Meet YOLO26: next-gen vision AI.

Link to this sectionRoboflow#

Roboflowは、データラベリングや、YOLOを含む様々なフォーマットでのデータセットエクスポートを行うツールを提供します。このガイドでは、Ultralytics YOLOモデル向けデータのラベリング、エクスポート、デプロイ方法について解説します。

ライセンス

Ultralytics は、さまざまなユースケースに対応するため、2つのライセンスオプションを提供しています。

  • AGPL-3.0ライセンス: このOSI承認済みオープンソースライセンスは、学生や愛好家に最適であり、オープンなコラボレーションと知識の共有を促進します。詳細はLICENSEファイルを参照してください。
  • エンタープライズライセンス: 開発および本番環境での利用向けに、このライセンスは内部ツール、自動化されたワークフロー、本番環境へのデプロイメントなど、ビジネス製品やサービスへのUltralyticsソフトウェアおよびAIモデルのシームレスな統合を可能にし、AGPL-3.0のオープンソース要件を回避します。利用を開始するには、Ultralytics Licensingよりお問い合わせください。

詳細はUltralyticsライセンスページを参照してください。

このガイドでは、Roboflowを使用してカスタムUltralytics YOLO26モデルをトレーニングするためのデータを検索、ラベル付け、整理する方法を説明します。

Link to this sectionカスタムYOLO26モデルをトレーニングするためのデータ収集#

Roboflowは、Ultralytics YOLOモデルのデータ収集を支援する2つの主要なサービス（UniverseとCollect）を提供しています。データ収集戦略に関する一般的な情報については、データ収集・アノテーションガイドを参照してください。

Link to this sectionRoboflow Universe#

Roboflow Universeは、コンピュータビジョンのデータセットオンラインリポジトリです。Ultralyticsモデルで使用するために、データセットをYOLOフォーマットでエクスポートできます。

Link to this sectionRoboflow Collect#

画像を自分で収集したい場合、Roboflow CollectはエッジデバイスのWebカメラを通じて自動的な画像収集を可能にするオープンソースプロジェクトです。テキストや画像のプロンプトを使用して収集するデータを指定でき、モデルに必要な画像のみを効率的に収集できます。

Link to this sectionYOLO26フォーマット用のデータアップロード、変換、ラベリング#

Roboflow Annotateは、オブジェクト検出、分類、セグメンテーションなど、様々なコンピュータビジョンタスクのために画像にラベルを付けるオンラインツールです。

Ultralytics YOLOモデル用にデータをラベル付けするには、Roboflowでプロジェクトを作成し、画像をアップロードしてアノテーションを開始します。

Link to this sectionアノテーションツール#

  • バウンディングボックスアノテーション: Bを押すか、ボックスアイコンをクリックします。クリック＆ドラッグしてバウンディングボックスを作成します。ポップアップが表示され、アノテーションのクラスを選択するように促されます。
  • ポリゴンアノテーション: インスタンスセグメンテーションに使用します。Pを押すか、ポリゴンアイコンをクリックします。オブジェクトの周囲をクリックしてポリゴンを描画します。

Link to this sectionラベルアシスタント (SAM統合)#

Roboflowは、Segment Anything Model (SAM)ベースのラベルアシスタントを統合しており、アノテーション作業を効率化できる可能性があります。

ラベルアシスタントを使用するには、サイドバーのカーソルアイコンをクリックします。プロジェクトでSAMが有効になります。

オブジェクトにカーソルを合わせると、SAMがアノテーションを提案することがあります。クリックしてアノテーションを確定してください。提案された領域の内側または外側をクリックすることで、アノテーションの精度を調整できます。

Link to this sectionタグ付け#

サイドバーのタグパネルを使用して、画像にタグを追加できます。タグは場所やカメラソースなどの属性を表せます。これらのタグを使用して特定の画像を検索し、特定のタグを持つ画像を含むデータセットバージョンを生成できます。

Link to this sectionラベルアシスト (モデルベース)#

Roboflowでホストされているモデルをラベルアシストに使用して、アノテーションを提案させることができます。YOLOモデルの重みをRoboflowにアップロード（後述の手順を参照）し、サイドバーの魔法の杖アイコンからラベルアシストを有効にします。

