Ultralytics YOLO27: ウェイティングリストに登録してください。
はじめる

Ultralytics Platform

Ultralytics Platformは、データ準備からモデルのデプロイまで、機械学習ワークフロー全体をカバーするエンドツーエンドのコンピュータービジョンプラットフォームです。独自のインフラストラクチャを管理せずに、本番環境向けビジョンモデルをトレーニングしてデプロイしたいチームや個人向けに構築されています。

Ultralytics Platformデータセットのスクリーンショット

Ultralytics Platformとは何ですか？#

Ultralytics Platformでは、データセットの管理とアノテーション、実験トラッキング、クラウドおよびリモートでのトレーニング、モデルのエクスポート、専用の推論エンドポイント、デプロイのモニタリングを1つのワークスペースに集約しています。YOLO26、YOLO11、YOLOv8、YOLOv5モデルをネイティブにサポートしています。

ワークフロー：アップロード → アノテーション → トレーニング → エクスポートまたはデプロイ#

Platformはエンドツーエンドのワークフローを提供します。

ステージ機能
アップロードマシン、URL、クラウドストレージ、またはオンプレミスホストから、画像（50MB）、動画（1GB）、データセットファイル（ZIP、.tar.gz/.tgzを含むTAR、NDJSON）をアップロードできます。
アノテーション6種類のタスクに対応する手動アノテーションツールに加え、検出、セグメンテーション、セマンティック、OBBにはSAMモデルを、これらのタスクとポーズにはYOLOモデルを使用できるスマートアノテーションを利用できます。また、1～200クラスの検出データセットにはクラスプロンプト対応モデル（ホスト型オープンソースモデルまたは有料プロバイダーモデル）を使用できます（対応タスクタイプを参照）。
トレーニングクラウドGPU（全プランで24基、Pro/Enterprise限定でさらに2基：B200、B300）、リアルタイムメトリクス、プロジェクトの整理
エクスポート23 種類のデプロイフォーマット（ONNX、TensorRT、CoreML、LiteRT、Hailo、Ascend など。対応フォーマットを参照）
デプロイ世界42地域の専用エンドポイント。デフォルトでスケールゼロ（アクティブなインスタンスは1つ）に対応し、モニタリング機能も利用できます。

できること：

  • アップロード：画像、動画、データセットファイルをアップロードして、トレーニング用データセットを作成します
  • 可視化：アノテーションエディターがサポートする6種類のYOLOタスクタイプについて、インタラクティブなオーバーレイでアノテーションを表示します（対応タスクタイプをご覧ください）
  • トレーニング：クラウドGPU（全プランで24基、B200およびB300に対応するProまたはEnterpriseでは26基）でモデルをトレーニングし、リアルタイムメトリクスを確認できます
  • 23 種類のデプロイフォーマットにエクスポートします（ONNX、TensorRT、CoreML、LiteRT、Hailo、Ascend など）。
  • デプロイ：ワンクリックで専用エンドポイントを世界42地域にデプロイできます
  • モデル、条件、データセット収集、Slackアラート、Webhookを連携するAgentsワークフローを構築できます
  • モニタリング：トレーニングの進捗、デプロイの健全性、使用状況のメトリクスを監視します
  • 接続：クラウドストレージ、アノテーションツール、Slackを連携機能で接続します
  • コラボレーション：プロジェクトやデータセットをコミュニティに公開して共同作業できます

マルチリージョンインフラストラクチャ#

データは選択したリージョン内に保持されます。Ultralytics Platformは世界3か所のリージョンでインフラストラクチャを運用しています。

リージョンラベル場所最適な用途
US南北アメリカ米国アイオワ州南北アメリカのユーザー向け。南北アメリカで最速
EUヨーロッパ、中東、アフリカヨーロッパ、ベルギーヨーロッパのユーザー向け。GDPRに準拠
APアジア太平洋アジア太平洋、台湾アジア太平洋のユーザー向け。APACで最小のレイテンシ

オンボーディング中にデータリージョンを選択します。データセット、モデル、管理対象のトレーニングデータは選択したリージョン内に保持されます。 専用エンドポイントは、グローバルデプロイマップから選択したリージョンに個別にデプロイされます。

