Ultralytics PlatformでYOLOモデルをより速くトレーニングする

先週、Ultralyticsは、チームによるコンピュータビジョンモデルの構築、トレーニング、デプロイ方法を簡素化するために設計された統合ワークスペース、Ultralytics Platformを発表しました。複数のツールを使い分ける代わりに、このプラットフォームですべてを1か所にまとめて管理できます。ビジョンAIモデルのアイデア創出からデプロイまでを、手間なく進められます。

これは、コンピュータビジョンがさまざまな業界の中核的な要素になりつつあるため重要です。コンピュータビジョンは、製造検査、リテール分析、自律ナビゲーションなどのアプリケーションを支えています。

これらのビジョン対応アプリケーションを信頼性の高いシステムにするには、モデルがどれだけ適切にトレーニングされているかが重要です。モデルのトレーニングでは、ラベル付きデータから学習することで、モデルがパターンを認識し、正確な予測を行えるようにします。一般に、十分にトレーニングされたモデルは、モデルの性能向上と、実際のアプリケーションにおけるより信頼性の高い結果につながります。

ただし、コンピュータビジョンモデルのトレーニングは、必ずしも簡単ではありません。環境のセットアップ、適切なコンピューティングリソースの選択、ハイパーパラメータの調整、複数のトレーニング実験の追跡など、さまざまな要素が含まれます。これらの手順が異なるツールやシステムに分散していると、トレーニングワークフローはすぐに複雑になり、管理が難しくなります。

Ultralytics Platformは、トレーニングプロセス全体を単一の統合ダッシュボードにまとめることで、この問題を解決します。クラウド、ローカル環境、Google Colabのいずれで作業している場合でも、1か所でトレーニングジョブを設定、実行、監視できます。

図1. Ultralytics Platformでのモデルのトレーニングの概要（出典）

この記事では、Ultralytics Platformがモデルのトレーニングをどのように効率化するのか、またビジョンAIプロジェクトでどのような優位性をもたらすのかを紹介します。さっそく始めましょう。

コンピュータビジョンモデルは、モデルのトレーニングを通じてデータから学習します#

Ultralytics Platformでのモデルのトレーニング方法に入る前に、まず一歩戻って、モデルのトレーニングとは何か、そこには何が含まれるのかを確認しましょう。

モデルのトレーニングとは、コンピュータビジョンモデルが視覚データを解釈できるように学習するプロセスです。モデルは画像や動画を分析し、内部パラメータを徐々に調整することで、物体検出、画像分類、インスタンスセグメンテーションなどのビジョンタスクを正確に実行できるようになります。時間の経過とともに、モデルは目にしたデータから直接パターンを学習して改善します。

トレーニングの品質は、データセットに大きく左右されます。データセットは、教師が生徒を教えるために使うフラッシュカードのセットのようなものだと考えられます。各例が、モデルに何を探すべきかを学習させます。

一般的なコンピュータビジョンデータセットには、通常JPGやPNGなどの形式の画像と、各画像に何が含まれているかを説明するアノテーションが含まれます。多くの場合JSONまたはTXTファイルとして保存されるこれらのアノテーションは、モデルが効果的に学習するために必要なラベルとコンテキストを提供します。

しかし、トレーニングは単にモデルにデータを入力するだけではありません。データセットの準備から適切なモデルの選択、トレーニングプロセスの設定まで、いくつかの重要な手順が含まれます。次に、これらの手順のいくつかを詳しく見ていきましょう。

データセットの準備方法#

データセットがあればすぐにモデルのトレーニングを始められるように思えるかもしれませんが、まずデータセットの分割など、いくつかの手順を実行する必要があります。

一般に、データセットはトレーニングセット、検証セット、テストセットの3つに分割されます。トレーニング画像はデータ内のパターンをモデルに学習させるために使い、検証セットはトレーニング中の性能の監視と微調整に役立ちます。

テストセットは最後に使用し、モデルが完全に新しい未知のデータに対してどの程度適切に機能するかを評価します。この構成により、モデルがデータを単に記憶するのではなく、実際のシナリオに汎化できることを確認できます。

