Ultralytics YOLOによるモデル推論#

はじめに#

機械学習やコンピュータービジョンの世界では、ビジュアルデータを解釈するプロセスは、一般に推論または予測と呼ばれます。Ultralytics YOLO26は、幅広いデータソースに対して高性能なリアルタイム推論を実行できる、predictモードという強力な機能を提供します。

予定されている推論の例については、未リリースの YOLO27 プレビューをご覧ください。

実世界でのアプリケーション#

推論にUltralytics YOLOを使用する理由#

さまざまな推論ニーズにYOLO26のpredictモードを検討すべき理由は次のとおりです。

• 汎用性: 画像、動画、さらにはライブストリームに対して推論を実行できます。
• パフォーマンス: 精度を犠牲にすることなく、リアルタイムの高速処理を実現するよう設計されています。
• 使いやすさ: 直感的なPythonおよびCLIインターフェースにより、迅速なデプロイとテストが可能です。
• 高いカスタマイズ性: 特定の要件に応じて、モデルの推論動作を調整するためのさまざまな設定とパラメーターを利用できます。
• 本番環境対応: 自動スケーリングとモニタリングに対応したUltralytics Platformの推論エンドポイントとしてモデルをデプロイするか、ローカルで推論を実行できます。

Predictモードの主な機能#

YOLO26のpredictモードは、次の機能を備えた堅牢で汎用性の高い設計です。

• 複数データソースへの対応: 個々の画像、画像のコレクション、動画ファイル、リアルタイム動画ストリームなど、データ形式を問わずpredictモードで処理できます。
• ストリーミングモード: ストリーミング機能を使用すると、メモリ効率に優れたResultsオブジェクトのジェネレーターを生成できます。predictorのcallメソッドでstream=Trueを設定すると有効になります。すべての結果を含むリストを返すデフォルトの動作（stream=False）とは異なり、stream=Trueは結果を1件ずつ返すため、長時間の動画やライブストリームに特に役立ちます。
• バッチ処理: 複数の画像や動画フレームを1つのバッチで処理し、推論全体の時間をさらに短縮できます。
• 統合の容易さ: 柔軟なAPIにより、既存のデータパイプラインや他のソフトウェアコンポーネントと簡単に統合できます。

Ultralytics YOLOモデルは、推論時にモデルへstream=Trueを渡すと、Pythonリスト形式のResultsオブジェクト、またはメモリ効率に優れたResultsオブジェクトのジェネレーターを返します。

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.pt")  # pretrained YOLO26n model

# Run batched inference on a list of images
results = model(["image1.jpg", "image2.jpg"])  # return a list of Results objects

# Process results list
for result in results:
    boxes = result.boxes  # Boxes object for bounding box outputs
    masks = result.masks  # Masks object for segmentation masks outputs
    keypoints = result.keypoints  # Keypoints object for pose outputs
    probs = result.probs  # Probs object for classification outputs
    obb = result.obb  # Oriented boxes object for OBB outputs
    result.show()  # display to screen
    result.save(filename="result.jpg")  # save to disk

推論ソース#

YOLO26は、下表に示すように、さまざまな種類の入力ソースを推論用に処理できます。ソースには、静止画像、動画ストリーム、さまざまなデータ形式が含まれます。また、各ソースをstream=True ✅という引数でストリーミングモードに使用できるかどうかも示しています。ストリーミングモードは、すべてのフレームをメモリに読み込む代わりに結果のジェネレーターを生成するため、動画やライブストリームの処理に有効です。

各ソースタイプを使用するコード例を以下に示します。

from ultralytics import YOLO

# Load a pretrained YOLO26n model
model = YOLO("yolo26n.pt")

# Define path to the image file
source = "path/to/image.jpg"

# Run inference on the source
results = model(source)  # list of Results objects

推論引数#

model.predict()は、デフォルト値を上書きするために推論時に渡せる複数の引数を受け付けます。

固定形状と最小矩形（rect）#

デフォルトでは、predictは**rect=Trueを使用します。これにより、可能な場合は最小矩形のパディングが有効になります。画像はimgsz内に収まるようにスケーリングされ、最も近いストライドの倍数までのみパディングされるため、最終的なテンソルはimgszより小さくなる場合があります。最小矩形のパディングは、バッチ内のすべての画像が同じ形状であり、バックエンドが対応している場合（PyTorchの.pt、または動的ONNX / Triton）のみ使用されます。それ以外の場合、画像は完全な**imgszターゲットまでパディングされます。

常に完全なimgszターゲットまでパディングするには、**rect=False**を使用します。エクスポートしたモデル（ONNX、TensorRTなど）に合わせて固定入力サイズが必要な場合に推奨されます。

整数とタプルのimgsz

• 整数のimgsz=640は、ストライドの丸め処理後に正方形のターゲット(640, 640)になります。
• タプルのimgsz=(384, 672)は、長方形のターゲットを設定します。rect=Trueとauto=Trueを使用すると、実際のテンソルはこのターゲットより小さくなる場合があります。