リージョンは変更できません

アカウント作成後、ご自身でデータリージョンを変更することはできません。オンボーディング中に、Platformが各リージョンへのレイテンシを測定し、最も近いリージョンを推奨します。後からリージョンの変更を希望する場合は、サポートにお問い合わせください。これはデータセットとモデルのコンテンツに適用されます。プロフィール、請求、アクティビティの記録などのアカウントレベルのデータは、プライバシーポリシーおよびデータ処理契約に記載されているとおり、グローバルに処理されます。

主な機能#

データ準備#

  • データセット管理：ローカルファイル、URL、接続済みのクラウドストレージ、またはオンプレミスホストから、処理を自動化してデータセットを作成できます
  • アノテーションエディター：6種類のYOLOタスクタイプ（検出、セグメンテーション、セマンティック、分類、ポーズ、OBB）に対応する手動アノテーションツール（対応タスクタイプをご覧ください）
  • スケルトンテンプレート：ポーズアノテーションをワンクリックで行える組み込みテンプレート（人物、手、犬、顔、ボックス）とカスタムスケルトンテンプレート
  • スマートアノテーション: アノテーションツールバーから SAM 2.1（Tiny、Small、Base、Large）、SAM 3、または SAM 3.1（デフォルト）を使用して、検出、セグメンテーション、セマンティック、OBBタスクを実行できます。また、これらのタスクとポーズには、事前学習済みのUltralytics YOLOモデルや独自にファインチューニングしたYOLOモデルを使用できます。さらに、クラス数が1～200の検出データセットでは、クラスプロンプト対応モデルを使用できます。選択肢は、ホスト型のオープンソースモデル9種類（Batch Annotationではデフォルトで Moondream 3.1 を使用し、早期アクセスを有効にするともう1種類利用可能）、ホスト型のテキストプロンプト対応モデル SAM 3 と SAM 3.1、または Settings > API Keys でプロバイダーキーを設定して使用する、OpenAI、Anthropic、Google、Meta、SpaceXAI、DeepSeek、Z.ai、Kimi、Xiaomi MiMo、Alibaba、MiniMax、Tencentの有料ビジョンモデルです。
  • データセットのバージョン管理：説明を付けて番号付きのNDJSONスナップショットを作成し、再現性の高いトレーニングのために任意のバージョンをダウンロードまたは復元できます
  • 統計情報：クラス分布、データ分割の分布、位置ヒートマップ、バウンディングボックスの寸法分析
対応タスクタイプ

アノテーションエディターには、6種類のYOLOタスクタイプに対応するツールがあります。検出（バウンディングボックス）、セグメンテーション（ポリゴン）、セマンティック（クラスごとの領域）、分類（画像単位のラベル）、ポーズ（キーポイント）、OBB（回転ボックス）です。各タスクタイプには専用のアノテーションコントロールとキーボードショートカットがあります。

モデルのトレーニング#

  • クラウドトレーニング：クラウドGPU（全プランで24基、B200およびB300に対応するProまたはEnterpriseでは26基）でトレーニングできます。リアルタイムメトリクスと現在の費用見積もりも利用できます
  • リモートトレーニング：任意の場所でトレーニングし、メトリクスをUltralytics Platformにストリーミングできます
  • 詳細設定：トレーニングダイアログ内の組み込みYAMLエディターから、任意のUltralyticsトレーニング引数を上書きできます
  • プロジェクトの整理：関連するモデルをグループ化し、実験を比較して、アクティビティを追跡できます
  • 23 種類のエクスポートフォーマット: ONNX、TensorRT、CoreML、LiteRT、Hailo、Ascend など（対応フォーマットを参照）

Ultralytics Platformプロジェクトのスクリーンショット

モデルはWeb UI（クラウドトレーニング）またはご自身のマシン（リモートトレーニング）からトレーニングできます。

  1. プロジェクトに移動します
  2. New Modelをクリックします
  3. データセット、モデル、GPU、エポック数を選択します
  4. 損失曲線とメトリクスをリアルタイムで確認します

デプロイ#

  • 推論テスト：独自の画像、ウェブカメラのキャプチャ、または組み込みサンプルを使用して、ブラウザー上で直接モデルをテストできます
  • 専用エンドポイント：デフォルトでスケールゼロ（アクティブなインスタンスは1つ）に設定し、世界42地域にデプロイできます
  • モニタリング: リアルタイムのメトリクス、リクエストログ、パフォーマンスダッシュボード

