Ultralytics YOLOによるモデル推論#

はじめに#

機械学習とコンピュータビジョンの世界において、視覚データを理解するプロセスは、多くの場合、推論（インフェレンス）や予測と呼ばれます。Ultralytics YOLO26は、幅広いデータソースに対して高性能でリアルタイムな推論を行うために最適化された、**予測モード（predict mode）**という強力な機能を提供します。

実世界での応用#

製造	スポーツ	安全性
車両スペアパーツ検出	サッカー選手検出	人転倒検出

推論にUltralytics YOLOを使用する理由#

YOLO26の予測モードを多様な推論ニーズに活用すべき理由は以下の通りです。

• 汎用性: 画像、動画、さらにはライブストリームに対しても推論を実行可能です。
• パフォーマンス: 精度を犠牲にすることなく、リアルタイムかつ高速な処理を実現するように設計されています。
• 使いやすさ: 迅速なデプロイとテストのための直感的なPythonおよびCLIインターフェースを提供します。
• 高度なカスタマイズ性: 特定の要件に合わせてモデルの推論動作を調整するための多様な設定やパラメータを用意しています。
• 本番環境対応: 自動スケーリングとモニタリングを備えたUltralytics Platform inference endpointsとしてモデルをデプロイするか、ローカルで推論を実行します。

予測モードの主な機能#

YOLO26の予測モードは堅牢かつ多用途になるよう設計されており、以下の機能を備えています。

• 複数のデータソースへの互換性: データが個別の画像、画像の集合、動画ファイル、リアルタイムビデオストリームのいずれであっても、予測モードが対応します。
• ストリーミングモード: ストリーミング機能を使用して、メモリ効率の高い Results オブジェクトのジェネレータを生成します。これは、予測子のコールメソッドで stream=True を設定することで有効になります。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つずつ生成（yield）するため、長時間の動画やライブストリームにおいて特に便利です。
• バッチ処理: 複数の画像や動画フレームを単一のバッチで処理し、全体の推論時間をさらに削減します。
• 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容易に統合可能です。

Ultralytics YOLO モデルは、推論時に stream=True がモデルに渡された場合、Results オブジェクトの Python リスト、またはメモリ効率の良い Results オブジェクトのジェネレーターのいずれかを返します:

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、以下の表に示すように、推論のためのさまざまなタイプの入力ソースを処理できます。ソースには、静止画、ビデオストリーム、およびさまざまなデータ形式が含まれます。また、各ソースが引数 stream=True ✅ を指定してストリーミングモードで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を作成するため、動画やライブストリームの処理に有益です。

各ソースタイプを使用するための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

推論の引数#

model.predict() は、デフォルトを上書きするために推論時に渡すことができる複数の引数を受け入れます:

固定形状対最小矩形（rect）#

デフォルトでは、predictは rect=True を使用し、可能な場合に最小矩形（minimum-rectangle）パディングを有効にします。画像は imgsz に収まるようにスケーリングされ、ストライドの倍数に最も近いようにのみパディングされるため、最終的なテンソルは imgsz よりも小さくなる可能性があります。最小矩形パディングは、バッチ内のすべての画像が同じ形状を持ち、バックエンドがそれをサポートしている場合（PyTorch .pt、または動的ONNX / Triton）にのみ使用されます。それ以外の場合、画像は完全な imgsz ターゲットにパディングされます。

常に完全な imgsz ターゲットにパディングするには、rect=False を使用します。これは、エクスポートされたモデル（ONNX、TensorRT など）に一致する固定の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、ストライド丸め処理の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 および auto=True を使用する場合、実際のテンソルはこのターゲットよりも小さくなる可能性があります。

トレーニング対予測/エクスポート

トレーニングでは単一の整数 imgsz のみが受け入れられます（[h, w] リストは最大値に強制されます）。予測（Predict）およびエクスポートでは、整数または (height, width) タプルのいずれかが受け入れられます。

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)

推論の引数:

視覚化の引数:

画像およびビデオ形式#

YOLO26は、ultralytics/data/utils.pyで指定されているように、さまざまな画像および動画形式をサポートしています。有効な拡張子と予測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#

下の表には、有効な Ultralytics 画像形式が含まれています。

動画#

以下の表は、サポートされているUltralyticsの動画フォーマットを示しています。

結果の処理#

すべての Ultralytics 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#

以下のどのフィールドにデータが設定されるかは、モデルのタスクによって異なります。まだ選択していない場合は、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、ポーズ、および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。座標、信頼度、および確率テンソルは、半精度（half precision）が使用されていない限り torch.float32 であり、使用されている場合は torch.float16 です。result.numpy() の後、テンソルは一致するNumPy dtype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に最小限の現実的な整数dtype（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作成、操作、および異なる形式への変換を行うことができます。

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、名前、型、説明を含む Boxes クラスのメソッドとプロパティの表です:

詳細については、Boxes クラスドキュメントを参照してください。

Masks#

Masks オブジェクトを使用して、マスクのインデックス作成、操作、およびセグメントへの変換を行うことができます。

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、名前、型、説明を含む Masks クラスのメソッドとプロパティの表です:

