Ultralyticsサポート
ドキュメントで答えを探す、コミュニティに参加する、またはチームに直接お問い合わせください。
トピックからヘルプを探す
以下から問題の分野を選ぶと、手順ガイド、チュートリアル、トラブルシューティングをご覧いただけます。
アノテーション
ラベリング、データセット形式、アノテーションのトラブルシューティング
詳しく見る
トレーニング
トレーニングの設定、GPUとCUDAのエラー、精度の向上
詳しく見る
デプロイ
エクスポート形式、エッジおよびクラウドへのデプロイ、推論
詳しく見る
エージェント
YOLO、視覚言語モデル、条件、アラートを使ったビジュアルワークフロー
詳しく見る
Ultralytics YOLOモデル
モデルの選び方、予測モード、アーキテクチャガイド
詳しく見る
API
SDKのセットアップ、REST APIリファレンス、インテグレーションのサポート
詳しく見る
Ultralytics YOLOライセンス
AGPL-3.0とEnterpriseの比較、コンプライアンス、請求
詳しく見るブログ記事
コンピュータービジョンのトレーニングに最適な合成データツール
手法別に比較するコンピュータービジョン向け合成データツール：3Dシミュレーション、生成モデル、データ拡張、およびUltralytics YOLOでのテスト方法。
ダブリンで開催されたAMD Embedded AI Working Groupに参加したUltralytics
UltralyticsとAMDが、ダブリンで開催されたAMD Embedded AI Working Group 2026において、フィジカルAI、ロボティクス、コンピュータービジョンのデプロイをどのように探求したかをご紹介します。
精度と再現率を使って自動アノテーション用のVLMを選ぶ方法
精度と再現率を基準に自動アノテーション用のVLMを選びます。誤検出のボックスが少ないモデル、見逃す物体が少ないモデルを確認し、自分のデータでテストする方法を紹介します。
コンピュータービジョン推論におけるONNXとTensorRTの比較：ベンチマークと選び方
コンピュータービジョン推論におけるONNX RuntimeとTensorRTの比較：19種類のNVIDIA GPUでUltralytics YOLO26の速度と精度を測定し、選び方を解説します。
PPEの未着用検出：Construction-PPEでUltralytics YOLOをトレーニング
Construction-PPEがヘルメット、ベスト、手袋の未着用をどのようにラベル付けしているかを確認し、Ultralytics YOLOをトレーニングして、現場のカメラ映像からPPEの未着用を検出する方法を紹介します。
ドローン検出データセットガイド：小型UAVを対象にUltralytics YOLOをトレーニング
DUT Anti-UAV、Drone-vs-Bird、サーマルドローン検出データセットを比較し、Ultralytics YOLO26をトレーニングして小型ドローンを検出し、誤警報を減らしましょう。
医療画像向けHIPAA準拠AI：BAAの対象範囲と患者データを使ったトレーニング方法
医療画像におけるHIPAA準拠AIに必要な要件、UltralyticsのBAAの対象範囲、患者データを使ったアノテーション、トレーニング、デプロイの方法について説明します。
最適な深度推定モデル：選び方
Depth Anything、Depth Pro、Metric3D、UniDepth、Ultralytics YOLO26などの単眼深度モデルを比較し、メートル単位の深度、エッジデバイス、ロボティクスに適したモデルを検討します。
Ultralytics YOLOモデルをW&BからUltralytics Platformに移行する方法
再トレーニングせずに、Ultralytics YOLOモデルをWeights & Biases (W&B)からUltralytics Platformにインポートし、実験を比較して、エクスポートおよびデプロイできます。
GPT-6.1 Terraが自動アノテーションで第1位を獲得し、OpenAIの最上位モデルを上回りました
GPT-6.1 Terraの自動アノテーションは、VLM Leaderboardで39モデル中トップです。1,000枚あたり$4.36で0.560 mAP50を達成し、GPT-6.1 SolとGemini 4 Argonを上回りました。
MiniMax-M3.1-Flashの自動アノテーション：推論を減らすとボックスの精度が上がった理由
Ultralytics PlatformでのMiniMax-M3.1-Flashによる自動アノテーション：チューニング後、1,000枚あたり$1.84で0.317 mAP50を達成し、SAR船舶検出では0.86を記録。
Kimi K3.1 Proの自動アノテーション：高い推論レベルでK3を3分の1上回る性能
Kimi K3.1 Proの自動アノテーションはUL37で0.444 mAP50を達成し、Kimi K3を3分の1上回りました。高い推論レベルで実行する理由、コスト、強みを発揮する領域をご紹介します。
Ultralytics YOLOとNVIDIA Cosmos Data Factory：欠陥検出のための合成データ
NVIDIA Cosmos Data Factoryの合成データとエージェント型トレーニングループにより、Ultralytics YOLO26はラベル数を減らしながら、データセット全体を使った場合と同等の欠陥検出精度を実現します。
Gemini 4 Argonの自動アノテーション：39モデル中で最も高精度なボックス
Ultralytics PlatformでのGemini 4 Argonによる自動アノテーション：39モデル中2位、最高精度（0.667）、12領域中6領域で首位、11月30日まで1,000枚あたり$7.60。
オープンコンピューティング、オープンビジョン：Ultralytics YOLO Vision 2026におけるAMD
ROCmの講演、ハンズオンワークショップ、AMD Radeon GPU上でYOLOを実行するデモを通じて、AMDがUltralytics YOLO Vision 2026でオープンコンピューティングをどのように実現したかをご覧ください。
おすすめの画像分類モデル：選び方
ConvNeXt V2やDINOv3からEfficientNetV2、ViT、Ultralytics YOLO26-clsまで、主要な画像分類モデルを比較し、選び方を解説します。