デプロイ後は、任意の言語からエンドポイントを呼び出せます。conf、iou、imgszは省略可能なフォームフィールドで、デフォルト値は 0.25、0.5、およびモデルのトレーニング時の画像サイズ（取得できない場合は640）です。

import requests

url = "https://your-deployment-url.run.app/predict"
api_key = "YOUR_API_KEY"
args = {"conf": 0.25, "iou": 0.5, "imgsz": 640}

with open("image.jpg", "rb") as f:
    response = requests.post(
        url,
        headers={"Authorization": f"Bearer {api_key}"},
        data=args,
        files={"file": f},
    )

print(response.json())

アカウント管理#

  • チームと組織: チームメンバーと共同作業し、ロールや招待を管理できます。また、アカウントメニューからワークスペースを切り替えられます
  • APIキー: リモートトレーニングとAPIアクセスに使用するキーを安全に管理できます
  • クレジットと請求: 透明性の高い料金体系で、従量課金制のトレーニングを利用できます。5～1,000ドルの範囲でチャージできます
  • アクティビティフィード: アカウント内のすべてのイベントと操作を追跡できます
  • ゴミ箱と復元: 30日間の論理削除とアイテムの復元に対応しています
  • GDPRへの準拠: データのエクスポートとアカウントの削除に対応しています
プランの種類

現在の制限、GPUアクセス、コラボレーション、ライセンスについては、Free、Pro、Enterpriseの正式な比較をご覧ください。

以下のリソースから始めましょう:

トラブルシューティング#

データセットの問題#

問題ソリューション
データセットを処理できないファイル形式がサポートされていることを確認してください（画像形式: JPEG、PNG、WebP、TIFF、HEIC、AVIF、BMP、JP2、DNG、MPO）。ファイルサイズの上限: 画像は50 MB、動画は1 GB、データセットアーカイブはFreeで10 GB / Proで20 GB / Enterpriseで50 GB
アノテーションが見つからないラベルがYOLO形式で、画像ファイル名に対応する.txtファイルがあることを確認するか、COCO JSONをアップロードしてください
「Train splitが必要です」データセットの構成にtrain/フォルダーを追加するか、分割バーを使って分割を再配分してください
クラス名が定義されていないnames: リストを含む data.yaml ファイルを追加（YOLO形式を参照）するか、「クラス」タブでクラスを定義します。

トレーニングの問題#

問題ソリューション
トレーニングを開始できない[設定] > [請求]でクレジット残高を確認してください。残高がプラスである必要があります
メモリ不足エラーバッチサイズを小さくする、小型モデル（n/s）を使用する、またはVRAM容量の大きいGPUを選択してください
メトリクスが低いデータセットの品質を確認し、エポック数を増やし、データ拡張を試し、クラスのバランスを確認してください
トレーニングが遅いより高速なGPUを選択する、画像サイズを小さくする、データセットがボトルネックになっていないか確認してください

デプロイの問題#

問題ソリューション
エンドポイントが応答しないエンドポイントのステータス（ReadyまたはStopped）を確認してください。アイドル状態からのコールドスタートでは、最初のリクエストに最大1分かかることがあります
401 UnauthorizedAPIキーが有効で、正しくコピーされていることを確認してください
推論が遅いモデルサイズを確認し、TensorRTエクスポートを検討して、より近いリージョンを選択してください
エクスポートに失敗した一部の形式では、特定のモデルアーキテクチャが必要です。幅広い互換性が必要な場合はONNXをお試しください

よくある質問#

登録後にユーザー名を変更できますか？

いいえ。ユーザー名は固定されており、変更できません。登録時に慎重に選択してください。

データリージョンを変更できますか？

データリージョンはオンボーディング時に選択するもので、ご自身では変更できません。リージョンを切り替える場合は、サポートに連絡して変更を依頼してください。

クレジットを追加するにはどうすればよいですか？

設定 > 請求に移動し、チャージをクリックしてください。5～1,000ドル分のクレジットを購入できます。購入したクレジットに 有効期限はありません。

トレーニングに失敗するとどうなりますか？

クラウドコンピューティングが開始されていた場合、経過したGPU時間分の料金が発生します。GPUの起動前に失敗した場合、コンピューティング料金は 発生しません。

トレーニング済みモデルをダウンロードできますか？

はい。モデルページのダウンロードアイコンをクリックすると、.ptウェイトをダウンロードできます。または、エクスポートタブを開くと、エクスポートが完了した形式を確認できます。

