数行のコードでUltralyticsの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

ヌヴォラ・ラディ

3分で読める

2024年6月27日

数行のコードでUltralyticsの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のYOLOv5と YOLOv8モデルのオブジェクト検出と セグメンテーションの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が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モデルを使い始める

Ultralyticsは、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までの一般的なYOLOモデルに加え、YOLO-NASや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の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。

環境の設定

まず、Ultralyticsが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

バッシュ

コピーコード

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の主な特徴

YOLOv8は、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: 

  • スピードと精度の向上
  • 複数のタスクに対して事前に訓練された重み
  • オブジェクト検出、セグメンテーション、分類のサポート
  • パフォーマンス向上のためのモデル・アーキテクチャの改良

PythonでYOLOv8を実行する

わずか数行のコードでYOLOv8を使い始める方法をご紹介します:

コピーコード

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の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。

ライブ・ウェブカメラ検出

YOLOv8のライブ映像をご覧になりたいですか?その方法はこちら:

パイソン

コピーコード

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検出します。

__wf_reserved_inherit
図1.Ultralytics のオブジェクト検出とセグメンテーションモデルの実行方法を説明するニコライ・ニールセン

他のモデルを探る

UltralyticsはYOLOv8だけにとどまらない。YOLOv5、YOLO-NAS、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。

変圧器のモデルと運転方法

Baiduが開発し、Ultralyticsがサポートする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と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:

コピーコード

セグメント何でもモデル

Ultralyticsは、MobileSAMやFastSAMといった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セグメント化し、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 の実行

FastSAMは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:

コピーコード

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。

パフォーマンスと比較

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。

主な収穫

Ultralyticsを使えば、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はあなたのためのソリューションを持っています。Ultralyticsの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!

AIの未来
を一緒に作りましょう!

機械学習の未来への旅を始めよう

無料で始める
クリップボードにコピーされたリンク