Ultralytics Platform: 5つのツールを1つのコンピュータービジョンプラットフォームで

本日、ビジョンAIシステムの構築とデプロイをシンプルにするために設計された究極のエンドツーエンドのcomputer visionプラットフォームであるUltralytics Platformをリリースしました。computer visionは、機械が画像や動画を解釈できるようにする人工知能の分野であり、私たちが今日依存している多くのシステムをすでに支えていますが、これまでこうしたソリューションの構築は複雑でした。

多くのAIエンジニアや機械学習開発者にとって、コンピュータビジョン・アプリケーションの構築には、開発プロセス全体を通じて複数のツールを切り替える作業が依然として伴います。あるチームはデータセットやアノテーションを1つのプラットフォームで管理し、モデルのトレーニングを別のプラットフォームで行い、予測のテスト、実験の追跡、システムのプロダクション環境へのデプロイには追加のサービスを利用するといった状況です。

プロジェクトが拡大するにつれて、ツールの切り替えは開発を遅らせ、運用上のオーバーヘッドを増大させる可能性があります。チームは、モデルの改善や新しいコンピュータビジョン・アプリの構築に注力する代わりに、ワークフローの管理、ツール間でのデータ移動、インフラの構成に時間を費やすことが多くなります。

Ultralytics Platformは、このプロセスを効率化し加速させるために作成されました。アノテーション、トレーニング、バリデーション、デプロイ、監視を1つの環境に統合することで、AIビジョンスタック全体にまたがる複数のツールを単一のコンピュータビジョン・プラットフォームに置き換え、チームがスケーラブルなビジョンAIシステムをより効率的に構築およびデプロイできるよう支援します。

図1. Ultralytics Platformを使用したデータセット準備の様子（Source）

本記事では、Ultralytics Platformがどのように複数のツールを1つの統一されたコンピュータビジョン・プラットフォームに置き換えるのかを探ります。それでは始めましょう！

コンピュータビジョン開発におけるマルチツール問題#

コンピュータビジョン・ソリューションの構築には、データセットの準備からプロダクション環境へのシステムデプロイまで、いくつかの段階があります。多くの場合、チームはこのワークフローの各部分で異なるツールに依存しており、以下のようなものが含まれます。

• データセット管理ツール: チームはこれらのツールを使用して、後にコンピュータビジョン・システムのトレーニングデータとして使用される画像や動画を保存・整理します。
• アノテーションツール: これらのプラットフォームにより、開発者やデータチームは画像内のオブジェクト、セグメント、キーポイントにラベルを付けることができ、システムが視覚データからパターンを学習できるようになります。
• モデルトレーニングツールおよびフレームワーク: 開発者は、PyTorchやTensorFlowといったPythonベースの機械学習フレームワーク内で作業し、アノテーション済みデータセットとディープラーニング・モデルを使用してコンピュータビジョン・システムをトレーニングするために、これらのツールを利用します。
• テストおよび推論ツール: デプロイの前に、チームは新しい画像や動画でモデルを実行し、予測を確認してシステムのパフォーマンスを評価します。
• デプロイおよび監視ツール: ビジョンAIソリューションの出荷準備が整うと、アプリケーションをプロダクション環境で実行し、時間の経過とともにパフォーマンスを監視するために追加のインフラが使用されます。

これらのツールを個別に管理すると、開発ワークフローの調整が困難になる可能性があります。チームは、コンピュータビジョン・アプリケーションの改善に集中する代わりに、プラットフォーム間でのデータの移動、統合の維持、インフラの構成に時間を費やすことになります。

エンドツーエンドのビジョンAIプラットフォームとは何か？#

Ultralytics Platformの主な機能と何ができるかについて詳しく説明する前に、エンドツーエンドのコンピュータビジョン・プラットフォームが何を意味するのかを理解しておきましょう。

簡単に言えば、Ultralytics Platform は、開発者がコンピュータービジョンアプリケーションを構築および実行できる単一の場所を提供します。開発プロセスのさまざまな部分で別々のサービスに依存する代わりに、個人やチームは同じ環境内で視覚データの操作、モデルやアルゴリズムのトレーニング、結果のテスト、アプリケーションの実行を行うことができます。