トレーニングに適したモデルの選択#

トレーニング前のもう1つの重要な手順は、使用するモデルを選択することです。多くの場合、これは事前トレーニング済みモデルの選択を意味します。Ultralytics YOLOモデルのようなモデルは、すでに大規模なデータセットでトレーニングされ、一般的な視覚パターンを学習しているため、優れた出発点になります。

これらのモデルを使用することは転移学習の一例です。既存の知識を基盤として、モデルを特定のタスクに適応させます。このアプローチは、特に限られたデータを扱う場合に、トレーニングを高速化し、結果を改善するのに役立ちます。

これらのモデルにはさまざまなサイズがあり、それぞれ速度と精度のトレードオフを提供します。小さいモデルは高速で効率的ですが、大きいモデルは一般に高い精度を実現する一方、より多くのコンピューティングリソースを必要とします。

ビジョンモデルのトレーニングパラメータの設定#

準備済みのデータセットを用意し、モデルを選択したら、次はモデルの学習方法を設定します。

コンピュータビジョンモデルは、データの処理方法、重みの更新方法、時間の経過に伴う改善方法を決定する一連のパラメータを使ってトレーニングされます。これらの設定はトレーニング速度と最終的な精度の両方に直接影響するため、高い成果を得るうえで不可欠です。

ここでは、一般的に使用されるトレーニングパラメータをいくつか紹介します。

• エポック数: トレーニング中にモデルがデータセット全体を何回処理するかを表します。エポック数を増やすと、モデルがデータからパターンを学習する機会が増えます。
• バッチサイズ: 1回のトレーニングステップでまとめて処理する画像の数です。バッチサイズを大きくするとトレーニングを高速化できますが、より多くのメモリが必要です。
• 画像サイズ: トレーニング中に使用する入力画像の解像度を指定します。解像度を高くすると検出精度が向上する可能性がありますが、計算コストが増加します。
• 学習率: トレーニング中にモデルが内部パラメータを更新する割合です。値が高すぎたり低すぎたりすると、トレーニングが不安定になる可能性があります。
• オプティマイザ: 各トレーニングイテレーションで計算された誤差に基づき、モデルのパラメータを更新するアルゴリズムです。

Ultralytics YOLOベースのワークフローでは、通常これらの設定をYAMLファイルで定義します。このファイルには、データセットのパス、クラス名、データの分割方法を指定します。モデルにデータセットの解釈方法を伝える中央設定として機能します。

分断されたワークフローからUltralytics Platformによる統合体験へ#

ここまで、データセットの準備、モデルの選択、トレーニングパラメータの設定など、コンピュータビジョンモデルのトレーニングに含まれる主な手順を説明しました。実際には、実験の追跡、複数のトレーニング実行の比較、時間の経過に伴うモデルの継続的な改善など、プロセスはさらに広がることがあります。

これらの手順が1か所で処理されることはほとんどありません。データセットはあるツールで準備し、トレーニング実行は別の環境で行い、実験の追跡は別途管理する場合があります。プロジェクトが拡大すると、この分断によって複雑さが増し、反復が遅くなり、すべてを整理しておくことが難しくなります。

Ultralytics Platformは、トレーニングワークフロー全体を1つの環境にまとめることで、この複雑さを解消します。ツールを切り替える代わりに、データセットの管理、トレーニングの設定、実験の実行、結果の監視をすべて1か所で行えます。

次に、Ultralytics Platformがモデルのトレーニングをどのようにスマートにするのかを詳しく見ていきましょう。

Ultralytics Platformがサポートするトレーニングオプション#

実際のアプリケーションでは、コンピュータビジョンモデルのトレーニングに柔軟な環境が必要になることがよくあります。データセットのサイズ、モデルの複雑さ、利用可能なハードウェアに応じて、クラウド、ローカルマシン、外部のノートブック環境のいずれかでトレーニングを実行できます。