トレーニングとpredict/export

トレーニングで受け付けられるimgszは単一の整数のみです（[h, w]のリストは最大値に変換されます）。predictとexportでは、整数または(height, width)タプルのいずれかを使用できます。

from ultralytics import YOLO

# Load a pretrained YOLO26n model
model = YOLO("yolo26n.pt")

# Run inference on 'bus.jpg' with arguments
model.predict("https://ultralytics.com/images/bus.jpg", save=True, imgsz=320, conf=0.25)

推論引数:

可視化引数:

画像および動画の形式#

YOLO26は、ultralytics/data/utils.pyで指定されているさまざまな画像および動画形式に対応しています。有効なサフィックスとpredictコマンドの例については、以下の表を参照してください。

画像#

以下の表には、有効なUltralytics画像形式が記載されています。

動画#

以下の表には、Ultralyticsで使用できる動画形式が記載されています。

結果の操作#

Ultralyticsのすべてのpredict()呼び出しは、Resultsオブジェクトのリストを返します。

from ultralytics import YOLO

# Load a pretrained YOLO26n model
model = YOLO("yolo26n.pt")

# Run inference on an image
results = model("https://ultralytics.com/images/bus.jpg")
results = model(
    [
        "https://ultralytics.com/images/bus.jpg",
        "https://ultralytics.com/images/zidane.jpg",
    ]
)  # batch inference

Resultsオブジェクトには、次の属性があります。

タスク別の結果#

以下に入るフィールドはモデルのタスクによって異なります。まだタスクを選んでいない場合は、検出、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を比較してください。各予測は、画像またはフレームごとに1つの Results オブジェクトを返します。上記の共通フィールドは常に利用可能ですが、タスク固有の予測データは以下のフィールドに格納されます。YOLOの座標および信頼度テンソルは torch.float32 であり、確率テンソルは、半精度が使用されていない限り torch.float32 となり、使用されている場合は torch.float16 となります。result.numpy() の後、テンソルは対応するNumPyのデータ型を持つNumPy配列になります。インスタンスマスクは torch.uint8 バイナリテンソルであり、セマンティックマスクはクラス数に応じて、クラスIDに最小限の実用的な整数データ型（torch.uint8、torch.int16、または torch.int32）を使用します。

Resultsオブジェクトには、次のメソッドがあります。

詳細については、Resultsクラスのドキュメントを参照してください。

ボックス#

Boxesオブジェクトを使用して、バウンディングボックスのインデックス付け、操作、異なる形式への変換を行えます。

from ultralytics import YOLO

# Load a pretrained YOLO26n model
model = YOLO("yolo26n.pt")

# Run inference on an image
results = model("https://ultralytics.com/images/bus.jpg")  # results list

# View results
for r in results:
    print(r.boxes)  # print the Boxes object containing the detection bounding boxes

以下は、Boxesクラスのメソッドとプロパティ、その名前、型、説明をまとめた表です。

詳細については、Boxesクラスのドキュメントを参照してください。

マスク#

Masksオブジェクトを使用して、マスクのインデックス付け、操作、セグメントへの変換を行えます。

from ultralytics import YOLO

# Load a pretrained YOLO26n-seg Segment model
model = YOLO("yolo26n-seg.pt")

# Run inference on an image
results = model("https://ultralytics.com/images/bus.jpg")  # results list

# View results
for r in results:
    print(r.masks)  # print the Masks object containing the detected instance masks

以下は、Masksクラスのメソッドとプロパティ、その名前、型、説明をまとめた表です。

詳細については、Masksクラスのドキュメントを参照してください。

SemanticMask#

SemanticMaskは、セマンティックセグメンテーション結果の密なクラスマップを1つ保持します。Masksとは異なり、オブジェクトごとのバイナリマスクを1つずつ含まず、ポリゴンヘルパーも提供しません。

from ultralytics import YOLO

# Load a pretrained YOLO26n-sem Semantic model
model = YOLO("yolo26n-sem.pt")

# Run inference on an image
results = model("https://ultralytics.com/images/bus.jpg")  # results list

# View results
for r in results:
    print(r.semantic_mask.data)  # print the H x W class-ID map

キーポイント#

Keypoints オブジェクトを使用して、座標のインデックス指定、操作、正規化を行えます。

from ultralytics import YOLO

# Load a pretrained YOLO26n-pose Pose model
model = YOLO("yolo26n-pose.pt")

# Run inference on an image
results = model("https://ultralytics.com/images/bus.jpg")  # results list

# View results
for r in results:
    print(r.keypoints)  # print the Keypoints object containing the detected keypoints

以下は、Keypointsクラスのメソッドとプロパティ、その名前、型、説明をまとめた表です。

詳細については、Keypointsクラスのドキュメントを参照してください。

Probs#

Probs オブジェクトを使用して、top1 と top5 の分類インデックスおよびスコアを取得できます。

from ultralytics import YOLO

# Load a pretrained YOLO26n-cls Classify model
model = YOLO("yolo26n-cls.pt")

# Run inference on an image
results = model("https://ultralytics.com/images/bus.jpg")  # results list

# View results
for r in results:
    print(r.probs)  # print the Probs object containing the detected class probabilities

