数行のコードでUltralytics オブジェクト検出とセグメンテーションモデルを実行する方法をステップバイステップで説明します。
Ultralytics YOLOv58の機能を紹介するブログにようこそ。 YOLOv8モデルのオブジェクト検出と セグメンテーションに関する機能をご紹介します。ほんの数行のコードで、これらの使いやすいモデルをあなたのプロジェクトに統合する方法を探ります。初心者でも経験豊富な開発者でも、異なるYOLO バージョンやトランスフォーマーベースのモデルなど、Ultralytics どのように様々なモデルやアーキテクチャをサポートしているかをご覧いただけます。
Nicolai Nielsen氏のビデオでは、Ultralytics フレームワーク内の様々なモデルの設定と使用方法について説明しています。ステップ・バイ・ステップで、この素晴らしいツールをどのように使い始められるか見てみましょう。
Ultralytics 、複数のオブジェクト検出とセグメンテーションモデルをサポートする包括的なフレームワークを提供します。これには、YOLOv3から最新のYOLOv8一般的なYOLO モデルに加え、YOLO SAM モデルも含まれます。これらのモデルは、リアルタイムの検出、セグメンテーション、姿勢推定など、さまざまなタスクを処理するように設計されています。
まずは、Ultralytics ドキュメントページをご覧ください。各モデルの主な特徴やアーキテクチャ、Python スクリプトでの使用方法など、詳細な情報がご覧いただけます。
まず、Ultralytics インストールされていることを確認してください。これは
bash
コードをコピー
これが終われば、プロジェクトでこれらのモデルを使い始めることができる。例としてYOLOv8 モデルから始めよう。
YOLOv8 、前作よりもいくつかの改良が加えられている。より速く、より正確に設計されており、リアルタイム・アプリケーションに最適です。主な機能は以下の通り：
わずか数行のコードでYOLOv8 使い始める方法をご紹介します：
コードをコピー
これで完了だ！YOLOv8 モデルを画像上で実行しただけです。このシンプルさが、Ultralytics モデルを非常にパワフルで使いやすいものにしているのです。
YOLOv8 ライブ映像をご覧になりたいですか？その方法はこちら：
python
コードをコピー
このスクリプトはウェブカメラを開き、YOLOv8 モデルを適用してリアルタイムでオブジェクトをdetect します。
Ultralytics YOLOv8とどまらない。YOLOv5、YOLO、リアルタイム検出のためのトランスフォーマーベースのモデルなど、他の様々なモデルもサポートしている。それぞれのモデルにはそれぞれの強みと使用例がある。
Baiduが開発し、UltralyticsサポートするRT-DETR モデルは、リアルタイム性能と高精度を提供する最先端のエンドツーエンドオブジェクト検出器です。convベースのバックボーンと効率的なハイブリッドエンコーダを使用し、TensorRT CUDA 上で優れたリアルタイム速度を実現し、柔軟な推論速度の調整をサポートしています。
RT-DETR モデルを実行する方法を説明します：
コードをコピー
Ultralytics 、MobileSAM FastSAMセグメンテーションタスク用のモデルも提供している。これらのモデルは、画像内のあらゆるものをsegment し、シーンに対する詳細な洞察を提供するように設計されています。
FastSAM リアルタイムのセグメンテーションに最適化されています：
コードをコピー
このモデルは、迅速かつ正確なセグメンテーションを必要とするアプリケーションに最適です。
Ultralytics フレームワークの優れた機能の1つは、異なるモデルを並べて比較できることです。推論速度や平均平均精度mAP）などのパフォーマンス指標を見ることで、どのモデルが特定のアプリケーションに最適かを簡単に判断することができます。
Ultralytics 使えば、わずか数行のコードで驚くほど簡単にオブジェクト検出とセグメンテーションモデルを実行できます。リアルタイムのアプリケーションに取り組んでいる場合でも、高精度のモデルが必要な場合でも、Ultralytics あなたのためのソリューションを持っています。Ultralytics YouTubeチャンネルにあるNicolai Nielsenのチュートリアルで、より詳細な情報や例をご覧ください。
Ultralytics コミュニティからのチュートリアルやアップデートにご期待ください！