図2. Ultralytics Platformでのモデルのテスト（Source）

このアプローチにより、開発者は常にツールを切り替えることなく、実験を行い、システムを改善し、プロジェクトを前進させることが容易になります。

Ultralytics PlatformがビジョンAIワークフローを簡素化する方法#

Ultralytics Platformは、コンピュータビジョン・コミュニティと緊密に連携してきた長年の経験から形成されました。ビジョンAIシステムを構築する開発者やチームとの対話の中で、いくつかの共通の課題が浮き彫りになりました。

例えば、重要な懸念事項の一つはデータアノテーションであり、大規模なデータセットにラベルを付ける必要がある場合、かなりの時間がかかる可能性があります。もう一つの課題は、チームがシステムをプロダクション環境へ移行しようとする際に発生しました。異なる環境やハードウェア構成にまたがってアプリケーションをデプロイするには、追加のツールが必要になることが多いためです。

また、多くのチームがツール切り替えの問題に直面しています。アノテーションツール、トレーニング環境、デプロイシステムが複数のプラットフォームに分散していることが多いためです。Ultralytics Platformは、一連の組み込み機能によってこれらの問題をすべて解決します。

Ultralytics Platformの主な機能の概要#

それでは、これらの課題を整理し、ビジョンAIワークフロー全体を効率化するUltralytics Platformの主な機能のいくつかを見ていきましょう。

• Smart data annotation：組み込みの注釈ツールにより、SAM（Segment Anything Model）を搭載したスマートアノテーションや、アノテーションワークフローを効率化するキーボードショートカットなどの機能を使用して、チームがデータセットにすばやくラベル付けできるようになります。
• 統合モデルトレーニング: 開発者はプラットフォーム内で直接プリトレーニング済みモデルをトレーニングし、インタラクティブなダッシュボードを通じて実験の追跡とパフォーマンスの監視を行うことができます。
• ブラウザベースの推論テスト: チームはブラウザ内で迅速に予測をテストし、プロダクション環境へのデプロイ前にシステムのパフォーマンスを評価できます。
• Flexible deployment options：モデルは、17種類のフォーマットにエクスポートすることも、43のグローバルリージョンにわたる共有推論サービスや専用エンドポイントを通じてデプロイすることもできます。
• 組み込みの監視: このプラットフォームは、チームが実験結果、システムパフォーマンス、デプロイの健全性を一元的に追跡できるダッシュボードを提供します。

Ultralytics Platformによる生のデータからデプロイまでの流れ#

Ultralytics Platformについて理解を深めるにつれ、実際にどのように動作するのか疑問に思うかもしれません。より明確にイメージするために、簡単な例を見ていきましょう。

製造ラインのための視覚検査システムを構築すると想定します。目的は、製品が製造工程を流れる際に、損傷や不良品を自動的に特定することです。

プロセスは通常、視覚データの収集から始まります。Ultralyticsの新しいコンピュータビジョン・プラットフォームを使用して、製造ラインの製品の画像や動画をアップロードし、不良品検出モデルのトレーニングに使用するデータセットに整理できます。

次はデータアノテーションです。プラットフォームの組み込み手動またはAI駆動型アノテーションツールを使用して、画像内の欠陥を5つの検出タスクにわたって直接ラベル付けできます。SAMを活用したスマートアノテーションや、ワンクリックでキーポイントを配置できる組み込みのポーズスケルトンテンプレートといった機能により、本来なら何時間もかかるワークフローが効率化されます。

データセットの準備が整ったら、モデルのトレーニングに進むことができます。このプラットフォームを使用すると、ラベル付けされたデータを使用して、Ultralytics YOLO models などのコンピュータービジョンモデルをトレーニングできます。トレーニング中には、パフォーマンスメトリックのモニタリング、実験の追跡、モデルの継続的な最適化を行って、単一のダッシュボードからシステムのパフォーマンスを向上させることができます。

トレーニング後、次のステップはテストとバリデーションです。プラットフォーム内で直接新しい画像に対して予測を実行し、システムがどの程度正確に欠陥を検出できるかを確認し、さらなる改善が必要な領域を特定できます。

最後に、システムが良好なパフォーマンスを発揮したら、プロダクション環境にデプロイできます。Ultralytics Platformは、複数の形式へのモデルエクスポートや、推論サービスおよびエンドポイントを通じたデプロイをサポートしており、現実世界の環境で稼働させることができます。

