Ultralytics Platformのご紹介：ビジョンAIのアノテーション、トレーニング、デプロイを最も効率的に行う方法

私たちは、コンピュータービジョンを誰もが利用できるようにするため、Ultralyticsのオープンソースエコシステムを構築しました。現在、世界中の何百万人もの開発者がUltralytics YOLOモデルをトレーニングし、工場の検査ラインから自律配送システムまで、さまざまな用途を支えています。

しかし、長年にわたってコミュニティから同じ意見が寄せられてきました。優れたモデルをトレーニングすることは、もはやコンピュータービジョンにおける最大の障壁ではありません。モデルを本番環境に導入することが課題です。

今日、私たちはその状況を変えます。Ultralytics Platformをご紹介します。ビジョンAIを生データから実環境の本番品質のデプロイまで導くために特化して構築された、究極のエンドツーエンドプラットフォームです。

優れたモデルと優れた製品の間にあるギャップ#

過去10年間で、コンピュータービジョンとディープラーニングは研究分野から急速に進化し、実世界のシステムを支える重要なインフラとなりました。製造現場の品質検査、小売店のレジなし決済、手術支援ロボットの制御、自動運転車の走行維持などに活用されています。モデルの性能はかつてないほど高まっていますが、動作するプロトタイプから信頼性の高い本番システムへ移行するのは、今でも必要以上に困難です。

現在、多くのチームはアノテーション、トレーニング、実験管理、デプロイ、監視に別々のツールをつなぎ合わせています。連携のたびに複雑さが増します。引き継ぎのたびに進捗が遅れます。そして、アプリケーション自体の構築ではなくインフラの管理に追われ、気付かないうちに何週間も過ぎてしまうことがあります。

コンピュータービジョンコミュニティの開発者、スタートアップ、エンタープライズチームと緊密に連携するなかで、次の3つの課題が繰り返し浮かび上がりました。

• アノテーションのボトルネック：高性能なモデルには高品質なラベル付きデータが必要ですが、そうしたデータセットの作成と維持には、依然として時間と労力がかかります。
• デプロイのギャップ：トレーニングで優れた性能を発揮するモデルでも、エッジデバイス、クラウド環境、本番システム全体で安定して動作させるには、さらに数週間のエンジニアリング作業が必要になることがあります。
• ツールの分断によるコスト：アノテーション、トレーニング、追跡、デプロイを複数のサービスに分散させると、運用負荷が積み重なり、反復サイクルのたびに速度が落ちます。

こうした繰り返し発生する課題は、現代のコンピュータービジョン開発における本質的なボトルネックであり、最終的にUltralytics Platformの構築につながりました。データ準備からデプロイまでのワークフローを簡素化し、コンピュータービジョン開発の主要な段階をつなぐことで、チームは有望なモデルから実世界のビジョンAIシステムへ、よりスムーズに移行できるようになります。

ビジョンAIのライフサイクル全体を一か所に集約#

Ultralytics Platformは、データ管理からアノテーション、モデルのトレーニング、デプロイ、監視まで、コンピュータービジョンのワークフローの全段階を統合します。すべてがつながった単一のワークスペースで複雑さを軽減し、アイデアを成果につなげるまでの時間を短縮します。

画像や動画をアップロードし、組み込みのアノテーションツールでラベル付けします。Ultralytics YOLO26などのモデルをプラットフォーム上で直接トレーニングできます。グローバルにデプロイし、パフォーマンスをリアルタイムに監視できます。各段階が次の段階につながるため、インフラの管理ではなく、アプリケーションの構築に集中できます。

図1. Ultralytics Platformの画面例（出典）

アイデアからデプロイまで：Ultralytics Platformの仕組み#

コンピュータービジョンのアイデアを実用的なシステムにするには、データの準備から本番環境でのモデル実行まで、複数の段階を経る必要があります。Ultralytics Platformは、このプロセスを明確でシンプルなパイプラインに整理し、初期の構想からモデルのデプロイまでを簡単に進められるようにします。

