Ultralytics YOLOによるモデル予測#

はじめに#

機械学習とコンピュータービジョンの分野では、視覚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には、幅広いデータソースに対応した高性能なリアルタイム推論向けのpredictモードが用意されています。

今後の推論例については、未公開のYOLO27プレビューを参照してください。

実世界での活用例#

Ultralytics YOLOを推論に使用する理由#

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でも推論を実行できます。
• パフォーマンス: 精度を損なうことなく、リアルタイムの高速処理を実現できるように設計されています。
• 使いやすさ: 直感的に使える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: さまざまな設定やパラメーターを調整して、特定の要件に合わせてモデルの推論動作をカスタマイズできます。
• 本番環境に対応: モデルをUltralytics Platformの推論エンドポイントとしてデプロイし、自動スケーリングとモニタリングを利用するか、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、堅牢性と汎用性を備えるように設計されており、次の機能を備えています。

• 複数のデータソースとの互換性: 個別の画像、画像のコレクション、動画ファイル、リアルタイムの動画ストリームなど、データ形式を問わずpredictモードを利用できます。
• ストリーミングモード: ストリーミング機能を使用して、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つずつ返すため、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: 複数の画像または動画フレームを1つのバッチで処理することで、推論の合計時間をさらに短縮できます。
• 統合しやすさ: 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stream=Trueをモデルに渡すと、ResultsオブジェクトのPythonリスト、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

# モデルを読み込む
model = YOLO("yolo26n.pt")  # 事前学習済みYOLO26nモデル

# 画像のリストに対してバッチ推論を実行
results = model(["image1.jpg", "image2.jpg"])  # Resultsオブジェクトのリストを返す

# 結果のリストを処理
for result in results:
    boxes = result.boxes  # バウンディングボックス出力用のBoxesオブジェクト
    masks = result.masks  # セグメンテーションマスク出力用のMasksオブジェクト
    keypoints = result.keypoints  # ポーズ出力用のKeypointsオブジェクト
    probs = result.probs  # 分類出力用のProbsオブジェクト
    obb = result.obb  # OBB出力用のOriented boxesオブジェクト
    result.show()  # 画面に表示
    result.save(filename="result.jpg")  # ディスクに保存

推論ソース#

YOLO26は、以下の表に示すように、さまざまな種類の入力ソースを推論に使用できます。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 ✅引数を指定した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では、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作成するため、動画やライブストリームの処理に適しています。

以下は、各ソースタイプを使用するコード例です。

from ultralytics import YOLO

# 事前学習済みYOLO26nモデルを読み込む
model = YOLO("yolo26n.pt")

# 画像ファイルへのパスを定義
source = "path/to/image.jpg"

# ソースに対して推論を実行
results = model(source)  # Resultsオブジェクトのリスト

推論引数#

model.predict() は、デフォルト設定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、可能な場合は 最小矩形 の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、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の形状が同じ で、バックエンドが対応している場合（PyTorch .pt、または動的ONNXなどの動的形状エクスポート）にのみ使用されます。それ以外の場合、画像は 完全な imgsz のターゲットサイズまでパディングされます。

常に完全な imgsz のターゲットサイズまでパディングするには、rect=False を使用します。エクスポート済みモデル（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 imgsz

• 整数 の imgsz=640 は、ストライドに合わせて丸められた後、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 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るのは単一の整数 imgsz のみです（[h, w] 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) タプルを使用できます。

from ultralytics import YOLO

# 事前学習済みYOLO26nモデルを読み込む
model = YOLO("yolo26n.pt")

# 'bus.jpg'で引数を指定して推論を実行します
model.predict("https://ultralytics.com/images/bus.jpg", save=True, imgsz=320, conf=0.25)

推論引数:

可視化の引数:

画像と動画の形式#

YOLO26は、ultralytics/data/utils.py に記載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。有効な拡張子と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、有効なUltralytics画像形式を示します。

動画#

以下の表に、有効なUltralytics動画形式を示します。

Resultsの使用#

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

# 事前学習済みYOLO26nモデルを読み込む
model = YOLO("yolo26n.pt")

# 画像に対して推論を実行する
results = model("https://ultralytics.com/images/bus.jpg")
results = model(
    [
        "https://ultralytics.com/images/bus.jpg",
        "https://ultralytics.com/images/zidane.jpg",
    ]
)  # バッチ推論

Results オブジェクトには、次の属性があります。

タスク別のResults#

以下のフィールドに値が設定されるかどうかは、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、OBBを比較してください。各予測では、画像またはフレームごとに1つの Results オブジェクトが返されます。上記の共通フィールドは常に使用でき、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の座標テンソルと信頼度テンソルは torch.float32 です。確率テンソルは torch.float32 ですが、FP16推論（quantize=16）を使用すると torch.float16 になります。result.numpy() の後、テンソルは対応するNumPyデータ型のNumPy配列になります。インスタンスマスクは torch.uint8 のバイナリテンソルです。一方、セマンティックマスクではクラス数に応じて、クラスID用に実用上最小の整数データ型である torch.uint8、torch.int16、または torch.int32 が使用されます。