図3. Ultralytics Platformでモデルをエクスポートする例（Source）

このパイプラインの各ステップをサポートすることで、Ultralytics Platformは、生の視覚データから製造ライン上で自動的に欠陥を検出できる動作可能なコンピュータビジョン・アプリケーションへと移行することを容易にします。

Ultralytics Platformで構築できるビジョンAIを活用したユースケース#

視覚データを情報に変換してプロセスを自動化できるほとんどのアプリケーションにおいて、コンピュータビジョンは変革をもたらすことができます。これは医療から自動車産業まで、あらゆる産業で当てはまり、Ultralytics Platformはこの汎用性をサポートするために構築されています。

このプラットフォームは、Ultralytics YOLO26 などの最先端モデルや、物体検出、画像分類、インスタンスセグメンテーション、姿勢推定、方向付きバウンディングボックス（OBB）検出を含むさまざまな computer vision tasks をネイティブでサポートしています。この柔軟性により、開発者は画像や動画の分析が必要なさまざまなシナリオ向けのアプリケーションを構築できます。

たとえば、チームは、海洋環境におけるリアルタイムの underwater monitoring システム、医療および生物学研究における細胞数え上げ、遠隔生態系での野生生物の追跡、自動運転車の知覚システムの有効化、複雑な環境でのロボットの誘導などのシステムを作成できます。そして、それはコンピュータービジョンで可能なことのほんの一部にすぎません。

図4. Ultralytics Platformでの野生動物検出に向けたアノテーション作業（Source）

なぜUltralytics PlatformがビジョンAIの未来なのか#

コンピュータビジョンの利用が拡大するにつれ、ビジョンAI開発をよりアクセスしやすくすることがますます重要になっています。多くの開発者や組織が視覚データで実験を行い、AIアプリケーションを構築したいと考えていますが、従来の開発セットアップでは開始が困難な場合があります。

Ultralytics Platformは、開発者がコンピュータビジョン技術を迅速に活用し始められる環境を提供することで、これらの障壁を下げる手助けをします。インフラのセットアップや異なるツールの統合に時間を費やす代わりに、チームはアイデアの実験や実用的なアプリケーションの構築に集中できます。

このアクセシビリティにより、より幅広い開発者、研究者、組織がビジョンAIを探求する扉が開かれます。結果として、より多くのチームが視覚データを有意義なインサイトに変え、現実世界の問題を解決するアプリケーションを作成できるようになります。

ビジョンAIが産業全体で拡大し続ける中、私たちはUltralytics Platformが開発をより身近なものにし、コンピュータビジョンの未来を形作る上で重要な役割を果たすと確信しています。

Ultralytics Platformを始めるには#

今すぐ Ultralytics Platform でコンピュータービジョンプロジェクトの Start building を始めましょう。クラウドトレーニング用のサインアップクレジットや、データセットの管理、画像のアノテーション、モデルのトレーニング、アプリケーションのデプロイを行うためのコアツールへのアクセスが含まれる無料プランを通じて、プラットフォームを探索できます。

プロジェクトが成長するにつれて、より多くの計算リソース、ストレージ、コラボレーション機能、デプロイ容量を提供する追加プランによって使用規模を拡張できます。また、プラットフォームはクラウドトレーニングやマネージドエンドポイントなどのサービスに対してクレジットベースの料金体系を採用しており、チームが使用量を透過的に追跡しながら実験やアプリケーションのデプロイを実行できるようになっています。

重要なポイント#

画像処理およびコンピュータビジョン技術は、研究実験から、日常の技術を支える現実世界のシステムへと急速に移行しています。Ultralytics Platformは、開発者がビジョンAIアプリケーションを構築、テスト、デプロイするためのよりシンプルな方法を提供することで、この変化を加速させる支援をします。アイデアとデプロイの間の障壁が少なくなることで、次世代のコンピュータビジョン・ソリューションをこれまで以上に迅速に構築できるようになるでしょう。

community に参加し、GitHub repository を探索して、コンピュータービジョンモデルについて詳しく学びましょう。ソリューションページで、AI in agriculture や computer vision in robotics などのアプリケーションについてお読みください。licensing options を確認して、独自のビジョンAIモデルの構築を始めましょう。