アノテーション：大幅に高速化#

データのラベル付けは、従来、あらゆるコンピュータービジョンプロジェクトで最も時間のかかる作業の一つでした。Ultralytics Platformは作業を大幅に高速化し、データの保存場所を問わず利用できるように設計されています。

未加工の画像、動画、データセットのアーカイブをアップロードしたり、YOLO形式またはCOCO形式ですでにラベル付けされたデータセットをインポートしたり、Ultralyticsコミュニティが公開しているデータセットを複製したりできます。ゼロから始める場合も、既存の成果を活用する場合も、データがプラットフォームにアップロードされるとすぐに利用できます。

画像や動画にまだラベルが付いていない場合も、組み込みのアノテーションエディターを使えば、作業を大幅に効率化できます。物体検出やインスタンスセグメンテーションから、姿勢推定、有向バウンディングボックス（OBB）検出、画像分類まで、主要なコンピュータービジョンタスクすべてに対応し、スピードと精度の両方を重視したツールを備えています。

特に注目すべき機能は、SAM 3を活用したスマートアノテーションです。Segment Anything Model 3（SAM 3）を使うと、オブジェクトをクリックし、いくつかの点で調整するだけで、精密なマスク、バウンディングボックス、有向ボックスを生成できます。何時間もかかっていた手作業によるトレースが数分で済むため、チームは開発速度に見合うペースで高品質なデータセットを構築できます。

図3. Ultralytics PlatformでのSAMを活用したスマートアノテーションの例（出典）

姿勢スケルトンのテンプレート、キーボードショートカット、クラスのインライン管理、元に戻す／やり直す機能も備え、作業に集中できるアノテーション環境を実現しています。

トレーニング：簡単かつ強力#

データにラベルを付けたら、ワンクリックでトレーニングを開始できます。Ultralytics YOLO26、YOLO11、およびUltralytics YOLOの全モデルファミリーがネイティブにサポートされ、クラウドのグラフィックス処理ユニット（GPU）を使ってプラットフォーム上で直接トレーニングできます。または、ローカルハードウェアでトレーニングしながら、メトリクスをプラットフォームにストリーミングできます。

RTX 4090、RTX PRO 6000、NVIDIA A100、H100など、幅広いクラウドGPUの選択肢から選べます。または、独自のローカルハードウェアでトレーニングしながら、メトリクスをリアルタイムにプラットフォームへストリーミングできます。各実験は関連モデルをまとめるプロジェクトに自動で整理されるため、さまざまなデータセット、パラメーター、設定が結果に与える影響を簡単に追跡し、最も優れたモデルを特定できます。

損失曲線、適合率、再現率、平均適合率（mAP）がエポックごとにどのように変化するかを監視できます。混同行列や適合率-再現率曲線を詳しく調べ、モデルが優れた性能を発揮する領域と改善できる領域を正確に把握できます。複数の実行結果を並べて比較し、最良の結果をもたらす設定を見つけられます。

図2. Ultralytics Platformでトレーニングの進捗を監視する画面（出典）

Ultralytics Platformは、トレーニングのライフサイクルにおける主要な段階も自動で管理します。トレーニング中はチェックポイントが保存され、最も高い性能を発揮したモデルと最終的なトレーニング済み重みの両方が保持されます。事前トレーニング済みモデルはプラットフォーム上で直接ファインチューニングでき、トレーニング済みモデルは他の環境で使用するためにアップロードまたはダウンロードできます。これにより、チームは作業方法と作業場所を柔軟に選べます。

プロビジョニングが必要なインフラはありません。別途セットアップする実験管理サービスもありません。ラベル付きデータから、実環境で使えるトレーニング済みモデルまで、明確で効率的な道筋が用意されています。

グローバルにデプロイし、あらゆる状況を監視#

適切にトレーニングされたモデルには、それに見合う本番環境への導入手段が必要です。Ultralytics Platformは、その手段を提供します。

まずブラウザー上でモデルの推論結果を直接検証します。結果に納得したら、需要に応じて自動スケールする専用エンドポイントを備えた世界43のリージョンにデプロイできます。各エンドポイントには、アプリケーションとの連携にすぐ使える固有のAPIエンドポイントが割り当てられます。