Ultralytics Platformは、こうしたニーズに対応するため、次のトレーニングオプションをサポートしています。

• クラウドトレーニング: Ultralyticsが管理するクラウドのグラフィックス処理ユニット（GPUs）上でトレーニングを実行します。大規模なデータセットや、相当な計算リソースを必要とする複雑なモデルに適しています。
• ローカルトレーニング: マシンで利用可能なハードウェアを使用します。簡単な実験、設定のテスト、小規模なデータセットの処理に適しています。よりスケーラブルなワークロードでは、AWSやGCPなどの独自のクラウド環境でトレーニングを実行することもできます。
• Google Colab: Ultralytics Platformでは、Google Colabのホスト型ノートブック環境でトレーニングを実行できます。ローカルマシンを設定することなく、柔軟でブラウザベースのワークフローを利用できます。

Ultralytics Platformでクラウドトレーニングを試す#

コンピュータビジョンプロジェクトでは、モデルをローカルまたはノートブック環境でトレーニングすることが、必ずしも容易とは限りません。

たとえばローカルトレーニングでは、性能が完全にハードウェアに依存するため、計算能力が制限され、実験が遅くなる可能性があります。効率的なトレーニングにはGPUが不可欠ですが、すべての環境で安定してアクセスできるとは限りません。

Google Colabのようなノートブック環境は、クラウドベースのGPUを提供することで代替手段になりますが、セッションは一時的なことが多く、長時間のトレーニング実行が中断される可能性があります。データセットが大きくなり、ワークフローが複雑になると、こうした制限がすぐにボトルネックとなり、トレーニングの速度と信頼性が低下します。

Ultralytics Platformは、クラウドトレーニングオプションによってこの問題に対応します。Pythonの依存関係やPyTorchなどのフレームワークがあらかじめ設定された、すぐに使える環境を提供するため、追加のセットアップなしでトレーニングを開始できます。

単一のダッシュボードからトレーニングジョブを起動し、進捗をリアルタイムで監視できます。これにより、インフラストラクチャの管理ではなく、モデルの改善に集中しやすくなります。

では、Ultralytics Platformでクラウドトレーニングを始める方法を見ていきましょう。

ステップ1: ベースモデルを選択する#

最初のステップは、トレーニング実行に使用するベースモデルを選択することです。事前トレーニング済みのUltralytics YOLOモデルを選択したり、コミュニティモデルをクローンしたり、独自の事前トレーニング済み重みをアップロードしたりして、カスタム要件に対応できます。

このプラットフォームは、Ultralytics YOLO26、Ultralytics YOLO11、Ultralytics YOLOv8、Ultralytics YOLOv5を含む、すべてのUltralytics YOLOモデルをサポートしています。各モデルには、nano (n)、small (s)、medium (m)、large (l)、extra-large (x)など、異なるサイズバリエーションがあります。モデルバリエーションごとに速度と精度のトレードオフがあるため、性能と計算要件に合ったモデルを選択できます。

これらのモデルは、物体検出、インスタンスセグメンテーション、画像分類、指向性バウンディングボックス（OBB）検出、ポーズ推定など、Ultralytics YOLOユーザーがよく知るさまざまなコンピュータビジョンタスクをサポートしています。

カスタム要件がある場合は、独自の事前トレーニング済みモデルの重みをアップロードすることもできます。これにより、ゼロから始めるのではなく、物体検出器などの既存モデルのトレーニングを継続したり、プラットフォーム上でファインチューニングしたりできます。すでに別の場所でモデルをトレーニングしている場合や、より具体的なユースケースにモデルを適応させたい場合に特に便利です。

ステップ2: データセットを選択する#

次のステップは、トレーニング用のデータセットを選択することです。Ultralytics Platformでは、COCOデータセットなどの既存のデータセットを使用したり、コミュニティのデータセットをクローンしたり、特定のアプリケーションに合わせた独自のカスタムデータセットをアップロードしたりできます。

