ポーズ推定でUltralytics YOLO11を使用する方法

人工知能（AI）の一分野であるコンピュータービジョンに関する研究は、1960年代までさかのぼることができます。しかし、ディープラーニングが台頭した2010年代になるまで、機械による画像理解には大きな進展が見られませんでした。コンピュータービジョンにおける最新の進歩の一つが、最先端のUltralytics YOLO11モデルです。YOLO11モデルは、Ultralyticsの年次ハイブリッドイベントであるYOLO Vision 2024（YV24）で初めて発表され、姿勢推定を含むさまざまなコンピュータービジョンタスクに対応しています。

姿勢推定は、画像や動画内の人物または物体のキーポイントを検出し、その位置、姿勢、動きを把握するために使用できます。機械が物理的な動作をリアルタイムで解釈できるようにするため、スポーツ分析、動物行動モニタリング、ロボティクスなどのアプリケーションで広く利用されています。YOLO（You Only Look Once）シリーズの従来のモデルと比べて精度、効率、速度が向上しているため、YOLO11はリアルタイム姿勢推定タスクに適しています。

図1. Ultralytics YOLO11を使用した姿勢推定の例。

この記事では、姿勢推定とは何か、その用途について説明し、Ultralytics PythonパッケージでYOLO11を使用して姿勢推定を行う方法を解説します。また、Ultralytics HUBを使用して、数回のクリックでYOLO11と姿勢推定を試す方法も紹介します。それでは始めましょう。

姿勢推定とは何ですか？#

姿勢推定向けの新しいUltralytics YOLO11モデルの使用方法を説明する前に、姿勢推定について詳しく理解しましょう。

姿勢推定は、画像や動画内の人物または物体の姿勢を分析するために使用されるコンピュータービジョン技術です。Ultralytics YOLO11のようなディープラーニングモデルは、対象となる物体や人物上のキーポイントを識別、位置特定、追跡できます。物体の場合、これらのキーポイントには角、エッジ、特徴的な表面の模様などが含まれることがあります。一方、人間の場合、これらのキーポイントは肘、膝、肩などの主要な関節を表します。

姿勢推定は、物体検出などの他のコンピュータービジョンタスクと比べて、独自性があり、より複雑です。物体検出では、画像内の物体を囲むボックスを描画して位置を特定しますが、姿勢推定ではさらに進んで、物体上のキーポイントの正確な位置を予測します。

図2. Ultralytics YOLO11を使用してオフィス内の人物を検出し、姿勢を推定する例。

姿勢推定には、ボトムアップとトップダウンという2つの主な方式があります。ボトムアップ方式では、個々のキーポイントを検出してスケルトンにまとめます。一方、トップダウン方式では、まず物体を検出し、その後、物体内部のキーポイントを推定します。

Ultralytics YOLO11は、トップダウン方式とボトムアップ方式の両方の長所を組み合わせています。ボトムアップ方式と同様に、キーポイントを手動でグループ化する必要がなく、シンプルかつ高速に処理できます。同時に、トップダウン方式の精度も活用し、人物の検出と姿勢推定を1回の処理で行います。

Ultralytics YOLO11の姿勢推定のユースケース#

Ultralytics YOLO11は、姿勢推定において柔軟な機能を備えているため、多くの業界で幅広いアプリケーションに活用できます。ここでは、YOLO11の姿勢推定のユースケースをいくつか詳しく見ていきます。

Ultralytics YOLO11によるリアルタイム姿勢推定：作業員の安全性向上#

あらゆる建設プロジェクトにおいて、安全性は重要な要素です。統計的に、建設現場では業務関連の負傷がより多く発生しているため、特に重要です。2021年には、業務関連の死亡事故の約20%が建設現場またはその周辺で発生しました。大型機器や電気システムなどのリスクが日々存在するため、作業員の安全を守るには強力な安全対策が不可欠です。標識やバリケードの設置、監督者による手動監視などの従来の方法は、必ずしも効果的とは限らず、監督者がより重要な業務から離れることにもつながります。

AIを活用して安全性を高めることができ、姿勢推定ベースの作業員モニタリングシステムを使用すれば、事故のリスクを低減できます。Ultralytics YOLO11モデルを使用して、作業員の動きや姿勢を追跡できます。危険な機器に近づきすぎている、または作業を誤って行っているといった潜在的な危険をすばやく発見できます。リスクが検出された場合、監督者に通知したり、アラームで作業員に警告したりできます。継続的なモニタリングシステムは、常に危険を監視して作業員を保護することで、建設現場をより安全にできます。

図3. Ultralytics YOLO11を使用した建設現場での姿勢推定の例。

Ultralytics YOLO11による家畜モニタリングの姿勢推定#

農家や研究者は、Ultralytics YOLO11を使用して、牛などの家畜の動きや行動を研究し、跛行などの疾病の初期兆候を検出できます。跛行とは、脚や足の痛みにより、動物が正常に動くことが難しくなる状態です。牛の場合、跛行などの疾患は、健康や福祉に影響を及ぼすだけでなく、酪農場での生産上の問題にもつながります。研究によると、跛行は、世界の酪農業全体で、放牧型システムでは牛の8%、舎飼いシステムでは15%から30%に影響を及ぼします。検出して早期に跛行に対処することで、動物福祉の向上と、この状態に関連する生産損失の削減につながります。

Ultralytics YOLO11の姿勢推定機能により、農家は動物の歩様パターンを追跡し、関節の問題や感染症などの健康問題を示す可能性がある異常をすばやく特定できます。こうした問題を早期に発見することで、迅速な治療が可能になり、動物の苦痛を軽減するとともに、農家が経済的損失を回避するのに役立ちます。