図4. Ultralytics Platformは世界43のリージョンへのモデルデプロイに対応しています。（出典）

クラウドへのデプロイとエッジデバイスでのモデル実行のどちらが必要な場合も、Ultralytics Platformは両方のシナリオに合わせた柔軟な選択肢を提供します。すべてのUltralytics YOLOモデルは、さまざまな環境で効率的に動作するようネイティブに最適化されており、計算リソースが限られたエッジハードウェアでも安定した性能を発揮します。プラットフォーム外でモデルを実行する必要があるチーム向けに、UltralyticsはONNX、TensorRT、CoreML、TFLite、OpenVINOなど、検証済みの17形式へのエクスポートに対応しています。これにより、モデルをクラウドサービス、モバイルデバイス、エッジシステムなどでネイティブに実行できます。

モデルを稼働させると、デプロイダッシュボードに組み込まれた監視機能で、本番環境のパフォーマンスを詳細に把握できます。リクエスト数、レイテンシのメトリクス、エラー率、エンドポイントの健全性、詳細なログを確認できます。また、ログの確認、エンドポイントの健全性ステータスの確認、長期的なパフォーマンスの追跡もできるため、コンピュータービジョンシステムの安定した本番稼働を確保し、最適化の機会を特定できます。

今すぐ始めるか、プラットフォームでできることを詳しく知るにはUltralyticsのドキュメントをご覧ください。

ビジョンAI開発の民主化#

Ultralytics Platformについて詳しく知ると、その目的がコンピュータービジョンシステム構築のためのツール提供にとどまらないことがすぐにわかります。このプラットフォームは、より幅広いコミュニティがビジョンAIを開発しやすく、使いやすくすることを中核に据えて設計されています。

これまで、AIシステムの構築とデプロイには、専門的なインフラ、複雑なツール、多額の初期投資が必要でした。高性能なモデルをトレーニングしやすくなってからも、データセットの管理、実験の実行、モデルのデプロイ、インフラの保守といった周辺のワークフローは、個人や小規模チームにとって扱いにくいものでした。

Ultralytics Platformは、ビジョンAIのワークフロー全体を単一の環境にまとめ、簡単に利用を開始できるようにすることで、こうした障壁を下げます。新規ユーザーは、クラウドトレーニング用の登録クレジットと、データセット管理、アノテーションツール、モデルのトレーニング、モデルのエクスポートなどの主要機能が含まれる無料プランを通じて、プラットフォームを試せます。

プロジェクトの拡大に合わせて、ユーザーやエンタープライズクライアントは、クレジットの追加やプラットフォームプランの変更によって、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、デプロイ容量を利用できます。この柔軟な仕組みにより、開発者、研究者、スタートアップ、エンタープライズは小規模に始め、自由に試しながら、コンピュータービジョンシステムの本番導入に合わせて利用を拡大できます。

エンドツーエンドのコンピュータービジョンワークフローと利用しやすい料金体系を組み合わせることで、Ultralytics Platformは、より多くの人々が実世界のビジョンAIアプリケーションを構築、テスト、デプロイできるよう支援します。

重要なポイント#

Ultralytics Platformは、ビジョンAIのライフサイクル全体を一つの強力なワークスペースに集約し、生データから本番環境に対応したビジョンAIシステムまでの移行を迅速化します。アノテーション、トレーニング、デプロイ、監視のためのツールが組み込まれているため、チームは複雑なインフラを管理することなく、Ultralytics YOLO26、Ultralytics YOLO11、Ultralytics YOLO11などのモデルや、従来のYOLOモデルを構築してデプロイできます。

初めてのモデルを試す場合も、ビジョンAIを大規模にデプロイする場合も、プラットフォームはそのプロセスのあらゆる段階を支援するよう設計されています。

コミュニティに参加して、製造業におけるAIや小売業におけるビジョンAIなどのイノベーションをご覧ください。GitHubリポジトリにアクセスし、ライセンスの選択肢を確認して、今日からコンピュータービジョンを始めましょう。