Link to this sectionYOLO26向けデータセット管理#

Roboflowは、コンピュータビジョンのデータセットを理解し管理するためのツールをいくつか提供しています。

Link to this sectionデータセット検索#

データセット検索を使用して、テキスト記述や特定のラベル/タグに基づいて画像を検索します。この機能は、サイドバーの「Dataset」をクリックしてアクセスします。

Link to this sectionヘルスチェック#

トレーニング前にRoboflowヘルスチェックを使用して、データセットの洞察を得て潜在的な改善点を特定します。サイドバーの「Health Check」リンクからアクセスできます。画像サイズ、クラスバランス、アノテーションのヒートマップなどの統計情報を提供します。

Roboflow Health Check analysis dashboard

ヘルスチェックは、クラスバランス機能で特定されたクラスの偏りに対処するなど、パフォーマンス向上のための変更を提案する場合があります。データセットの状態を把握することは、効果的なモデルトレーニングにとって重要です。

Link to this sectionモデルの堅牢性を高めるためのデータ前処理と拡張#

データをエクスポートするには、特定の時点でのデータセットのスナップショットであるデータセットバージョンを作成する必要があります。サイドバーの「Versions」をクリックし、「Create New Version」を選択します。ここで、モデルの堅牢性を向上させるために、前処理ステップやデータ拡張を適用できます。

Creating Roboflow dataset version with augmentation

選択した各拡張について、ポップアップで明るさなどのパラメータを微調整できます。適切な拡張はモデルの汎化性能を大幅に向上させる可能性があり、これはモデルトレーニングのヒントガイドで詳しく議論されている重要な概念です。

Link to this sectionモデルトレーニング用に40以上のフォーマットでデータをエクスポート#

データセットバージョンが生成されたら、モデルトレーニングに適した様々なフォーマットでエクスポートできます。バージョンページにある「Export Dataset」ボタンをクリックします。

Roboflow dataset export to YOLO format

Ultralyticsトレーニングパイプラインとの互換性のために「YOLO26」フォーマットを選択します。これでカスタムYOLO26モデルをトレーニングする準備が整いました。エクスポートしたデータセットを使用してトレーニングを開始する方法の詳細は、Ultralytics Trainモードのドキュメントを参照してください。

Link to this sectionテストとデプロイのためのカスタムYOLO26モデル重みのアップロード#

Roboflowは、デプロイされたモデル用のスケーラブルなAPIと、NVIDIA Jetson、Luxonis OAK、Raspberry Pi、GPUベースのシステムなどのデバイスと互換性のあるSDKを提供します。当社のガイドで様々なモデルデプロイオプションを探索してください。

シンプルなPythonスクリプトを使用してモデルの重みをRoboflowにアップロードすることで、YOLO26モデルをデプロイできます。

新しいPythonファイルを作成し、以下のコードを追加します。

import roboflow  # install with 'pip install roboflow'

# Log in to Roboflow (requires API key)
roboflow.login()

# Initialize Roboflow client
rf = roboflow.Roboflow()

# Define your workspace and project details
WORKSPACE_ID = "your-workspace-id"  # Replace with your actual Workspace ID
PROJECT_ID = "your-project-id"  # Replace with your actual Project ID
VERSION = 1  # Replace with your desired dataset version number
MODEL_PATH = "path/to/your/runs/detect/train/"  # Replace with the path to your YOLO26 training results directory

# Get project and version
project = rf.workspace(WORKSPACE_ID).project(PROJECT_ID)
dataset = project.version(VERSION)

# Upload model weights for deployment
# Ensure MODEL_PATH points to the directory containing 'best.pt'
dataset.deploy(
    model_type="yolov8",
    model_path=MODEL_PATH,
)  # Note: Use "yolov8" as model_type for YOLO26 compatibility in Roboflow deployment

print(f"Model from {MODEL_PATH} uploaded to Roboflow project {PROJECT_ID}, version {VERSION}.")
print("Deployment may take up to 30 minutes.")

