事前学習済みUltralytics YOLOv8モデルによる物体検出

このチュートリアルでは、Ultralytics YOLOモデルと、物体検出への活用方法を紹介します。

Ultralytics YOLOv8モデルの概要#

まず、Ultralytics YOLOv8モデルの特徴から見ていきましょう。このモデルは物体検出分野における大きな進歩であり、速度と精度の優れたバランスを実現しています。以前のYOLOモデルと比べて、YOLOv8は検出精度を損なうことなく、より高速な推論を実現します。

今回の検証では、Ultralytics YOLOv8の推論速度と精度をほかのYOLOモデルと比較し、リアルタイム物体検出における優位性を示します。YOLOv8を使うことで、幅広い用途で大幅な性能向上が期待できます。

事前学習済みUltralytics YOLOv8モデルの使用#

Ultralytics YOLOv8モデルの主な特長の1つは、特に事前学習済みモデルの使いやすさです。熟練した開発者でも、コンピュータービジョン、機械学習、ディープラーニングを始めたばかりの方でも、事前学習済みYOLOv8モデルは簡単に利用できます。

Pythonコードを2行書くだけで、事前学習済みのUltralytics YOLOv8モデルを実行して物体検出を行えます。最小限の手間で、コンピュータービジョン機能をプロジェクトに簡単に統合できます。

Ultralytics YOLOv8のドキュメントと引数#

Ultralytics YOLOv8モデルで利用できるリソースを把握しておくことも役立ちます。今後のチュートリアルでは、カスタム物体検出、物体追跡、ポーズ推定、セグメンテーションなど、さまざまなトピックを扱い、あらゆるレベルのユーザーに包括的なガイダンスを提供します。

図1. Ultralytics YOLOモデルが実行する主なタスク。

さらに、Ultralytics YOLOv8を最大限に活用するための主要な予測引数も取り上げます。source、信頼度しきい値、デバイス選択などの引数を理解することで、特定の要件に合わせてモデルを調整できます。

Webカメラを使ったリアルタイム物体検出#

Ultralytics YOLOv8は、ウェブカメラ上でリアルタイム物体検出を実行することもできます。動画では、YOLOv8がライブウェブカメラ映像内の物体を毎秒100フレーム以上で検出しています。

にぎやかな通りを監視する場合でも、混沌とした環境で物体を追跡する場合でも、Ultralytics YOLOv8はリアルタイムの状況で優れた性能を発揮します。幅広い物体を高い精度と効率で検出できるYOLOv8は、ヘルスケア、農業、製造など、さまざまな業界で新たな用途の可能性を広げます。

まとめ#

結論として、YOLOv8は物体検出における大きな前進を示しています。Ultralyticsは、開発者や研究者に機械学習と人工知能のための実用的なツールやリソースを提供することに取り組んでいます。YOLOv8の後継として登場したUltralytics YOLO26は、同じPython APIで実行できます。

動画の全編を見るとともに、今後公開されるチュートリアル、ガイド、知見にもご注目ください。コミュニティに参加して、Ultralytics YOLOで作成したものを共有しましょう！