コンテンツへスキップ

総合チュートリアルUltralytics YOLO

Ultralytics'YOLO 🚀ガイドへようこそ!この包括的なチュートリアルでは、YOLO の物体検出モデルの様々な側面(トレーニング、予測からデプロイメントまで)をカバーしています。PyTorch 上に構築されたYOLO は、リアルタイムの物体検出タスクにおいて、その卓越した速度と精度で際立っています。

あなたがディープラーニングの初心者であろうと専門家であろうと、私たちのチュートリアルは、あなたのコンピュータビジョンプロジェクトのためのYOLO の実装と最適化に関する貴重な洞察を提供します。さあ、飛び込みましょう!



見るんだ: Ultralytics YOLOv8 ガイドの概要

ガイド

ここでは、Ultralytics YOLO のさまざまな側面をマスターするのに役立つ詳細なガイドをまとめた。

  • YOLO よくある問題⭐ RECOMMENDED:Ultralytics YOLO モデルで作業する際に最も頻繁に遭遇する問題に対する実践的な解決策とトラブルシューティングのヒント。
  • YOLO パフォーマンス指標⭐ 必須:YOLO モデルのパフォーマンスを評価するために使用される、mAP、IoU、F1 スコアなどの主要な指標を理解します。検出精度と速度を向上させる方法についての実践的な例とヒントを含みます。
  • モデル展開のオプション:ONNX 、OpenVINO 、TensorRT など、YOLO モデル展開形式の概要と、それぞれの長所と短所を紹介し、展開戦略に役立てます。
  • K-Foldクロスバリデーション🚀 NEW: K-Foldクロスバリデーション技術を使用してモデルの汎化を改善する方法を学びます。
  • ハイパーパラメータのチューニング🚀NEW: Tuner クラスと遺伝的進化アルゴリズムを使ってハイパーパラメータを微調整し、YOLO のモデルを最適化する方法をご覧ください。
  • SAHI Tiled Inference🚀NEW: SAHIのスライス推論機能をYOLOv8 、高解像度画像の物体検出に活用するための包括的なガイド。
  • AzureML クイックスタート🚀新機能: Microsoft の Azure Machine Learning プラットフォーム上で、Ultralytics YOLO のモデルを立ち上げて実行します。オブジェクト検出プロジェクトをクラウドでトレーニング、デプロイ、スケールする方法を学びます。
  • Condaクイックスタート🚀NEW:Ultralytics 用のConda環境セットアップのステップバイステップガイド。Ultralytics パッケージをインストールし、Conda で効率的に使い始める方法を学ぶ。
  • Docker Quickstart🚀 NEW:Ultralytics YOLO モデルをDockerでセットアップして使用するための完全ガイド。Dockerのインストール方法、GPUサポートの管理方法、そして一貫した開発とデプロイのための分離されたコンテナでYOLO 。
  • Raspberry Pi🚀 NEW:YOLO モデルを最新の Raspberry Pi ハードウェアで動作させるためのクイックスタートチュートリアル。
  • Triton 推論サーバーの統合🚀新機能: スケーラブルで効率的なディープラーニングの推論を展開するために、Ultralytics YOLOv8 、NVIDIAのTriton 推論サーバーとの統合に飛び込む。
  • YOLO スレッドセーフ推論🚀 NEW:YOLO モデルでスレッドセーフに推論を行うためのガイドライン。スレッドセーフの重要性と、競合状態を防ぎ一貫した予測を保証するためのベストプラクティスを学ぶ。
  • セグメンテーションオブジェクトの分離🚀 NEW:Ultralytics セグメンテーションを使用して、画像からオブジェクトを抽出および/または分離する方法についてのステップバイステップのレシピと説明。
  • Raspberry Pi上のEdgeTPU : Google EdgeTPU Raspberry Pi上でYOLO 推論を加速。

実際のプロジェクト

  • オブジェクト・カウント🚀 NEW:Ultralytics YOLOv8 を使ってリアルタイムのオブジェクト・カウントのプロセスを探求し、ライブ・ビデオ・ストリームで効果的にオブジェクトをカウントするための知識を習得する。
  • オブジェクトの切り抜き🚀 新機能: 画像やビデオからオブジェクトを正確に抽出するために、YOLOv8 を使用したオブジェクトの切り抜きについて説明します。
  • オブジェクトぼかし🚀 新機能: 画像やビデオ処理でプライバシー保護のため、YOLOv8 でオブジェクトぼかしを適用します。
  • ワークアウトのモニタリング🚀 NEW:Ultralytics YOLOv8 を使ってワークアウトをモニタリングする包括的なアプローチを発見してください。フィットネス・ルーティンの様々な側面をリアルタイムで追跡・分析するためにYOLOv8 を効果的に使用するために必要なスキルと洞察力を身につけましょう。
  • 領域内の物体カウント🚀 新機能:Ultralytics YOLOv8 を使って特定の領域内の物体をカウントすることで、さまざまな領域で正確かつ効率的に物体を検出できます。
  • セキュリティアラームシステム🚀 NEW:Ultralytics YOLOv8 でセキュリティアラームシステムの作成プロセスをご覧ください。このシステムは、フレーム内の新しい物体を検出するとアラートをトリガーします。その後、特定のユースケースに合わせてコードをカスタマイズできます。
  • ヒートマップ🚀 NEW: 検出ヒートマップでデータの理解を深めましょう!これらの直感的なビジュアルツールは、鮮やかなカラーグラデーションを使用して、マトリックス全体のデータ値の強度を鮮やかに示します。コンピュータビジョンに不可欠なヒートマップは、関心のある領域を強調するように巧みに設計されており、空間情報を解釈するための即座でインパクトのある方法を提供します。
  • オブジェクトトラッキングによるインスタンスセグメンテーション🚀NEW: バウンディングボックスシェイプによるオブジェクトセグメンテーションの特集をご覧ください。
  • VisionEyeビューオブジェクトマッピング🚀新機能:この機能は、人間の目が特定の視点から詳細を観察するのと同じように、コンピュータが特定のオブジェクトを識別し、焦点を合わせることを目的としています。
  • 速度推定🚀 NEW: コンピュータビジョンにおける速度推定は、自律走行車や交通監視のようなアプリケーションにとって重要な、物体追跡のような技術を通して物体の動きを分析することに依存している。
  • 距離計算🚀 NEW: 距離計算は、定義された空間内の2つのオブジェクト間の分離を測定することを含み、重要な側面です。Ultralytics YOLOv8 のコンテキストでは、このために採用された方法は、ユーザーがハイライトしたバウンディングボックスに関連する距離を決定するために、バウンディングボックスのセントロイドを使用することです。

ガイドへの貢献

私たちはコミュニティからの貢献を歓迎します!もしあなたがUltralytics YOLO の特定の側面をマスターしていて、私たちのガイドでまだカバーされていない場合、あなたの専門知識を共有することをお勧めします。ガイドを書くことは、コミュニティに恩返しをし、私たちのドキュメントをより包括的でユーザーフレンドリーにするのに役立つ素晴らしい方法です。

まずは、プルリクエスト(PR) 🛠️ の開設方法に関するガイドラインについて、貢献ガイドをお読みください。あなたの貢献を楽しみにしています!

Ultralytics YOLO エコシステムをより強固で汎用性の高いものにするため、一緒に頑張りましょう🙏!



作成日:2023-11-12 更新日:2024-02-12
作成者:glenn-jocher(5),chr043416@gmail.com(6),RizwanMunawar(1),Burhan-Q(1),ouphi(1)

コメント