以下の表に、Probs クラスのメソッドとプロパティをまとめます。

詳細については、Probsクラスのドキュメントを参照してください。

OBB#

OBB オブジェクトを使用して、方向付きバウンディングボックスのインデックス指定、操作、および異なる形式への変換を行えます。

from ultralytics import YOLO

# Load a pretrained YOLO26n model
model = YOLO("yolo26n-obb.pt")

# Run inference on an image
results = model("https://ultralytics.com/images/boats.jpg")  # results list

# View results
for r in results:
    print(r.obb)  # print the OBB object containing the oriented detection bounding boxes

以下は、OBBクラスのメソッドとプロパティ、その名前、型、説明をまとめた表です。

詳細については、OBBクラスのドキュメントを参照してください。

結果のプロット#

Results オブジェクトの plot() メソッドは、検出したオブジェクト（バウンディングボックス、マスク、キーポイント、確率など）を元の画像に重ね合わせることで、予測結果を可視化します。このメソッドは注釈付き画像をNumPy配列として返すため、簡単に表示または保存できます。

from PIL import Image

from ultralytics import YOLO

# Load a pretrained YOLO26n model
model = YOLO("yolo26n.pt")

# Run inference on 'bus.jpg'
results = model(["https://ultralytics.com/images/bus.jpg", "https://ultralytics.com/images/zidane.jpg"])  # results list

# Visualize the results
for i, r in enumerate(results):
    # Plot results image
    im_bgr = r.plot()  # BGR-order numpy array
    im_rgb = Image.fromarray(im_bgr[..., ::-1])  # RGB-order PIL image

    # Show results to screen (in supported environments)
    r.show()

    # Save results to disk
    r.save(filename=f"results{i}.jpg")

plot()メソッドのパラメータ#

plot() メソッドは、出力をカスタマイズするためのさまざまな引数に対応しています。

スレッドセーフな推論#

異なるスレッド間で複数のYOLOモデルを並列実行する場合、推論中のスレッドセーフ性を確保することが重要です。スレッドセーフな推論により、各スレッドの予測が分離され、互いに干渉しないことが保証されます。これにより、競合状態を回避し、一貫性と信頼性のある出力を確保できます。

マルチスレッドアプリケーションでYOLOモデルを使用する場合は、競合を防ぐために、各スレッドに個別のモデルオブジェクトをインスタンス化するか、スレッドローカルストレージを使用することが重要です。

from threading import Thread

from ultralytics import YOLO

def thread_safe_predict(model, image_path):
    """Performs thread-safe prediction on an image using a locally instantiated YOLO model."""
    model = YOLO(model)
    results = model.predict(image_path)
    # Process results

# Starting threads that each have their own model instance
Thread(target=thread_safe_predict, args=("yolo26n.pt", "image1.jpg")).start()
Thread(target=thread_safe_predict, args=("yolo26n.pt", "image2.jpg")).start()

YOLOモデルを使用したスレッドセーフな推論の詳細と手順については、YOLOスレッドセーフ推論ガイドを参照してください。このガイドでは、一般的な問題を回避し、マルチスレッド推論をスムーズに実行するために必要な情報をすべて説明します。

ストリーミングソース for-ループ#

OpenCV（cv2）とYOLOを使用して、ビデオフレームで推論を実行するPythonスクリプトです。このスクリプトでは、必要なパッケージ（opencv-python と ultralytics）がすでにインストールされていることを前提としています。

import cv2

from ultralytics import YOLO

# Load the YOLO model
model = YOLO("yolo26n.pt")

# Open the video file
video_path = "path/to/your/video/file.mp4"
cap = cv2.VideoCapture(video_path)

# Loop through the video frames
while cap.isOpened():
    # Read a frame from the video
    success, frame = cap.read()

    if success:
        # Run YOLO inference on the frame
        results = model(frame)

        # Visualize the results on the frame
        annotated_frame = results[0].plot()

        # Display the annotated frame
        cv2.imshow("YOLO Inference", annotated_frame)

        # Break the loop if 'q' is pressed
        if cv2.waitKey(1) & 0xFF == ord("q"):
            break
    else:
        # Break the loop if the end of the video is reached
        break

# Release the video capture object and close the display window
cap.release()
cv2.destroyAllWindows()

このスクリプトはビデオの各フレームで予測を実行し、結果を可視化してウィンドウに表示します。「q」を押すとループを終了できます。

次のステップ#

事前学習済みモデルの先に進む準備はできましたか？ご自身のタスクが問題に適合することを確認し、Datasetsガイドで独自のデータをフォーマットしてから、それを学習してください。

FAQ#