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、デプロイを行う最もスマートな方法

私たちは、誰もがコンピュータビジョンを利用できるようにするために、オープンソースのUltralytics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型配送システムまで、あらゆるものの動力源として活用しています。

しかし、私たちは長年にわたり、コミュニティから同じフィードバックを受け続けてきました。強力なモデルを学習させることは、もはやコンピュータビジョンにおける最大の障壁ではなく、それを本番環境に導入することが最大の障壁であるという声です。

本日、私たちはそれを変えます。Ultralytics Platformをご覧ください。これは、生のデータから本番環境に対応した実世界のデプロイまで、ビジョンAIを構築するために特別に設計された究極のエンドツーエンドプラットフォームです。

Link to this section優れたモデルと優れた製品との間のギャップ#

過去10年間で、コンピュータビジョンとディープラーニングは、研究段階から実世界のシステムを支える重要なインフラへと急速に進化しました。製造現場での品質検査を自動化し、レジなし店舗を実現し、外科ロボットを誘導し、自動運転車のコースを維持しています。モデルの能力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の道のりは、依然として必要以上に困難なままです。

現在、多くのチームがアノテーション、学習、実験の追跡、デプロイ、監視のために個別のツールを継ぎ合わせて使用しています。統合のたびに複雑さが増し、引き継ぎのたびにスピードが低下します。そして、アプリケーションの構築そのものではなく、インフラの管理に追われ、数週間が静かに過ぎ去ってしまうのです。

私たちがコンピュータビジョンコミュニティのデベロッパー、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中で、3つの課題が常に浮上していました。

• 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不可欠ですが、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: 学習で優れたパフォーマンスを発揮するモデルであっても、エッジデバイス、クラウド環境、本番システム全体で確実に動作させるには、追加のエンジニアリングに数週間かかることがあります。
• ツール断片化のコスト: アノテーション、学習、追跡、デプロイを複数のサービスに分散させることで、累積的なオーバーヘッドが発生し、あらゆる反復サイクルが遅延します。

これらの繰り返し発生する課題は、現代のコンピュータビジョン開発における決定的なボトルネックであり、最終的に私たちがUltralytics Platformを構築するきっかけとなりました。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、コンピュータビジョン開発の主要段階を接続することで、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、より簡単に移行できるようになります。

Link to this sectionビジョンAIのライフサイクル全体を一つの場所に#

Ultralytics Platformは、データ管理からアノテーション、モデル学習、デプロイ、監視に至るまで、コンピュータビジョンのワークフローのあらゆる段階を統合します。これらすべてが単一の接続されたワークスペースに集約されており、複雑さを軽減し、アイデアからインパクトを生み出すまでの道のりを加速させます。

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のようなモデルをプラットフォーム上で直接トレーニングし、世界中にデプロイします。パフォーマンスをリアルタイムで監視しましょう。各ステージが次のステージへとスムーズにつながるため、インフラ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の概要 (ソース)

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

コンピュータビジョンのアイデアを実用的なシステムに変えるには、データの準備からモデルの本番運用に至るまで、いくつかの段階が必要です。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、初期コンセプトからデプロイ済みモデルへの移行を容易にします。

Link to this sectionアノテーション: 劇的な高速化#

データへのラベル付けは、伝統的にコンピュータビジョンプロジェクトにおいて最も時間のかかる部分の一つです。Ultralytics Platformはこれを大幅に高速化し、データがどこに存在していても対応できるように設計されています。

生の画像、動画、またはデータセットのアーカイブをアップロードしたり、YOLOやCOCO形式で既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コミュニティが共有する公開データセットをクローンしたりすることができます。ゼロから始める場合でも、既存の作業を基にする場合でも、データはプラットフォームに取り込まれた瞬間から使用可能です。

画像や動画にラベルがまだ付いていない場合でも、組み込みのアノテーションエディタを使用すれば、作業を大幅にスピードアップできます。オブジェクト検出、インスタンスセグメンテーションから、ポーズ推定、指向性バウンディングボックス(OBB)検出、画像分類まで、あらゆる主要なコンピュータビジョンタスクをサポートしており、速度と精度の両方を追求したツールが備わっています。

ここで特筆すべきは、SAM 3を活用したスマートアノテーション機能です。Segment Anything Model 3 (SAM 3) を使用すると、対象物をクリックし、数点を指定するだけで、正確なマスク、バウンディングボックス、または指向性ボックスを生成できます。かつては何時間もかかっていた手動トレースがわずか数分で完了するため、チームは開発速度に合わせて高品質なデータセットを構築できるようになります。

図3. Ultralytics PlatformでのSAM搭載スマートアノテーションの例 (ソース)

ポーズスケルトンテンプレート、キーボードショートカット、インラインのクラス管理、アンドゥ/リドゥサポートなどが備わっており、集中力を途切れさせないアノテーション体験を実現します。

Link to this sectionトレーニング: 楽で強力#

データにラベルを付けたら、トレーニングはクリック一つで開始できます。Ultralytics YOLO26、YOLO11、そしてUltralytics YOLOモデルのフルファミリーはネイティブでサポートされており、クラウドのGPUを使用してプラットフォーム上で直接学習させることも、ローカルハードウェアで学習させ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することも可能です。