作業を公開して共有するにはどうすればよいですか？

プロジェクトまたはデータセットを開き、上部のナビゲーションバーにある非公開バッジをクリックして、公開するを確定してください。 公開コンテンツはExploreページに表示されます。

ファイルサイズの上限はいくつですか？

画像: 50MB、動画: 1GB、データセット: Freeでは10GB、Proでは20GB、Enterpriseでは50GBです。これより大きなファイルは、複数回に分けてアップロードしてください。

削除したアイテムはゴミ箱にどのくらい保管されますか？

30日間です。その後、アイテムは完全に削除され、復元できなくなります。

Platformのモデルを商用利用できますか？

FreeおよびProプランではAGPLライセンスが適用されます。AGPLの要件なしで商用利用する場合は、Ultralyticsのライセンスをご覧ください。

よくある質問#

  • Ultralytics Platformを始めるには:

    1. サインアップ: platform.ultralytics.comでアカウントを作成します
    2. リージョンを選択: オンボーディング時にデータリージョン（US、EU、またはAP）を選択します
    3. データセットをアップロード: サイドバーでAnnotateを開き、データをアップロードします
    4. モデルをトレーニング: プロジェクトを作成し、クラウドGPUでトレーニングを開始します
    5. デプロイ: モデルをテストし、専用エンドポイントにデプロイします

    詳しい手順については、クイックスタートページをご覧ください。

  • Ultralytics Platformでは、次の機能を利用できます:

    • 統合ワークフロー: データ、トレーニング、デプロイを1か所で管理できます
    • マルチリージョン: 米国、EU、APリージョンでデータを保管できます
    • ノーコードトレーニング: コードを記述せずに高度なYOLOモデルをトレーニングできます
    • リアルタイムメトリクス: トレーニングの進捗をストリーミングし、デプロイをモニタリングできます
    • 42のデプロイリージョン: 世界中のユーザーに近い場所にモデルをデプロイできます
    • 7種類のタスク: 検出、インスタンスセグメンテーション、セマンティックセグメンテーション、深度推定、分類、姿勢推定、OBBに対応しています（タスクのドキュメントを参照）
    • AI支援アノテーション: SAM、YOLO、クラスプロンプト対応モデルを使ったスマートアノテーション（1～200クラスの検出データセットに対応）で、データ準備を効率化できます

  • Ultralytics Platformは、クラウドトレーニング向けに複数のGPUタイプをサポートしています。

    GPU世代VRAM最適な用途
    RTX 2000 AdaAda16 GB小規模データセット、テスト
    RTX A4500Ampere20 GB小～中規模のデータセット
    RTX A5000Ampere24 GB中規模のデータセット
    RTX 4000 AdaAda20 GB中規模のデータセット
    RTX 3090Ampere24 GB一般的なトレーニング
    RTX PRO 4000Blackwell24 GB低予算向けBlackwell
    L4Ada24 GB推論に最適化
    A40Ampere48 GB大きなバッチサイズ
    RTX A6000Ampere48 GB大規模モデル
    RTX PRO 4500Blackwell32 GB価格性能比に優れる
    L40Ada48 GB大規模モデル
    RTX 4090Ada24 GB一般的なトレーニング
    RTX PRO 5000Blackwell48 GB大きなバッチでのトレーニング
    RTX 6000 AdaAda48 GB大きなバッチでのトレーニング
    L40SAda48 GB大きなバッチでのトレーニング
    RTX 5090Blackwell32 GB最新のコンシューマー向け世代
    A100 PCIeAmpere80 GB本番環境向けトレーニング
    A100 SXMAmpere80 GB本番環境向けトレーニング
    RTX PRO 6000Blackwell96 GB推奨デフォルト
    H100 PCIeHopper80 GB高性能トレーニング
    H100 NVLHopper94 GB最大限のパフォーマンス
    H200 NVLHopper143 GB最大メモリ
    H100 SXMHopper80 GB最速のトレーニング
    H200 SXMHopper141 GB最大限のパフォーマンス
    B200Blackwell180 GB大規模モデル（Pro+）
    B300Blackwell288 GB最大規模のモデル（Pro+）

