Ultralytics YOLO26 モード#
はじめに#
Ultralytics YOLO26 は単なる物体検出モデルではありません。データの取り込みやモデルのトレーニングから、検証、デプロイ、リアルタイム追跡に至るまで、機械学習モデルのライフサイクル全体をカバーするように設計された多目的フレームワークです。各モードは特定の目的を果たし、さまざまなタスクやユースケースに必要な柔軟性と効率性を提供できるように構築されています。
計画されているYOLO27のサポートについては、YOLO27 previewをご覧ください。YOLO27はまもなく登場予定であり、現在はまだ利用できません。このガイドでは、リリース済みのYOLO26モデルを使用しています。
Watch: Ultralytics Modes Tutorial: Train, Validate, Predict, Export & Benchmark.
モードの概要#
Ultralytics YOLO26 がサポートするさまざまな モード を理解することは、モデルを最大限に活用するために極めて重要です。
- Train モード：カスタムデータセットまたは事前ロードされたデータセットでモデルを微調整します。
- Val モード：モデルのパフォーマンスを検証するためのトレーニング後のチェックポイントです。
- Predict モード：現実世界のデータに対してモデルの予測能力を最大限に発揮させます。
- Export モード：さまざまな形式でモデルのデプロイが可能な状態にします。
- Track モード：物体検出モデルをリアルタイム追跡アプリケーションに拡張します。
- Benchmark モード：多様なデプロイ環境においてモデルの速度と精度を分析します。
この包括的なガイドは、各モードの概要と実践的な洞察を提供し、YOLO26 のポテンシャルを最大限に引き出すことを目的としています。
トレーニング#
Train モードは、カスタムデータセットで YOLO26 モデルをトレーニングするために使用されます。このモードでは、指定されたデータセットとハイパーパラメータを使用してモデルがトレーニングされます。トレーニングプロセスでは、画像内の物体のクラスと位置を正確に予測できるようにモデルのパラメータを最適化します。トレーニングは、アプリケーションに関連する特定の物体を認識できるモデルを作成するために不可欠です。
Val#
Val モードは、トレーニング済みの YOLO26 モデルを検証するために使用されます。このモードでは、検証セットでモデルを評価して精度と汎化性能を測定します。検証は、過剰適合などの潜在的な問題を特定するのに役立ち、モデルのパフォーマンスを定量化するために平均精度 (mAP) などのメトリクスを提供します。このモードは、ハイパーパラメータの調整とモデル全体の有効性の向上に不可欠です。
予測#
Predict mode is used for making predictions using a trained YOLO26 model on new images or videos. In this mode, the model is loaded from a checkpoint file, and the user can provide images or videos to perform inference. The model identifies and localizes objects in the input media, making it ready for real-world applications. Predict mode is the gateway to applying your trained model to solve practical problems.
エクスポート#
Export モードは、さまざまなプラットフォームやデバイス全体でのデプロイに適した形式に YOLO26 モデルを変換するために使用されます。このモードでは、PyTorch モデルを ONNX、TensorRT、CoreML などの最適化された形式に変換し、本番環境でのデプロイを可能にします。エクスポートは、モデルをさまざまなソフトウェアアプリケーションやハードウェアデバイスと統合するために不可欠であり、多くの場合、大幅なパフォーマンスの向上につながります。
Track#
Track モードは、YOLO26 の物体検出機能を拡張して、ビデオフレームやライブストリーム全体で物体を追跡します。このモードは、監視システムや自動運転車など、永続的な物体識別を必要とするアプリケーションに特に価値があります。TrackTrack（デフォルト）、BoT-SORT、ByteTrack、OC-SORT、Deep OC-SORT、FastTracker の 6 つのトラッカーが含まれています。
Benchmark#
Benchmark モードは、YOLO26 のさまざまなエクスポート形式の速度と精度をプロファイリングします。このモードでは、モデルサイズ、精度（検出タスクの場合は mAP50-95、または分類の場合は accuracy_top1）、および ONNX、OpenVINO、TensorRT などのさまざまな形式における推論時間に関する包括的なメトリクスを提供します。ベンチマークは、デプロイ環境における速度と精度の特定の要件に基づいて、最適なエクスポート形式を選択するのに役立ちます。
FAQ#
Ultralytics YOLO26 を使用したカスタム物体検出モデルのトレーニングには、train モードの使用が含まれます。画像と対応するアノテーションファイルを含む、YOLO 形式でフォーマットされたデータセットが必要です。トレーニングプロセスを開始するには、次のコマンドを使用します。
例from ultralytics import YOLO # Load a pretrained YOLO model (you can choose n, s, m, l, or x versions) model = YOLO("yolo26n.pt") # Start training on your custom dataset model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640)詳細な手順については、Ultralytics トレーニングガイドを参照してください。
Ultralytics YOLO26 は、モデルのパフォーマンスを評価するために検証プロセス中にさまざまなメトリクスを使用します。これらには以下が含まれます。
- mAP（平均精度）：これは物体検出の精度を評価します。
- IOU（Intersection over Union）：予測されたバウンディングボックスと正解のバウンディングボックスの重なりを測定します。
- 精度 (Precision) と 再現率 (Recall)：精度は、検出されたすべての正解のうち真陽性検出が占める割合を測定し、再現率は、実際のすべての正解のうち真陽性検出が占める割合を測定します。
検証を開始するには、次のコマンドを実行できます。
例from ultralytics import YOLO # Load a pretrained or custom YOLO model model = YOLO("yolo26n.pt") # Run validation on your dataset model.val(data="path/to/validation.yaml")詳細については、検証ガイドを参照してください。
Ultralytics YOLO26 は、トレーニング済みモデルを ONNX、TensorRT、CoreML などのさまざまなデプロイ形式に変換するエクスポート機能を提供します。モデルをエクスポートするには、次の例を使用します。
例from ultralytics import YOLO # Load your trained YOLO model model = YOLO("yolo26n.pt") # Export the model to ONNX format (you can specify other formats as needed) model.export(format="onnx")各エクスポート形式の詳細な手順については、エクスポートガイドをご覧ください。
Ultralytics YOLO26 のベンチマークモードは、ONNX、TensorRT、OpenVINO などのさまざまなエクスポート形式の速度と精度を分析するために使用されます。モデルサイズ、物体検出用の
mAP50-95、さまざまなハードウェア構成における推論時間などのメトリクスを提供し、デプロイのニーズに最も適した形式を選択するのに役立ちます。例from ultralytics.utils.benchmarks import benchmark # Run benchmark on GPU (device 0) # You can adjust parameters like model, dataset, image size, and precision as needed benchmark(model="yolo26n.pt", data="coco8.yaml", imgsz=640, device=0)詳細については、ベンチマークガイドを参照してください。
リアルタイムの物体追跡は、Ultralytics YOLO26 の track モードを使用して実現できます。このモードは物体検出機能を拡張し、ビデオフレームやライブフィード全体で物体を追跡します。追跡を有効にするには、次の例を使用します。
例from ultralytics import YOLO # Load a pretrained YOLO model model = YOLO("yolo26n.pt") # Start tracking objects in a video # You can also use live video streams or webcam input model.track(source="path/to/video.mp4")詳細な手順については、トラックガイドをご覧ください。