ビジョンAIを活用したモニタリングシステムは、休息行動、社会的相互作用、摂食パターンの分析にも役立ちます。農家は姿勢推定を使用して、ストレスや攻撃性の兆候を観察することもできます。こうした洞察を活用して、動物のより良い生活環境を整え、 bienestarを高めることができます。

図4. 牛の姿勢推定の可視化。

フィットネス業界におけるUltralytics YOLO11のユースケース#

姿勢推定は、運動中の人がリアルタイムで姿勢を改善するのにも役立ちます。Ultralytics YOLO11を使用すると、ジムやヨガのインストラクターは、運動している人の身体の動きを追跡し、関節や手足などのキーポイントに注目して姿勢を評価できます。収集したデータを理想的なポーズや運動技術と比較でき、動作を誤って行っている場合はインストラクターに通知して、負傷の防止に役立てられます。

図5. 姿勢推定を使用した運動の分析。

たとえばヨガクラスでは、姿勢推定を使用して、すべての受講者が適切なバランスとアライメントを維持できているかをモニタリングできます。コンピュータービジョンと姿勢推定を統合したモバイルアプリケーションにより、自宅で運動する人やパーソナルトレーナーを利用できない人にとって、フィットネスがより身近になります。この継続的なリアルタイムフィードバックにより、ユーザーは技術を向上させ、負傷のリスクを抑えながらフィットネス目標を達成できます。

Ultralytics YOLO11モデルでリアルタイム姿勢推定を試す#

ここまで姿勢推定とは何か、その用途について説明してきました。ここでは、新しいYOLO11モデルで姿勢推定を試す方法を見ていきます。開始するには、Ultralytics Pythonパッケージを使用する方法と、Ultralytics HUBを使用する方法の2つがあります。両方の方法を見ていきましょう。

Ultralytics YOLO11を使用した推論の実行#

推論の実行では、YOLO11モデルがトレーニングセット外の新しいデータを処理し、学習したパターンを使用してそのデータに基づく予測を行います。Ultralytics Pythonパッケージを使用すれば、コードから推論を実行できます。開始するには、pip、conda、またはDockerを使用してUltralyticsパッケージをインストールするだけです。インストール中に問題が発生した場合は、一般的な問題のガイドでトラブルシューティングのヒントを確認できます。

パッケージのインストールが正常に完了すると、次のコードでモデルをロードし、画像内の物体の姿勢を予測する方法を確認できます。

図6. Ultralytics YOLO11を使用して推論を実行するコードスニペット。

カスタムUltralytics YOLO11モデルのトレーニング#

コンピュータービジョンプロジェクトに取り組んでおり、姿勢推定を含む特定のアプリケーション向けのデータセットがあるとします。その場合、アプリケーションに合わせてファインチューニングを行い、カスタムYOLO11モデルをトレーニングできます。たとえば、キーポイントのデータセットを使用して、手足、頭、尾の位置などの特徴を特定し、画像内のトラの姿勢を分析・理解できます。

次のコードスニペットを使用して、Ultralytics YOLO11姿勢推定モデルをロードし、トレーニングできます。モデルはYAML設定から構築することも、トレーニング用に事前トレーニング済みモデルをロードすることもできます。このスクリプトでは、重みを転移して、姿勢推定用のCOCOデータセットなど、指定したデータセットを使用してモデルのトレーニングを開始することもできます。

図7. Ultralytics YOLO11のカスタムトレーニング。

新しくトレーニングしたカスタムモデルを使用して、コンピュータービジョンソリューションに関連する未見の画像で推論を実行できます。トレーニング済みモデルは、エクスポートモードを使用して他の形式に変換することもできます。

Ultralytics HUBでYOLO11を試す#

ここまでは、基本的なコーディング知識が必要なYOLO11の使用方法を見てきました。それが適していない場合や、コーディングに慣れていない場合は、別の選択肢としてUltralytics HUBがあります。Ultralytics HUBは、YOLOモデルのトレーニングとデプロイのプロセスを簡素化する、使いやすいプラットフォームです。HUBを使用すると、専門的な知識がなくてもデータセットの管理、モデルのトレーニング、デプロイを簡単に行えます。

画像で推論を実行するには、アカウントを作成し、「Models」セクションに移動して、関心のあるUltralytics YOLO11姿勢推定モデルを選択します。プレビューセクションでは、画像をアップロードし、以下に示すように予測結果を確認できます。

図8. YOLO11を使用したUltralytics HUBでの姿勢推定。

人間の姿勢検出におけるUltralytics YOLO11の進歩#

Ultralytics YOLO11は、幅広いアプリケーションで姿勢推定などのタスクに対応する、正確で柔軟なソリューションを提供します。建設現場の作業員の安全性向上から家畜の健康モニタリング、フィットネスルーチンにおける姿勢矯正の支援まで、YOLO11は高度なコンピュータービジョン技術によって高精度な処理とリアルタイムフィードバックを実現します。

複数のモデルバリアントに対応し、特定のユースケース向けにカスタムトレーニングできる柔軟性を備えているため、開発者と企業の双方にとって非常に価値の高いツールです。Ultralytics Pythonパッケージを使用したコーディングでも、より簡単に導入できるUltralytics HUBの使用でも、YOLO11によって姿勢推定を身近で効果的なものにできます。

さらに詳しく知りたい場合は、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、製造業および農業におけるAIの活用事例をご覧ください。🚀