セマンティックセグメンテーションとインスタンスセグメンテーション：適切なタスクの選び方
セマンティックセグメンテーションはすべてのピクセルにクラスラベルを付け、インスタンスセグメンテーションは各オブジェクトを個別に分離します。コンピュータービジョンプロジェクトでどちらが必要か、またその理由を解説します。
Arm Create 2026におけるUltralytics：エッジで実現するリアルタイムビジョンAI
深センで開催されたArm Create 2026におけるUltralyticsの注目ポイントをご紹介します。リアルタイムのエッジAIへのUltralytics YOLOの導入、モデルパネル、新しいArm AI Portalを取り上げます。
Ultralyticsミートアップ：ロンドン
Ultralyticsロンドンミートアップのまとめ：YOLO27の初公開、Ultralytics Platformのデモ、NVIDIAとArmを交えたビジョンAIパネル。
Ultralytics Platformのモニタリング：ビジョンAIのデプロイを適切に管理
Ultralytics Platformでデプロイ済みのビジョンAIモデルをモニタリングできます。エンドポイントのヘルス状態、レイテンシ、エラー、ログ、ライブ予測の統計を追跡します。
Ultralytics Agentsのご紹介：ビジュアルAIワークフローをより迅速に構築
Ultralytics AgentsでビジョンAIワークフローを構築できます。YOLOモデル、視覚言語モデル、条件、データセット、Slackアラートを1つのキャンバス上で接続できます。
Ultralytics AutoTrainのご紹介：ビジョンAIモデルのトレーニングを簡素化
Ultralytics PlatformのAutoTrainを使って、初期ベースラインから本番環境へのデプロイまで、Ultralytics YOLOモデルをトレーニング、比較、改善できます。
Ultralytics YOLO Vision 2026の主な見どころをご紹介します。
UltralyticsがUltralytics YOLO27を発表し、Ultralytics PlatformのAutoTrain、Agents、Monitoringを紹介したYOLO Vision 2026の主な見どころ。
Ultralytics YOLO26が単眼深度推定に対応しました
Ultralytics YOLO26の新しい深度推定タスクでは、ステレオカメラやLiDARを使わず、単一のRGB画像からピクセル単位のメートルスケール深度を推定できます。
コンピュータービジョン向け画像アノテーションプラットフォームのおすすめ
コンピュータービジョン向けの9つの画像アノテーションプラットフォーム、CVAT、Encord、Label Studio、Labelbox、Roboflow、Scale AI、SuperAnnotate、Ultralytics、V7を比較します。
製造業向け自動欠陥検出：プラットフォームの比較
自動欠陥検出プラットフォームのCognex、Instrumental、Keyence、Landing AI、Overview、Ultralyticsを比較し、欠陥に適したモデルタスクの選び方も解説します。
エンタープライズ向けコンピュータービジョンのコスト：TCO算定フレームワーク
データ、アノテーション、カメラ、エッジハードウェア、トレーニング、推論、統合、再トレーニングを網羅する、エンタープライズ向けコンピュータービジョンの総所有コスト算定フレームワーク。
コンピュータービジョンによる組み立て検証とエラープルーフ化
コンピュータービジョンで組み立ての完全性、正確性、順序を検証する方法を解説します。撮像ステーションの設計、モデルタスクの選択、PLCとの統合、検証を取り上げます。
大規模なコンピュータービジョン推論：7つのプラットフォームを比較
Azure ML、KServe、NVIDIA Triton、Roboflow、SageMaker AI、Ultralytics、Vertex AIという7つのコンピュータービジョン推論プラットフォームを、レイテンシとスケーラビリティの観点から比較します。
Ultralytics YOLO Vision 2026：知っておきたいことすべて
9月13日に深センまたはオンラインで開催されるUltralytics YOLO Vision 2026にご参加ください。新しいYOLOモデル、製品発表、ライブデモ、実世界のビジョンAIをご紹介します。
よくある質問
はい。標準サポートに加えて、Ultralyticsは、YOLOをウェブ、モバイル、またはクラウド製品に統合するための実践的な支援を必要とするチーム向けに、カスタムエンジニアリングサービスを提供しています。モデルのトレーニング、導入アーキテクチャ、個別のソリューションなどが含まれます。要件の相談や見積もりについては、営業チームにお問い合わせください。
オープンソースのYOLOパッケージのバグについては、GitHubでissueを作成してください。トレーニングジョブ、デプロイ、請求など、Ultralytics Platform固有の問題については、プラットフォーム内のフィードバックフォームを使用するか、Enterpriseプランをご利用の場合は専用のサポートチャネルからお問い合わせください。
コミュニティサポートの応答時間は、フォーラムやGitHubの活動状況によって異なりますが、チームはGitHubのissueに24時間以内に返信することを目指しています。Enterpriseのお客様には、組織の規模やニーズに応じて調整された、契約上のSLAで定める応答時間が保証されます。
Enterpriseのお客様には、担当SE/CSM、契約上のSLA、SE向けのイネーブルメント時間、マイルストーン確認を含む体系的なオンボーディング、プロジェクト支援、四半期ごとのビジネスレビューを提供します。Ultralyticsを大規模に運用し、初日からチームに直接連絡できる窓口を必要とする組織向けに設計されています。組織に適した内容については、営業にお問い合わせください。
FreeプランとProプランには、コミュニティサポートが含まれています。活発なフォーラムでは、質問やプロジェクトの共有ができ、ほかの開発者やUltralyticsチームから回答を得られます。また、アノテーションからデプロイまでを網羅したUltralyticsのドキュメント、GitHub、動画チュートリアルをすべて利用できます。
AIの未来を一緒に築きましょう！
機械学習の未来に向けた歩みを始めましょう