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指定、操作、形式変換を行えます。

from ultralytics import YOLO

# 事前学習済みYOLO26nモデルを読み込む
model = YOLO("yolo26n.pt")

# 画像に対して推論を実行する
results = model("https://ultralytics.com/images/bus.jpg")  # 結果リスト

# 結果を表示
for r in results:
    print(r.boxes)  # 検出バウンディングボックスを含むBoxesオブジェクトを出力

Boxesクラスのメソッドとプロパティについて、名前、型、説明を含む表を以下に示します。

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指定、操作、セグメントへの変換を行えます。

from ultralytics import YOLO

# 事前学習済みのYOLO26n-segセグメンテーションモデルを読み込む
model = YOLO("yolo26n-seg.pt")

# 画像に対して推論を実行する
results = model("https://ultralytics.com/images/bus.jpg")  # 結果リスト

# 結果を表示
for r in results:
    print(r.masks)  # 検出されたインスタンスマスクを含むMasksオブジェクトを出力

Masksクラスのメソッドとプロパティについて、名前、型、説明を含む表を以下に示します。

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の結果を表す単一の高密度クラスマップを格納します。Masksとは異なり、オブジェクトごとのバイナリマスクは含まず、ポリゴン用のヘルパーも提供しません。

from ultralytics import YOLO

# 事前学習済みのYOLO26n-semセマンティックモデルを読み込む
model = YOLO("yolo26n-sem.pt")

# 画像に対して推論を実行する
results = model("https://ultralytics.com/images/bus.jpg")  # 結果リスト

# 結果を表示
for r in results:
    print(r.semantic_mask.data)  # H x WのクラスIDマップを出力

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

# 事前学習済みのYOLO26n-poseポーズモデルを読み込む
model = YOLO("yolo26n-pose.pt")

# 画像に対して推論を実行する
results = model("https://ultralytics.com/images/bus.jpg")  # 結果リスト

# 結果を表示
for r in results:
    print(r.keypoints)  # 検出されたキーポイントを含むKeypointsオブジェクトを出力

Keypointsクラスのメソッドとプロパティについて、名前、型、説明を含む表を以下に示します。

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。

確率#

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

# 事前学習済みのYOLO26n-cls分類モデルを読み込む
model = YOLO("yolo26n-cls.pt")

# 画像に対して推論を実行する
results = model("https://ultralytics.com/images/bus.jpg")  # 結果リスト

# 結果を表示
for r in results:
    print(r.probs)  # 検出されたクラス確率を含むProbsオブジェクトを出力

Probsクラスのメソッドとプロパティをまとめた表を以下に示します。

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付け、操作、さまざまな形式への変換を行えます。

from ultralytics import YOLO

# 事前学習済みYOLO26nモデルを読み込む
model = YOLO("yolo26n-obb.pt")

# 画像に対して推論を実行する
results = model("https://ultralytics.com/images/boats.jpg")  # 結果リスト

# 結果を表示
for r in results:
    print(r.obb)  # 方向付き検出バウンディングボックスを含むOBBオブジェクトを出力する

OBBクラスのメソッドとプロパティについて、名前、型、説明を含む表を以下に示します。

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()メソッドを使用すると、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）を元の画像に重ねて、予測結果を可視化できます。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ー#

plot()メソッドでは、出力をカスタマイズするためのさまざまな引数を使用できます。

スレッドセーフな推論#

複数のYOLOモデルを異なるスレッドで並行して実行する場合、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では、各スレッドの予測が分離され、互いに干渉しないため、競合状態を回避し、一貫性と信頼性のある出力を実現できます。

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、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)
    # 結果を処理する

# それぞれが独自のモデルインスタンスを持つスレッドを開始する
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ご覧ください。このガイドでは、よくある問題を回避し、マルチスレッド推論を円滑に実行するために必要な情報をすべて紹介しています。

ストリーミングソースのforループ#

OpenCV（cv2）とYOLOを使用して、ビデオフレームに推論を実行するPythonスクリプトの例です。このスクリプトでは、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

# YOLOモデルを読み込む
model = YOLO("yolo26n.pt")

# ビデオファイルを開く
video_path = "path/to/your/video/file.mp4"
cap = cv2.VideoCapture(video_path)

# ビデオフレームをループ処理する
while cap.isOpened():
    # ビデオからフレームを読み込む
    success, frame = cap.read()

    if success:
        # フレームにYOLO推論を実行する
        results = model(frame)

        # フレーム上に結果を可視化する
        annotated_frame = results[0].plot()

        # 注釈付きフレームを表示する
        cv2.imshow("YOLO Inference", annotated_frame)

        # 'q'が押された場合にループを終了する
        if cv2.waitKey(1) & 0xFF == ord("q"):
            break
    else:
        # ビデオの最後に到達した場合にループを終了する
        break

# ビデオキャプチャオブジェクトを解放し、表示ウィンドウを閉じる
cap.release()
cv2.destroyAllWindows()

このスクリプトはビデオの各フレームに予測を実行し、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次の段階に進む準備はできていますか？タスクが問題に適しているか確認し、データセットガイドを参考に独自のデータを形式化してから、そのデータで学習してください。

よくある質問#