このコードでは、your-workspace-id、your-project-id、VERSION番号、およびMODEL_PATHを、ご自身のRoboflowアカウント、プロジェクト、およびローカルのトレーニング結果ディレクトリに固有の値に置き換えてください。MODEL_PATHが、トレーニング済みのbest.pt重みファイルを含むディレクトリを正しく指していることを確認してください。

上記のコードを実行すると、認証（通常はAPIキー経由）を求められます。その後、モデルがアップロードされ、プロジェクト用のAPIエンドポイントが作成されます。このプロセスには最大30分かかる場合があります。

モデルをテストし、サポートされているSDKのデプロイ手順を確認するには、Roboflowサイドバーの「Deploy」タブに移動します。このページの上部には、Webカメラを使用したり、画像や動画をアップロードしたりしてモデルをテストできるウィジェットが表示されます。

Roboflow deployment widget for model inference

アップロードしたモデルは、ラベルアシスタントとしても使用でき、トレーニングに基づいて新しい画像へのアノテーションを提案させることができます。

Link to this sectionYOLO26モデルの評価方法#

Roboflowは、モデルのパフォーマンスを評価するための機能を提供します。パフォーマンスメトリクスを理解することは、モデルを反復改善するために重要です。

モデルをアップロードした後、Roboflowダッシュボードのモデルページからモデル評価ツールにアクセスします。「View Detailed Evaluation」をクリックします。

Initiating a Roboflow model evaluation

このツールには、モデルのパフォーマンスを示す混同行列と、CLIP埋め込みを使用したインタラクティブなベクトル解析プロットが表示されます。これらの機能は、モデル改善の余地がある領域を特定するのに役立ちます。

混同行列のポップアップ:

A confusion matrix displayed in Roboflow

セルにカーソルを合わせると値が表示され、セルをクリックするとモデルの予測と正解データを含む対応する画像が表示されます。

「Vector Analysis」をクリックすると、CLIP埋め込みに基づく画像類似度を視覚化する散布図が表示されます。距離が近い画像は意味的に類似しています。ドットは画像を表し、白（良好なパフォーマンス）から赤（不十分なパフォーマンス）に色付けされています。

Roboflow vector analysis plot using CLIP embeddings

ベクトル解析は以下の用途に役立ちます:

  • 画像クラスターの特定。
  • モデルのパフォーマンスが低いクラスターのピンポイント特定。
  • パフォーマンス低下の原因となっている画像間の共通点の理解。

Link to this section学習リソース#

Link to this sectionFAQ#

Link to this sectionRoboflowを使ってYOLO26モデルのデータをラベル付けするにはどうすればよいですか？#

Use Roboflow Annotate. Create a project, upload images, and use the annotation tools (B for bounding boxes, P for polygons) or the SAM-based label assistant for faster labeling. Detailed steps are available in the Upload, Convert and Label Data section.

Link to this sectionRoboflowはYOLO26トレーニングデータの収集のためにどのようなサービスを提供していますか？#

RoboflowはUniverse（多数のデータセットへのアクセス）とCollect（Webカメラを通じた自動的な画像収集）を提供しています。これらは、YOLO26モデルに必要なトレーニングデータを取得するのに役立ち、データ収集ガイドで概説されている戦略を補完します。

Link to this sectionRoboflowを使ってYOLO26データセットを管理および分析するにはどうすればよいですか？#

Roboflowのデータセット検索、タグ付け、およびヘルスチェック機能を利用します。検索はテキストやタグによる画像検索を可能にし、ヘルスチェックは（クラスバランスや画像サイズなどの）データセット品質を分析してトレーニング前の改善を導きます。詳細はデータセット管理セクションを参照してください。

Link to this sectionRoboflowからYOLO26データセットをエクスポートするにはどうすればよいですか？#

Roboflowでデータセットバージョンを作成し、必要な前処理と拡張を適用してから、「Export Dataset」をクリックしてYOLO26フォーマットを選択します。手順はデータエクスポートセクションに概説されています。これにより、データがUltralyticsトレーニングパイプラインで使用可能な状態になります。

Link to this sectionRoboflowを使用してYOLO26モデルを統合およびデプロイするにはどうすればよいですか？#

提供されているPythonスクリプトを使用して、トレーニング済みのYOLO26重みをRoboflowにアップロードします。これにより、デプロイ可能なAPIエンドポイントが作成されます。スクリプトや手順についてはカスタム重みのアップロードセクションを参照してください。詳細なデプロイオプションは、当社のドキュメントで確認できます。

貢献者
GLglenn-jocher20RAraimbekovm1ONonuralpszr1PDpderrenger1LEleonnil1MAMatthewNoyce1RIRizwanMunawar1BUBurhan-Q1

コメント