    現在の時間単位の料金は、トレーニングダイアログのGPU選択メニューと料金ページに表示されます。

    GPUの全オプションについては、Cloud Trainingをご覧ください。

  • お使いのハードウェアでモデルをトレーニングし、リアルタイムのメトリクスをUltralytics Platformにストリーミングできます。

    パッケージのバージョン要件

    Platformとの連携には、Python>=3.11およびultralytics>=8.4.120が必要です。これより古いバージョンはPlatformで動作しません。

    pip install "ultralytics>=8.4.120"
    # Set your API key
export ULTRALYTICS_API_KEY="YOUR_API_KEY"

# Train with project/name to stream metrics
yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1

    リモートトレーニングの詳細については、Cloud Trainingをご覧ください。

  • Platformには、次の機能をサポートする高機能なアノテーションエディターが含まれています。

    • 手動ツール：バウンディングボックス、ポリゴン、スケルトンテンプレートを使ったキーポイント、回転ボックス、分類
    • スケルトンテンプレート：組み込み（Person、Hand、Dog、Face、Box）またはカスタムのテンプレートを使って、すべてのキーポイントを一度に配置できます
    • スマートアノテーション: SAM 2.1、SAM 3、または SAM 3.1（デフォルト）を使用して、検出、セグメンテーション、セマンティック、OBBデータセットでクリックベースのアノテーションを行えます。また、これらのタスクとポーズには、ツールバーから事前学習済みのUltralytics YOLOモデルや独自にファインチューニングしたYOLOモデルを実行できます。さらに、クラス数が1～200の検出データセットでは、クラスプロンプト対応モデルを実行できます。選択肢は、ホスト型のオープンソースモデル9種類（Batch AnnotationではデフォルトでMoondream 3.1を使用し、早期アクセスを有効にするともう1種類利用可能）、ホスト型のテキストプロンプト対応SAM 3とSAM 3.1、または Settings > API Keys でプロバイダーキーを設定して使用する、OpenAI、Anthropic、Google、Meta、SpaceXAI、DeepSeek、Z.ai、Kimi、Xiaomi MiMo、Alibaba、MiniMax、Tencentの有料ビジョンモデルです。
    • キーボードショートカット：エディターのショートカットポップオーバーに一覧表示されるホットキーを使って、効率的なワークフローを実現できます
    ショートカット操作
    V手動（描画）モード
    Sスマートモード（SAM、YOLO、またはクラスプロンプト対応モデル）
    P予測（スマートモード時）
    A自動適用の切り替え（SAMスマートモード）
    1 - 9番号でクラスを選択
    Hアノテーション表示の切り替え
    Space + ドラッグ、または中クリックしながらドラッグキャンバスをパン
    Delete / Backspace選択したアノテーションを削除
    Ctrl+Sアノテーションを保存
    Ctrl+Z元に戻す
    Ctrl+Yやり直す
    Escape保存／選択解除／終了

    完全なガイドについては、Annotationをご覧ください。

  • Platform は、Ultralytics のエクスポートモードと同じ 23 種類のデプロイフォーマットに対応しています。PyTorch がソースフォーマットであり、format 引数がある各行がエクスポート先です。