このプラットフォームは、Ultralytics YOLOやCOCOなどの一般的なアノテーション形式をサポートしています。また、プラットフォーム上で直接カスタムデータにアノテーションを付ける場合は、未加工の画像アップロードにも対応できます。

アップロード後、データセットは検証、正規化、ラベルの解析、統計情報の生成などを含めて自動的に処理されます。これにより、クラス分布やデータセット構造など、データをすぐに確認でき、トレーニングの準備が整っていることを確認できます。

データセットはトレーニング実行にも自動的にリンクされるため、各モデルにどのデータが使用されたかを追跡し、実験間の一貫性を維持できます。

ステップ3: トレーニングパラメータを設定する#

データセットを選択したら、モデルの学習方法を制御するトレーニングパラメータを設定できます。これには、エポック数、バッチサイズ、画像サイズ、トレーニングログの実行名が含まれます。これらのパラメータの多くは、トレーニング時間とモデルの最終性能の両方に影響します。

より細かく制御するトレーニングのために、学習率、オプティマイザの種類、色のデータ拡張設定、その他のトレーニングオプションなどの高度なパラメータも調整できます。これらの設定でトレーニングプロセスを微調整し、モデルの精度と安定性を向上させられます。

ステップ4: GPUを選択する#

次に、トレーニング実行用のGPU構成を選択できます。適切なGPUの選択は、データセットのサイズ、バッチサイズ、画像解像度、モデルの複雑さなどの要因によって決まります。適切なバランスを見つけることで、必要以上の計算リソースを使わず、効率的なトレーニングを維持できます。

Ultralytics Platformは、VRAM（GPU上のメモリ）容量と計算能力が異なる22種類のGPUオプションを提供し、小規模なタスクから大規模なワークロードまで対応します。

これを利用して、軽量モデルのトレーニングでも、大規模で複雑なデータセットの処理でも、ハードウェアを特定のニーズに合わせられます。詳しくは、Ultralytics Platformトレーニングドキュメントページで利用可能なGPUの一覧をご確認ください。

図2. Ultralytics Platformで利用できるGPUオプションの一部（出典）

ステップ5: クラウドトレーニングを開始する#

モデル、データセット、トレーニングパラメータ、計算オプションを選択したら、トレーニング実行をすぐに開始できます。ダッシュボードからワンクリックでトレーニングを起動でき、プラットフォームが環境を初期化し、選択したGPUでジョブを実行するなど、残りの処理を行います。

トレーニングが始まると、プラットフォーム内で直接進捗を監視できます。Trainタブでは、性能指標、損失曲線、システム使用状況、ライブトレーニングログなど、主要なメトリクスをリアルタイムで確認できます。

Ultralytics PlatformでのローカルトレーニングやGoogle Colabの使用方法について詳しくは、公式UltralyticsのPlatformドキュメントにあるチュートリアルをご覧ください。

Ultralytics Platformでモデルを評価・比較する#

トレーニングが完了したら、次はモデルの性能を評価します。Ultralytics Platformでは、プロジェクト内で複数のトレーニング実行を比較できるため、異なる実験の性能を明確に把握できます。

モデル開発では、結果を改善するために、学習率、バッチサイズ、モデルサイズなどの設定を変えながら、トレーニングを何度も繰り返すことがよくあります。これらの実行ごとにわずかに異なるモデルが生成されるため、比較することが重要です。

プロジェクトは、モデルと実験をまとめて整理する中央ハブとして機能します。異なるツールやビューを切り替えることなく、進捗を追跡し、結果を確認し、作業に集中できます。

この統合ビューから、適合率、再現率、mAP（平均適合率）などの主要な性能指標を分析し、モデルが各クラスでどのように機能するかを把握できます。また、トレーニング実行を横並びで比較し、どの設定が最良の結果をもたらすかを特定できます。

これらの指標を補完するために、Predictタブを使用して、トレーニング済みモデルをサンプル画像やデータですばやくテストできます。性能を視覚的に検証し、潜在的な問題を見つけるのに役立ちます。

