Link to this sectionUltralytics YOLO26を使用したインスタンスセグメンテーションとトラッキング 🚀#
Link to this sectionインスタンスセグメンテーションとは？#
インスタンスセグメンテーションは、画像内の個々のオブジェクトを特定し、ピクセル単位で輪郭を抽出するコンピュータビジョンのタスクです。カテゴリごとにピクセルを分類するだけのセマンティックセグメンテーションとは異なり、インスタンスセグメンテーションは各オブジェクトインスタンスを一意にラベル付けして正確に描写するため、医療画像、自動運転、産業用オートメーションなど、詳細な空間理解が必要なアプリケーションにおいて不可欠です。
Ultralytics YOLO26は、強力なインスタンスセグメンテーション機能を提供します。これにより、YOLOモデルで知られる速度と効率を維持しながら、正確なオブジェクト境界検出が可能になります。
Ultralyticsパッケージでは、2種類のインスタンスセグメンテーション・トラッキングが利用可能です：
-
クラスオブジェクトによるインスタンスセグメンテーション： 各クラスオブジェクトには一意の色が割り当てられ、視覚的に明確に区別されます。
-
オブジェクトトラックによるインスタンスセグメンテーション： すべてのトラックは異なる色で表現され、ビデオフレーム間での識別とトラッキングが容易になります。
Watch: Instance Segmentation with Object Tracking using Ultralytics YOLO26
Link to this sectionサンプル#
| インスタンスセグメンテーション | インスタンスセグメンテーション + オブジェクトトラッキング |
|---|---|
 |  |
| Ultralytics インスタンスセグメンテーション 😍 | Ultralytics オブジェクトトラッキング付きインスタンスセグメンテーション 🔥 |
# Instance segmentation using Ultralytics YOLO26
yolo solutions isegment show=True
# Pass a source video
yolo solutions isegment source="path/to/video.mp4"
# Monitor the specific classes
yolo solutions isegment classes="[0, 5]"Link to this sectionInstanceSegmentation 引数#
InstanceSegmentation の引数を示す表は以下の通りです：
| 引数 | タイプ | デフォルト | 説明 |
|---|---|---|---|
model | str | None | Ultralytics YOLOモデルファイルへのパス。 |
region | list | '[(20, 400), (1260, 400)]' | 計数領域を定義する点のリスト。 |
You can also take advantage of track arguments within the InstanceSegmentation solution:
| 引数 | タイプ | デフォルト | 説明 |
|---|---|---|---|
tracker | str | 'botsort.yaml' | 使用するトラッキングアルゴリズムを指定します。組み込みのオプションは、botsort.yaml、bytetrack.yaml、ocsort.yaml、deepocsort.yaml、fasttrack.yaml、tracktrack.yamlです。 |
conf | float | 0.1 | 検出の信頼度しきい値を設定します。低い値を設定するとより多くの物体を追跡できますが、誤検知が含まれる可能性があります。 |
iou | float | 0.7 | 重なり合う検出をフィルタリングするためのIntersection over Union（IoU）しきい値を設定します。 |
classes | list | None | クラスインデックスで結果をフィルタリングします。例えば、classes=[0, 2, 3]と設定すると、指定されたクラスのみを追跡します。 |
verbose | bool | True | 追跡結果の表示を制御し、追跡された物体の視覚的な出力を行います。 |
device | str | None | 推論に使用するデバイスを指定します（例：cpu、cuda:0、または 0）。CPU、特定のGPU、その他の演算デバイスをモデル実行用に選択できます。 |
さらに、以下の可視化引数も利用可能です。
| 引数 | タイプ | デフォルト | 説明 |
|---|---|---|---|
show | bool | False | Trueの場合、注釈付きの画像や動画をウィンドウに表示します。開発やテスト中の即時的な視覚フィードバックに役立ちます。 |
line_width | int or None | None | バウンディングボックスの線の太さを指定します。Noneの場合、線の太さは画像サイズに基づいて自動的に調整されます。明瞭さのための視覚的なカスタマイズが可能です。 |
show_conf | bool | True | 各検出の信頼度スコアをラベルと一緒に表示します。各検出に対するモデルの確信度を把握できます。 |
show_labels | bool | True | 視覚的出力において各検出のラベルを表示します。検出されたオブジェクトを即座に理解するのに役立ちます。 |
Link to this sectionインスタンスセグメンテーションの応用例#
YOLO26を使用したインスタンスセグメンテーションには、さまざまな業界で多くの実用的な応用例があります：
Link to this section廃棄物管理およびリサイクル#
YOLO26は廃棄物処理施設において、さまざまな種類の素材を識別・分類するために使用できます。このモデルはプラスチック廃棄物、ダンボール、金属、その他のリサイクル可能な素材を高精度でセグメント化でき、自動化された選別システムによる効率的な処理を可能にします。世界中で生成される70億トンのプラスチック廃棄物のうち、リサイクルされるのはわずか10%程度であることを考慮すると、これは特に価値が高いものです。
