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ました。

  • 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。
  • NVIDIA-Jetson🚀NEW:YOLO モデルを NVIDIA Jetson デバイスに展開するためのクイックスタートガイド。
  • 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。
  • ターミナルでの推論イメージの表示リモートトンネルまたはSSHセッションを使用している場合、VSCodeの統合ターミナルを使用して推論結果を表示します。
  • OpenVINO レイテンシーモードとスループットモード-YOLO 推論パフォーマンスをピークにするためのレイテンシーとスループットの最適化テクニックを学びます。
  • Steps of a Computer Vision Project 🚀 NEW: Learn about the key steps involved in a computer vision project, including defining goals, selecting models, preparing data, and evaluating results.
  • Defining A Computer Vision Project's Goals 🚀 NEW: Walk through how to effectively define clear and measurable goals for your computer vision project. Learn the importance of a well-defined problem statement and how it creates a roadmap for your project.
  • Data Collection and Annotation🚀 NEW: Explore the tools, techniques, and best practices for collecting and annotating data to create high-quality inputs for your computer vision models.
  • Preprocessing Annotated Data🚀 NEW: Learn about preprocessing and augmenting image data in computer vision projects using YOLOv8, including normalization, dataset augmentation, splitting, and exploratory data analysis (EDA).

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🙏!



Created 2023-11-12, Updated 2024-06-10
Authors: glenn-jocher (10), abirami-vina (2), RizwanMunawar (7), Burhan-Q (3), lakshanthad (1), ouphi (1)

コメント