詳細については、Masks クラス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1つの高密度クラスマップを格納します。Masks とは異なり、オブジェクトごとに1つのバイナリマスクを含まず、ポリゴンヘルパーを提供しません。

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

Keypoints#

Keypoints オブジェクトを使用して、座標のインデックス作成、操作、および正規化を行うことができます。

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、名前、型、説明を含む Keypoints クラスのメソッドとプロパティの表です:

詳細については、Keypoints クラス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 および top5 の分類インデックスと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

以下は、Probs クラスのメソッドとプロパティをまとめた表です:

詳細については、Probs クラスドキュメントを参照してください。

OBB（指向性バウンディングボックス）#

OBB オブジェクトを使用して、指向性バウンディングボックス（oriented bounding boxes）のインデックス作成、操作、および異なる形式への変換を行うことができます。

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、名前、型、説明を含む OBB クラスのメソッドとプロパティの表です:

詳細については、OBB クラス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、検出されたオブジェクト（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て予測の可視化を容易にします。このメソッドはアノテーション付き画像を NumPy 配列として返すため、簡単に表示や保存を行うことができます。

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をサポートしています。

スレッドセーフな推論#

異なるスレッドで複数の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、互いに干渉することなく、競合状態を回避し、一貫性のある信頼性の高い出力を保証します。

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、競合を防ぐためにスレッドごと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な解説と手順については、YOLO Thread-Safe Inference Guide をご覧ください。このガイドでは、一般的な落とし穴を回避し、マルチスレッド推論を円滑に実行するために必要なすべての情報を提供します。

ストリーミングソース for ループ#

以下は、OpenCV (cv2) と YOLO を使用してビデオフレーム上で推論を実行する Python スクリプトです。このスクリプトは、必要なパッケージ (opencv-python および 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に対して予測を実行し、結果を視覚化してウィンドウに表示します。ループは 'q' を押すと終了できます。

次のステップ#

事前学習済みモデルの段階から先に進む準備はできましたか？自分のタスクが問題に適しているか確認し、Datasets guide で独自のデータをフォーマットしてから、そのデータでトレーニングします。

よくある質問 (FAQ)#

Ultralytics YOLOとは何ですか。また、リアルタイム推論のためのpredictモードとはどのようなものですか？#

Ultralytics YOLO は、リアルタイムのobject detection、instance segmentation、semantic segmentation、depth estimation、およびclassificationのための最先端モデルです。そのpredict modeを使用すると、画像、動画、ライブストリームなどのさまざまなデータソースに対して高速な推論を実行できます。パフォーマンスと汎用性を重視して設計されており、バッチ処理やストリーミングモードも提供しています。機能の詳細については、Ultralytics YOLO predict mode を確認してください。

Ultralytics YOLOを使用してさまざまなデータソースで推論を実行するにはどうすればよいですか？#

Ultralytics YOLO は、個別の画像、動画、ディレクトリ、URL、ストリームなど、幅広いデータソースを処理できます。データソースは model.predict() 呼び出しで指定します。たとえば、ローカル画像の場合は 'image.jpg' を使用し、URL の場合は 'https://ultralytics.com/images/bus.jpg' を使用します。さまざまなinference sources の詳細な例については、ドキュメントをご確認ください。

YOLOの推論速度とメモリ使用量を最適化するにはどうすればよいですか？#

推論速度を最適化し、メモリを効率的に管理するには、予測子の呼び出しメソッドで stream=True を設定してストリーミングモードを使用できます。ストリーミングモードでは、すべてのフレームをメモリに読み込むのではなく、メモリ効率の高い Results オブジェクトのジェネレータが生成されます。長時間の動画や大規模なデータセットを処理する場合、ストリーミングモードは特に便利です。streaming mode の詳細については、こちらをご覧ください。

Ultralytics YOLOはどのような推論引数をサポートしていますか？#

YOLO の model.predict() メソッドは、conf、iou、imgsz、device などのさまざまな引数をサポートしています。これらの引数を使用すると、信頼度の閾値、画像サイズ、計算に使用するデバイスなどのパラメータを設定して、推論プロセスをカスタマイズできます。これらの引数の詳細な説明については、inference arguments セクションをご覧ください。

YOLOモデルから埋め込み（embeddings）を抽出するにはどうすればよいですか？#

最後から2番目のレイヤーから特徴量埋め込みを抽出するには model.embed(source) を使用するか、model.predict() に embed=[layer_index] を渡して特定のレイヤーを選択します。

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
source = "https://ultralytics.com/images/bus.jpg"

results = model.predict(source)  # Results objects
embeddings = model.embed(source)  # list of torch.Tensor embeddings

YOLO予測の結果を視覚化して保存するにはどうすればよいですか？#

YOLOで推論を実行した後、Results オブジェクトには、アノテーション付き画像の表示および保存用のメソッドが含まれます。result.show() や result.save(filename="result.jpg") などのメソッドを使用して、結果を視覚化および保存できます。ファイル名パス内の欠落している親ディレクトリは自動的に作成されます（例：result.save("path/to/result.jpg")）。これらのメソッドの包括的なリストについては、working with results セクションをご参照ください。