケーションを紹介し、YOLO11を画像分類にUltralytics Pythonパッケージを通じて使用する方法を紹介します。また、いくつかの簡単なステップでYOLO11の機能をUltralytics HUBで試す方法についても見ていきます。それでは、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、画像にラベルを割り当てることによって機能します。コンピュータビジョンモデルは、画像のピクセルを注意深く分析することで、画像に最適なものを検出できます。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できます。YOLO11のモデルアーキテクチャにより、画像やビデオフレームをほぼ瞬時に処理できるため、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最適です。
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。
画像分類におけるUltralytics YOLO11モデルの精度とパフォーマンスにより、幅広い業界で役立ちます。YOLO11の画像分類における主要なアプリケーションのいくつかを探ってみましょう。
画像分類は、農業および耕作産業における多くの機能を効率化するのに役立ちます。具体的には、YOLO11の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、深刻な病気を検出し、害虫の発生を高精度で特定できます。
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、野生動物のモニタリングは、多くの人が手作業で何千枚もの写真を分類・分析する、手間のかかる作業でした。YOLO11のようなコンピュータビジョンモデルを使用することで、研究者はより速いペースで自動的に動物を監視できます。カメラを自然の生息地に設置して写真を撮影できます。次に、ビジョンAIモデルを使用してこれらの写真を分析し、その中にいる動物（いれば）を分類できます。このようなシステムは、研究者が動物の個体数、移動パターンなどを調査および追跡するのに役立ちます。
YOLO11のようなAIとコンピュータビジョンモデルがこの分野で役立つもう一つの方法は、絶滅危惧種の分類プロセスを効率化することです。動物が属する可能性のある種や品種のカテゴリーを識別することで、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できます。たとえば、タスマニア大学（UTAS）は、さまざまなタスマニアの野生生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ました。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、密猟や生息地の喪失などの脅威を示す可能性があります。
画像分類とは何か、そしてその応用について見てきたところで、新しいYOLO11モデルで画像分類を試す方法を見てみましょう。開始するには、Ultralytics Pythonパッケージを使用するか、Ultralytics HUBを使用するかの2つの簡単な方法があります。両方のオプション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してください。問題が発生した場合は、よくある問題ガイドで役立つトラブルシューティングのヒントをご覧ください。
パッケージがインストールされると、次のコードを使用してYOLO11画像分類モデルのバリアントをロードし、画像に対して推論を実行できます。推論を実行するとは、トレーニング済みのモデルを使用して、新しい、見えないデータに関する予測を行うことを意味します。お好みの画像でお試しください。
同じPythonパッケージを使用して、カスタムYOLO11分類モデルを学習させることも可能です。カスタム学習を行うことで、特定のニーズに合わせてYOLO11モデルをファインチューニングできます。たとえば、さまざまな猫の種類を分類するアプリを開発する場合、その目的のためだけにYOLO11モデルをカスタム学習させることができます。
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。既存のモデルからの知識を使用して、独自のモデルのパフォーマンスを向上させるために、事前学習済みの重みを転移させることができます。「fashion-mnist」データセットのようなデータセットを指定できます。これは、衣料品（シャツ、パンツ、靴など）のグレースケール画像の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により、さまざまな衣料品のカテゴリを認識するように学習させます。「fashion-mnist」を、猫の品種や植物の種類など、プロジェクトに適合する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に関するある程度の知識が必要です。より初心者向けのオプションをお探しの場合は、さまざまな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ように設計されたプラットフォームであるUltralytics HUBを使用できます。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、「Models」セクションに移動し、画像分類用のYOLO11モデルを選択します。ナノ、スモール、ミディアム、ラージ、エクストララージのさまざまなモデルサイズが表示されます。モデルを選択したら、「Preview」セクションに画像をアップロードできます。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は、強力な画像分類機能を提供し、さまざまな業界で新たな可能性を切り開きます。農業における作物の監視の改善、小売業における製品検索の強化から、野生生物の保護のサポートまで、YOLO11の速度と精度は、多様なアプリケーションに最適です。Ultralytics Pythonパッケージを介したカスタムトレーニング、または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を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につれて、YOLO11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。🚀
.webp)