脚本プランナー▸ 
AIアプリ 
AIニュース 
ultralytics：オープンソースのコンピュータビジョン・深層学習フレームワーク
ultralytics：オープンソースのコンピュータビジョン・深層学習フレームワーク紹介
Ultralytics は便利なオープンソースのコンピュータビジョンおよびディープラーニングフレームワークです。主に YOLO シリーズのモデル（YOLOv5、YOLOv8 など）の開発と運用に使用されます。このツールは、物体検出、画像セグメンテーション、行動認識など、高速な応答が求められる視覚タスクで広く利用されています。
簡単に言えば、モデルの学習から実際の利用までを簡単にするツールキットです。
Ultralytics のコア機能
多様なタスクに対応
さまざまなコンピュータビジョンのタスクを処理できます。
物体検出：物体の位置を認識します。
画像セグメンテーション：物体の輪郭を正確に切り出します。
姿勢推定：人の関節位置を認識します。
画像分類：画像全体の内容を判断します。
回転物体検出：傾いた物体を検出します（航空写真内の斜めの車など）。
開発プロセス全体をサポート
データの準備、モデルの学習から、最終的なエクスポートと利用まで、すべての工程をカバーしています。
高速で使いやすい
シンプルな操作：簡潔なコードコマンドで、初心者でも簡単に学べます。
高速処理：さまざまな高速化技術をサポートし、計算が高速です。
豊富なモデル：大規模モデルから軽量モデルまで揃えており、速度と精度のどちらを重視するかによって選択できます。
あらゆる場所で利用可能
モデルをさまざまな形式に変換し、パソコン、スマートフォン、専用ハードウェアデバイス上で実行できます。
ultralytics の活用シーン
工場の品質検査：製品欠陥の検出、部品の counting、コード読み取りに、すでに200以上の生産ラインで導入されています。
都市のセキュリティ：顔認識、車両監視、火災検知、トラフィック flow の計測。
ロボットと自動車：障害物回避、周辺認識、車線認識。
医療と科学研究：細胞のセグメンテーション、X線画像の解析、実験テスト。
小型デバイス：ドローン、監視カメラ、ハンディデバイスなど、通常のプロセッサでも軽量モデルを実行可能。
ultralytics の使用方法
Ultralytics は Python コードとコマンドラインの両方に対応した柔軟な使用方法を提供しています。
Python API 使用例
from ultralytics import YOLO
# 1. 加载一个预训练模型 (例如 YOLOv8 nano)
model = YOLO("yolov8n.pt")
# 2. 在自定义数据集上训练模型
model.train(data="coco.yaml", epochs=100, imgsz=640)
# 3. 对一张图片进行目标检测
results = model("image.jpg")
# 4. 保存结果
results[0].save(filename="result.jpg")コマンドラインツール (CLI) 例
# 对图片进行预测 yolo predict model=yolov8n.pt source='path/to/image.jpg' # 开始训练模型 yolo detect train data=coco.yaml model=yolov8n.pt epochs=100
よくある問題と解決方法
| 問題 | 原因／解決策 |
|---|---|
pip install ultralytics がタイムアウトする | 国内のミラーソースを利用するか、公式のオフライン whl をダウンロードしてください。 |
| 学習時の VRAM 不足 | imgsz を小さくする／n/s モデルに変更する／amp=True の混合精度を有効にする。 |
| 小さな物体の検出効果が悪い | ① 入力解像度を上げる；② スライス推論 yolo predict tile=640 を使用する；③ データに小さな物体のサンプルを追加する。 |
| 追跡 ID の飛びが発生 | tracker=max_age パラメータを増やすか、BoT-SORT に切り替える；検出フレームレートを 20 FPS 以上に保つ。 |
| スマートフォンへの展開で遅延が大きい | CoreML / TFLite int8 にエクスポートし、nano モデルを使用し、NPU / Neural Engine アクセラレーションを有効にする。 |
