事前学習済みUltralytics YOLOv8モデルによるPythonでのセグメンテーション

この記事では、Ultralytics YOLOv8モデルを使った物体セグメンテーションを紹介し、Pythonでセグメンテーションを設定して実行する手順を解説します。

セグメンテーションの準備#

まずはUltralytics YOLOv8から始めましょう。Ultralyticsパッケージは1つのコマンドでインストールでき、その後、モデルのセグメンテーション機能を利用できます。

インスタンスセグメンテーションは、画像内の個々の物体を特定して背景から切り分けることで、物体検出をさらに一歩進めます。

出力には、各物体の輪郭を示すマスクまたは輪郭線に加え、クラスラベルと信頼度スコアが含まれます。この手法は、物体の正確な形状が重要な場合に役立ち、位置だけでなく形状に関する詳細な情報も提供します。

いくつかの簡単なコマンドを使うだけで、コマンドラインから予測を実行できます。

ライブセグメンテーション：画像に命を吹き込む#

セグメンテーションは静止画像に限られません。短いPythonスクリプトを使えば、ライブビデオフィード上でリアルタイムに実行することもできます。

YOLOクラスとOpenCVを組み合わせれば、Webカメラのフレームをセグメント化し、処理と同時に結果を表示できます。

動画では、モデルが椅子から植物まで、身近な物体をセグメント化しています。

図1：Nicolai NielsenがCOCOセグメンテーションの事前学習済みモデルについて説明しています。

Ultralyticsでは、COCOのセグメンテーション事前学習済みモデルも提供しており、多くのユースケースで優れた出発点となります。その後、ニーズに合わせてこれらのモデルをファインチューニングできます。

また、自動車部品のインスタンスセグメンテーション、ひび割れセグメンテーション、工業製品パッケージのセグメンテーションなど、さまざまなデータセットをサポートしています。これらのデータセットを使ったセグメンテーションモデルのトレーニングは、ドキュメントに記載されている1つのコマンドで簡単に実行できます。

yolo segment train data=carparts-seg.yaml model=yolov8n-seg.pt epochs=100 imgsz=640

今後の情報にご期待ください#

今後の動画では、カスタム学習や独自のデータセットを使った推論など、Ultralytics YOLOv8をさらに詳しく取り上げます。

私たちは、AIと機械学習をより簡単に使えるようにすることに取り組んでいます。一つひとつのセグメントから、その実現を目指します。

YouTubeで動画全編を視聴できます。