Link to this section自動運転車#
自動運転車において、インスタンスセグメンテーションは歩行者、車両、交通標識、その他の道路要素をピクセル単位で識別・追跡するのに役立ちます。環境の正確な把握は、ナビゲーションや安全に関わる判断に極めて重要です。YOLO26のリアルタイム性能は、こうした時間的制約の厳しいアプリケーションに最適です。
Link to this section医療画像診断#
インスタンスセグメンテーションは、医療スキャン画像内の腫瘍、臓器、細胞構造を識別・輪郭抽出できます。YOLO26の正確なオブジェクト境界線抽出能力は、医療診断や治療計画立案において非常に価値があります。
Link to this section建設現場の監視#
建設現場では、インスタンスセグメンテーションによって重機、作業員、資材を追跡できます。これにより、機器の位置を監視し、作業員が危険エリアに立ち入ったことを検知して安全を確保できるほか、ワークフローやリソース配分の最適化にも寄与します。
Link to this section注意#
ご質問がある場合は、Ultralytics Issueセクションまたは以下に記載されているディスカッションセクションまでお気軽にお問い合わせください。
Link to this sectionよくある質問 (FAQ)#
Link to this sectionUltralytics YOLO26を使用してインスタンスセグメンテーションを実行するにはどうすればよいですか？#
Ultralytics YOLO26を使用してインスタンスセグメンテーションを実行するには、YOLO26のセグメンテーションバージョンでYOLOモデルを初期化し、ビデオフレームを処理させます。以下に簡略化したコード例を示します：
import cv2
from ultralytics import solutions
cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"
# Video writer
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))
video_writer = cv2.VideoWriter("instance-segmentation.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))
# Init InstanceSegmentation
isegment = solutions.InstanceSegmentation(
show=True, # display the output
model="yolo26n-seg.pt", # model="yolo26n-seg.pt" for object segmentation using YOLO26.
)
# Process video
while cap.isOpened():
success, im0 = cap.read()
if not success:
print("Video frame is empty or processing is complete.")
break
results = isegment(im0)
video_writer.write(results.plot_im)
cap.release()
video_writer.release()
cv2.destroyAllWindows()インスタンスセグメンテーションの詳細については、Ultralytics YOLO26ガイドをご覧ください。
Link to this sectionUltralytics YOLO26におけるインスタンスセグメンテーションとオブジェクトトラッキングの違いは何ですか？#
インスタンスセグメンテーションは画像内の個々のオブジェクトを識別して輪郭を抽出し、各オブジェクトに一意のラベルとマスクを付与します。オブジェクトトラッキングは、これを拡張してビデオフレーム間でオブジェクトに一貫したIDを割り当て、同じオブジェクトを継続的に追跡します。YOLO26の実装のようにこれらを組み合わせることで、精密な境界情報を維持しながらビデオ内のオブジェクトの動きや行動を解析できる、強力な機能が利用可能になります。
Link to this sectionMask R-CNNやFaster R-CNNのような他のモデルと比較して、なぜインスタンスセグメンテーションとトラッキングにUltralytics YOLO26を使うべきなのですか？#
Ultralytics YOLO26は、Mask R-CNNやFaster R-CNNのような他のモデルと比較して、リアルタイム性能、優れた精度、そして使いやすさを提供します。YOLO26は画像を一度のパスで処理する（ワンステージ検出）ため、高精度を維持しつつ大幅に高速化されています。また、Ultralytics Platformとのシームレスな統合が可能であり、モデル、データセット、トレーニングパイプラインを効率的に管理できます。速度と精度の両方が求められるアプリケーションにおいて、YOLO26は最適なバランスを提供します。
Link to this sectionUltralytics YOLO26モデルのインスタンスセグメンテーションおよびトラッキングのトレーニングに適したデータセットは提供されていますか？#
はい。Ultralyticsは、COCO-Seg、COCO8-Seg（迅速なテスト用の小さなサブセット）、Package-Seg、Crack-Segなど、YOLO26モデルのトレーニングに適したいくつかのデータセットを提供しています。これらのデータセットには、インスタンスセグメンテーションタスクに必要なピクセルレベルのアノテーションが含まれています。より特殊な用途には、Ultralytics形式に従ってカスタムデータセットを作成することもできます。データセットに関する詳細情報や使用方法については、Ultralyticsデータセットドキュメントをご覧ください。