Ultralytics YOLO11 オリエンテッドバウンディングボックス(OBB)を使ってどのようにオブジェクト検出を強化するのか、またこのコンピュータビジョンタスクがどのようなアプリケーションに最適なのかを理解しましょう。
Ultralytics 年次ハイブリッドイベント、YOLO Vision 2024（YV24）は、AIとコンピュータビジョンの最新のブレークスルーを議論することに焦点を当てた。これは、当社の最新モデルを紹介する絶好の機会でした、 Ultralytics YOLO11.このモデルは Ultralytics YOLOv8このモデルは、Ultralytics YOLOv8と同じコンピュータ・ビジョン・タスクをサポートしているため、ユーザーにとって新モデルへの移行は容易である。
YOLOv8 、様々な角度からオブジェクトをdetect するオリエンテッド・バウンディング・ボックス（OBB）オブジェクト検出に使っていたとしよう。コードを少し変更するだけで、YOLO11 切り替えることができ、精度や効率の向上から処理速度まで、YOLO11改良の恩恵を受けることができる。 YOLO11ようなモデルをまだ使ったことがない方のために説明すると、OBB検出は、 YOLO11 様々な業界でどのように応用できるかを示す好例であり、実際にインパクトを与える実用的なソリューションを提供します。
この記事では、OBBオブジェクト検出とは何か、OBB検出を適用できる場所、OBBdetect YOLO11 使う方法について見ていく。また、YOLO11新機能がこれらのプロセスをどのように改善するのか、そして、OBB検出機能を最大限に活用するために、推論を実行し、カスタムモデルを訓練する方法についても説明する。
OBBオブジェクト検出は、異なる角度のオブジェクトを検出することで、従来のオブジェクト検出をさらに一歩進めます。通常のバウンディングボックスは画像の軸に沿ったままですが、OBBはオブジェクトの向きに合わせて回転します。OBBオブジェクト検出は、オブジェクトが常にまっすぐではない航空画像や衛星画像の分析に使用できます。都市計画、エネルギー、輸送などの業界では、建物、車両、インフラストラクチャのような角度のある物体を正確にdetect する能力は、具体的な利点を持つコンピュータビジョンアプリケーションの基礎を形成することができます。
YOLO11 OBB検出をサポートし、DOTA v1.0データセットで学習され、飛行機、船、貯蔵タンクなどのオブジェクトをさまざまな視点からdetect します。YOLO11 、YOLO11obb -obb (Nano)、YOLO11obb -obb (Small)、YOLO11obb -obb (Medium)、YOLO11obb -obb (Large)、YOLO11obb -obb (Extra Large)など、さまざまなニーズに合わせたモデルバリエーションがあります。各モデルは、異なるサイズを提供し、速度、精度、計算能力のレベルが異なります。ユーザーは、アプリケーションに適した速度と精度のバランスを提供するモデルを選ぶことができます。
YOLO11オブジェクト検出機能、特にオリエンテッド・バウンディング・ボックスのサポートは、様々な業界に高い精度をもたらす。次に、YOLO11 OBB検出が、さまざまな分野で、より効率的で正確なプロセスを実現し、管理を容易にするために、実際の場面でどのように使われるのか、いくつかの例を見てみよう。
都市のデザインやレイアウトに感心したことがあるとしたら、それは都市計画とインフラモニタリングの詳細な作業のおかげである。インフラモニタリングの多くの側面の1つは、貯蔵タンク、パイプライン、工業用地などの重要な構造物を特定し、管理することです。YOLO11 、都市計画担当者が航空画像を分析して、これらの重要な構成要素を迅速かつ正確にdetect するのに役立ちます。
バウンディングボックスによるオブジェクト検出は、さまざまな角度から見たオブジェクトの検出を可能にするため、特に有用である（航空画像ではよくある）。工業地帯をtrack し、環境への影響を管理し、インフラが適切に維持されていることを確認するためには、精度が不可欠です。OBBは検出プロセスをより信頼性の高いものにし、プランナーが都市の成長、安全性、持続可能性について情報に基づいた決定を下すのに役立つ。YOLO11使用することで、プランナーは都市を円滑に運営するためのインフラを監視・管理することができます。
再生可能エネルギーやソーラーファームのようなイノベーションが普及するにつれて、定期的な検査がより重要になっています。ソーラーパネルが効率的に動作していることを確認するために、点検が必要です。時間の経過とともに、ひび割れ、汚れの蓄積、またはずれなどの問題により、性能が低下する可能性があります。定期的な検査は、これらの問題を早期に発見し、スムーズな稼働を維持するためのメンテナンスを行うのに役立ちます。
例えば、エッジAIと YOLO11 統合したドローンを使って、ソーラーパネルの損傷検査を行うことができる。エッジで画像を分析することで、検査プロセスの精度と効率が高まる。ドローンの動きや視点により、監視カメラの映像は様々な角度からソーラーパネルを捉えることが多い。このような場合、YOLO11OBB検出は、ドローンがソーラーパネルを正確に識別するのに役立つ。