これらの分析結果をもとに、通常は「best.pt」チェックポイントとして保存される最高性能のモデルを選択し、さらなる評価、推論の実行、またはプラットフォームを通じたモデルのデプロイなど、次の段階に進めます。

図3. Ultralytics Platformでメトリクスを表示する例（出典）

Ultralytics Platformでトレーニングコストを見積もる#

クラウドで物体検出モデルをトレーニングすると、特に高性能GPUを利用する場合に計算コストが発生します。これをより便利にするため、Ultralytics Platformはトレーニング開始前にコストを見積もります。

予想される使用量を明確に把握できるため、ワークロードの計画、予算の管理、トレーニングジョブの起動前の予期しない支出の回避に役立ちます。トレーニング開始前に推定コストを確認する方法を説明します。

トレーニング時間の見積もり方法#

コストを正確に見積もるため、プラットフォームはまず、1エポックのトレーニングにかかる時間を計算します。これは、データセットのサイズ、モデルのサイズ、画像解像度、バッチサイズ、選択したGPUの速度などの要因によって決まります。

これらの入力値を使用して、エポックあたりの推定時間を算出し、トレーニング実行全体にスケールします。合計時間は、すべてのエポックの処理時間に少量の起動オーバーヘッドを加えて計算されます。

オーバーヘッドには、環境の初期化、データセットの読み込み、GPUの準備などのタスクが含まれます。これにより、トレーニングループだけでなく、完全なトレーニングプロセスを反映した見積もりになります。

トレーニングコストの計算方法#

合計トレーニング時間を見積もったら、プラットフォームは選択したGPUの時間単価を使ってコストに換算します。

トレーニング時間とGPUの料金を組み合わせることで、実行を開始する前に、その実行にかかるコストを明確に見積もれます。

事前に可視化できるため、トレーニングパラメータの調整や別のGPUの選択など、設定を簡単に変更し、性能とコストのバランスをより効果的に取れます。

図4. Ultralytics Platformでモデルのトレーニングを設定し、コストを見積もる例（出典）

モデルのトレーニングにUltralytics Platformを使用する主なメリット#

ここまで、コンピュータビジョンモデルのトレーニングに含まれる主な手順と、それらがUltralytics Platform上でどのように連携するかを説明しました。

これらの中核機能に加えて、トレーニングワークフローを強化する追加機能もあります。ここでは、モデルのトレーニングにUltralytics Platformを使用する主なメリットをいくつか紹介します。

• 組み込みの実験再現性: すべてのトレーニング実行は、モデル、データセット、パラメータ、計算環境の設定を含め、完全な構成とともに自動的に記録されます。これにより、実験を簡単に再確認し、結果を確実に再現できます。
• 時間経過に伴うトレーニングのインサイト：最終結果を確認するだけでなく、エポックごとのパフォーマンスの推移を追跡できるため、トレーニング中のモデルの挙動をより深く理解できます。
• 運用上のオーバーヘッドの削減：環境構築、依存関係の管理、インフラストラクチャの処理をバックグラウンドで行うことで、プラットフォームにより、セットアップではなくモデル開発により集中できます。
• 実験の一元管理：プロジェクトをモデル、データセット、トレーニングの実行を管理する単一の場所として利用できるため、ワークフローが複雑化しても実験を整理された状態に保てます。

主なポイント#

トレーニングは、機械学習モデルのライフサイクルにおける最も重要な段階の一つです。モデルがビジュアルデータをどれだけ正確に認識し、解釈できるかを決定します。

トレーニングデータの設定、モニタリング、実験の比較、コストの見積もりを1つの環境に統合することで、Ultralytics Platformは高性能なコンピュータービジョンモデルの構築とデプロイに向けた準備のプロセスを効率化します。

コンピュータービジョンについて詳しく学ぶには、成長を続けるコミュニティとGitHubリポジトリをご覧ください。ビジョンソリューションの構築をお考えの場合は、ライセンスオプションをご確認ください。製造業におけるコンピュータービジョンと農業におけるAIのメリットについて詳しく知るには、ソリューションページをご覧ください。