RTX 4090、RTX PRO 6000、NVIDIA A100、H100など、幅広いクラウドGPUオプションから選択できるほか、自身のローカルハードウェアでトレーニングを行い、リアルタイムのメトリクスをプラットフォームにストリーミングすることも可能です。すべての実験はプロジェクトごとに自動的に整理され、関連するモデルがグループ化されるため、異なるデータセット、パラメータ、構成が結果にどのような影響を与えるかを追跡し、最強のモデルを容易に特定できます。

エポックごとに損失曲線、適合率(Precision)、再現率(Recall)、平均精度(mAP)を監視できます。混同行列や適合率-再現率曲線を確認することで、モデルがどこで優れたパフォーマンスを発揮し、どこで改善の余地があるか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構成を見つけましょう。

図2. Ultralytics Platformを使用したトレーニング進捗の監視 (ソース)

Ultralytics Platformは、トレーニングライフサイクルの主要段階も自動的に管理します。トレーニング中にはチェックポイントが保存され、最もパフォーマンスの高いモデルと最終的な学習済み重みの両方が保持されます。事前学習済みモデルはプラットフォーム内で直接ファインチューニングでき、学習済みモデルのアップロードやダウンロードも可能なため、チームは場所を選ばず柔軟に作業を進められます。

インフラストラクチャをプロビジョニングする必要も、個別の実験追跡サービスをセットアップする必要もありません。ラベル付きデータから、実世界で活用できる学習済みモデルまでの明確で効率的なパスが用意されています。

Link to this section世界中にデプロイし、すべてを監視#

優れたトレーニング済みモデルには、同じく優れた本番環境へのパスが必要です。Ultralytics Platformはそれを実現します。

ブラウザ上で直接モデルの推論結果を検証することから始めましょう。結果に納得できたら、需要に合わせて自動スケーリングする専用エンドポイントを使用して、世界43リージョンにデプロイします。各エンドポイントは、アプリケーションにすぐに統合できる一意のAPIエンドポイントを備えています。

図4. Ultralytics Platformは世界43リージョンでのモデルデプロイをサポートしています。 (ソース)

クラウドへのデプロイが必要な場合でも、エッジデバイスでモデルを実行したい場合でも、Ultralytics Platformは両方のシナリオに対応した柔軟なオプションを提供します。すべてのUltralytics YOLOモデルは、さまざまな環境で効率的に実行できるよう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上でも信頼性の高いパフォーマンスを発揮します。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のために、UltralyticsはONNX、TensorRT、CoreML、TFLite、OpenVINOを含む17の検証済み形式へのエクスポートをサポートしています。これにより、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、あらゆる環境でモデルをネイティブに実行できます。

モデルが稼働を開始すると、デプロイメントダッシュボードの組み込み監視機能により、リクエスト量、レイテンシメトリクス、エラー率、エンドポイントの健全性、詳細なログなど、本番環境のパフォーマンスを完全に可視化できます。ログの確認、エンドポイントの健全性チェック、経時的なパフォーマンス追跡も可能で、コンピュータビジョンシステムを本番環境で確実に稼働させ、最適化の機会を特定するのに役立ちます。

今すぐ始めましょう。または、プラットフォームで何ができるかについて詳細を確認したい場合はUltralyticsドキュメントをご覧ください。

Link to this sectionビジョンAI開発の民主化#

Ultralytics Platformについて詳しく知るにつれて、このプラットフォームの目的が単なるコンピュータビジョンシステム構築用のツール提供にとどまらないことがわかるはずです。このプラットフォームの核心にあるのは、ビジョンAI開発をよりアクセスしやすく、より広範なコミュニティにとって使いやすいものにするという目標です。

歴史的に、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、そして多額の先行投資が必要でした。強力なモデルをトレーニングしやすくなった現在でも、データセットの管理、実験の実行、モデルのデプロイ、インフラの維持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ハードルが高いものでした。

Ultralytics Platformは、ビジョンAIのワークフロー全体を単一の環境に統合することで、こうした障壁を低減し、利用開始を容易にします。新規ユーザーは、クラウドトレーニング用のサインアップクレジットや、データセット管理、アノテーションツール、モデル学習、モデルエクスポートといった主要機能へのアクセスが含まれる無料プランから、プラットフォームの試用を開始できます。

プロジェクトの成長に応じて、ユーザーやエンタープライズクライアントは、追加のクレジットやプラットフォームプランを通じて、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、デプロイ能力を拡張できます。この柔軟なアプローチにより、開発者、研究者、スタートアップ、企業は小さく始めて、自由に実験し、コンピュータビジョンシステムが本番稼働に向けて進むにつれて利用量を拡大していくことができます。

エンドツーエンドのコンピュータビジョンワークフローと、利用しやすい価格モデル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、デプロイするための扉を開く手助けをします。

Link to this section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まとめ、生のデータから本番環境に対応したビジョンAIシステムへの移行をスピードアップします。アノテーション、学習、デプロイ、監視用の組み込みツールを活用することで、チームは複雑なインフラを管理することなく、Ultralytics YOLO26、Ultralytics YOLO11、およびレガシーなYOLOモデルを構築しデプロイできます。

最初のモデルを実験している段階から、ビジョンAIを大規模にデプロイする段階まで、このプラットフォームはあらゆる行程をサポートするように設計されています。

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発見してください。私たちのGitHubリポジトリにアクセスし、ライセンスオプションを確認して、今すぐコンピュータビジョンの取り組みを開始しましょう。