港や港湾では毎週数百隻の船舶を扱っており、このような大規模な船団を管理することは困難である。さらに、航空写真で船舶を分析する場合、船舶の角度が異なることが多いため、困難な要素が伴います。そこで、YOLO11OBB検出サポートが役に立ちます。
OBB検出により、標準的な長方形の箱よりも様々な角度の船舶をより正確にdetect することができます。YOLO11 OBBを使用することで、海運会社は船隊の位置と状態をより簡単に特定し、船隊の動きやサプライチェーン・ロジスティクスなどの重要な詳細をtrack することができます。このようなビジョン対応ソリューションは、航路を最適化し、遅延を減らし、航路全体の船隊管理を改善するのに役立ちます。
もしあなたがYOLO11 OBB検出に使おうとしているAI開発者なら、簡単に始められる2つの選択肢がある。コードの扱いに慣れているなら、Ultralytics Python パッケージが最適です。クラウドトレーニング機能を備えた、ユーザーフレンドリーでコード不要のソリューションをお望みなら、Ultralytics HUBは、そのために設計された社内プラットフォームです。詳細については、Ultralytics HUBを使用した Ultralytics YOLO11トレーニングとデプロイに関するガイドをご覧ください。
YOLO11OBBサポートが適用できる例を見てきたところで、Ultralytics Python パッケージを探索し、それを使ってどのように推論を実行し、カスタムモデルを訓練できるかを見てみよう。
まず、YOLO11 Python使うには、Ultralytics パッケージをインストールする必要がある。好みに応じて、pip、conda、またはDockerを使用してインストールすることができます。ステップバイステップの手順については、Ultralytics インストールガイドを参照してください。インストール中に何らかの問題に直面した場合は、「よくある問題ガイド」に役立つトラブルシューティングのヒントが記載されています。
Ultralytics パッケージをインストールすれば、YOLO11 作業は驚くほど簡単だ。推論の実行とは、新しい画像に対して予測を行うために学習済みモデルを使用するプロセスを指す。これはモデルのトレーニングとは異なり、新しいオブジェクトを認識したり、特定のタスクのパフォーマンスを向上させたりするためにモデルをティーチングすることです。推論は、モデルを未知のデータに適用する場合に使用します。
以下の例では、モデルを読み込み、それを使って画像上のバウンディングボックスを予測する方法を説明します。より詳細な例や高度な使い方のヒントについては、Ultralytics 公式ドキュメントをご覧ください。
YOLO11 モデルをトレーニングすることで、特定のデータセットや タスク、例えばバウンディングボックスのオブジェクト検出などのパフォーマンスを微調整することができます。YOLO11 ような事前にトレーニングされたモデルは、一般的なオブジェクト検出に使用できますが、カスタムモデルのトレーニングは、モデルがユニークなオブジェクトをdetect したり、特定のデータセットでのパフォーマンスを最適化する必要がある場合に不可欠です。
以下のコード・スニペットでは、OBB検出のためのYOLO11 モデルのトレーニング手順を説明する。
まず、事前に訓練されたYOLO11 OBB固有の重み（yolo11obb-obb.pt）を使ってモデルを初期化する。次に、学習関数を使用して、データセット設定ファイル、学習サイクル数、学習画像サイズ、学習を実行するハードウェア（CPU またはGPU）などのパラメータを指定して、カスタムデータセットでモデルを学習する。トレーニング後、モデルのパフォーマンスを検証し、精度や損失などのメトリクスをチェックします。
学習したモデルを使用して、新しい画像に対して推論を実行し、OBBを持つオブジェクトをdetect 可視化することができます。また、学習したモデルは、以下のような形式に変換することができます。 ONNX のような形式に変換することもできます。
Ultralytics YOLO11 、オリエンテッドなバウンディングボックスをサポートすることで、オブジェクト検出を次のレベルに引き上げます。さまざまな角度から物体をdetect できるため、YOLO11 さまざまな業界のさまざまなアプリケーションに使用できます。例えば、都市計画、エネルギー、海運など、ソーラーパネル検査や車両モニタリングのような精度が重要な業界に最適です。より高速なパフォーマンスと精度の向上により、YOLO11 11はAI開発者が現実世界の課題を解決するのに役立ちます。
AIがより広く採用され、日常生活に溶け込むようになれば、YOLO11 ようなモデルがAIソリューションの未来を形作るだろう。
Vision AIの可能性について学ぶには、成長を続けるコミュニティに参加し、GitHubリポジトリをご覧ください。ヘルスケアから自動運転車まで、さまざまな分野を再構築することで、イノベーションを推進しています。