    形式format引数モデルメタデータ引数
    PyTorch-yolo26n.pt✅-
    TorchScripttorchscriptyolo26n.torchscript✅imgsz, quantize, dynamic, nms, batch, device
    ONNXonnxyolo26n.onnx✅imgsz, quantize, dynamic, simplify, opset, nms, batch, data, fraction, device
    OpenVINOopenvinoyolo26n_openvino_model/✅imgsz, quantize, dynamic, nms, batch, data, fraction, device
    TensorRTengineyolo26n.engine✅imgsz, quantize, dynamic, simplify, opset, workspace, nms, batch, data, fraction, device
    CoreMLcoremlyolo26n.mlpackage✅imgsz, dynamic, quantize, nms, batch, device
    Apple Core AIcoreaiyolo26n.aimodel✅imgsz, batch, quantize
    TF SavedModelsaved_modelyolo26n_saved_model/✅imgsz, quantize, opset, nms, batch, data, fraction, device
    TF GraphDefpbyolo26n.pb❌imgsz, opset, batch, device
    TF Edge TPUedgetpuyolo26n_edgetpu.tflite✅imgsz, quantize, opset, data, fraction, device
    LiteRTlitertyolo26n.tflite✅imgsz, quantize, batch, data, fraction, device
    PaddlePaddlepaddleyolo26n_paddle_model/✅imgsz, batch, device
    MNNmnnyolo26n.mnn✅imgsz, batch, dynamic, quantize, simplify, opset, nms, device
    NCNNncnnyolo26n_ncnn_model/✅imgsz, quantize, device
    IMX500imxyolo11n_imx_model/✅imgsz, quantize, data, fraction, nms, device
    RKNNrknnyolo26n_rknn_model/✅imgsz, batch, name, quantize, simplify, opset, data, fraction, device
    ExecuTorchexecutorchyolo26n_executorch_model/✅imgsz, batch, device
    Axeleraaxelerayolo26n_axelera_model/✅imgsz, batch, quantize, data, fraction, device
    DEEPXdeepxyolo26n_deepx_model/✅imgsz, quantize, simplify, opset, data, optimize, device
    Qualcomm QNNqnnyolo26n_qnn.onnx✅imgsz, batch, name, quantize, simplify, opset, data, fraction, device
    Hailohailoyolo26n_hailo_model/✅imgsz, name, quantize, data, fraction, simplify, conf, iou, device
    Huawei Ascendascendyolo26n_ascend_model/✅imgsz, batch, name, quantize, opset, simplify, nms, device
    AMD Xilinxxilinxyolo26n_xilinx_model/✅imgsz, name, quantize, data, fraction, opset, simplify, device
    NXPnxpyolo26n_nxp.tflite✅imgsz, quantize, data, fraction, device

    nms=None は、外部NMS用にデフォルトでraw出力を返します（YOLO26はAxelera上でNMSフリーヘッドを維持します）。利用可能なNMSフリーヘッドを選択するには、nms=Falseを設定します。非対応の形式では、ネイティブの出力経路にフォールバックします。上記のnmsの項目は、nms=Trueを使用してNMSを埋め込める形式を示しています。

    形式ごとのオプションについては、Models Export、エクスポートモードガイド、インテグレーション一覧をご覧ください。

コントリビューター
glenn-jocherglenn-jocher49raimbekovmraimbekovm13pderrengerpderrenger4laodouyalaodouya3JaviChulviJaviChulvi2sergiuwaxmannsergiuwaxmann2sokrisbasokrisba1francesco-mttlfrancesco-mttl1Laughing-qLaughing-q1

コメント4

質問したり、結果を共有したり、ほかの人をサポートしたりできます。

  1. WDWeihua Duan

    我觉得在上传数据集方面还可以再改进改进，具体说明上传的文件夹的格式，而且现在只能上传训练集images和labels，之前我们用的数据集还有验证集哪些val，需要手工改，比较麻烦，能不能自动识别

    2. Glenn JocherUltralytics

      感谢反馈，也收到“那些”的笔误说明；关于上传，平台已支持按标准 YOLO 目录自动识别 train/val/test，无显式 split 的平铺图片上传时也可按当前目标 split 导入并在缺少划分时自动生成一部分 val，可参考 Datasets 文档，如果你愿意也欢迎把你的目录树直接贴在这里，Ultralytics 团队会据此补充更清晰的中文示例。

  2. Sebastian Borja

    Hello Ultralytics Support Team,

    I’m currently experiencing an issue on the Ultralytics Platform while trying to train a model. My dataset is approximately 21 GB, and when I attempt to download the dataset or start training, the platform returns a “500 Internal Server Error.”

    Could you please help me investigate and resolve this issue?

    Details:

    Dataset size: ~21 GB

    Action: Download dataset / Start training

    Error: 500 Internal Server Error

    If helpful, I can provide the project/workspace link, timestamp of the failure, browser/OS details, and any logs or screenshots you need to diagnose it.

    Thank you in advance for your support.