Ultralytics Platform#

Ultralytics Platformは、データ準備からモデルのデプロイメントまで、MLワークフロー全体を効率化する包括的なエンドツーエンドのコンピュータビジョン・プラットフォームです。インフラストラクチャの複雑さを伴わずに、本番環境に対応したcomputer visionソリューションを必要とするチームや個人向けに構築されています。

Ultralytics Platformとは？#

Ultralytics Platformは、データセットの管理とアノテーション、実験トラッキング、クラウドおよびリモートトレーニング、モデルのエクスポート、専用の推論エンドポイント、そしてデプロイ監視を1つのワークスペースに統合します。YOLO26、YOLO11、YOLOv8、YOLOv5の各モデルをネイティブでサポートしています。

ワークフロー: アップロード → アノテーション → トレーニング → エクスポートまたはデプロイ#

当プラットフォームは、以下のエンドツーエンドのワークフローを提供します：

graph LR
    subgraph Data["📁 Data"]
        A[Upload]:::start --> B[Annotate]:::proc
    end
    subgraph Train["🚀 Train"]
        D[Configure]:::proc --> E[Train on GPU]:::proc
        E --> F[View Metrics]:::out
    end
    subgraph Deploy["🌐 Export or Deploy"]
        G[Export]:::proc
        H[Deploy Endpoint]:::proc --> I[Monitor]:::out
    end
    Data --> Train
    E --> G
    E --> H

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

できること：

• アップロード: 画像、動画、データセットファイルをアップロードしてトレーニング用データセットを作成
• アノテーションエディターでサポートされている6つのYOLOタスクタイプ向けのインタラクティブなオーバーレイでアノテーションを視覚化します（対応タスクタイプを参照）
• トレーニング: クラウドGPU上でモデルをトレーニング（全プランで24基、ProまたはEnterpriseではB200とB300を含めて26基）し、リアルタイムメトリクスを確認できます
• 20のデプロイメントフォーマット（ONNX、TensorRT、CoreML、LiteRT、Hailo、Ascendなど）にExport
• デプロイ: ワンクリック専用エンドポイントにより、42のグローバルリージョンへ展開可能
• モニタリング: トレーニングの進捗、デプロイの健全性、使用状況メトリクスを監視
• インテグレーションを通じて、クラウドストレージ、アノテーションツール、および Slack を接続します。
• コラボレーション: プロジェクトやデータセットを公開してコミュニティと共有

マルチリージョン・インフラストラクチャ#

データは選択したリージョン内に保持されます。Ultralytics Platformは、以下の3つのグローバルリージョンでインフラを運用しています：

オンボーディング時にデータリージョンを選択します。データセット、モデル、および管理されたトレーニングデータはそのリージョン内に留まります。 専用エンドポイントは、グローバルデプロイマップから選択したリージョンに個別にデプロイされます。

主な特徴#

データ準備#

• データセット管理: 自動処理により、ローカルファイル、URL、接続されたクラウドストレージ、またはオンプレミスホストからデータセットを作成します。
• Annotation Editor：6つのYOLOタスクタイプ（detect、segment、semantic、classify、pose、OBB）向けの手動アノテーションツール（対応タスクタイプを参照）
• スケルトンテンプレート: ワンクリックでのポーズアノテーション用に、組み込み（人物、手、犬、顔、ボックス）およびカスタムのスケルトンテンプレートを利用できます。
• Smart Annotation：検出、セグメンテーション、セマンティック、OBBタスクのアノテーションツールバーから、SAM 2.1（Tiny、Small、Base、Large）、SAM 3、事前学習済みのUltralytics YOLOモデル、またはご自身のファインチューニング済みYOLOモデルを使用します
• データセットバージョニング: 説明付きの番号付き NDJSON スナップショットを作成し、再現可能なトレーニングのために任意のバージョンをダウンロードまたは復元します。
• 統計: クラス分布、分割分布、ロケーションヒートマップ、およびバウンディングボックスの寸法分析

graph LR
    A[Upload Dataset/Images/Video]:::start --> B[Auto-Process]:::proc
    B --> C[Browse & Filter]:::proc
    C --> D{Annotate}:::decide
    D --> E[Manual Tools]:::proc
    D --> F[SAM Smart]:::proc
    D --> G[YOLO Auto-Label]:::proc
    E --> H[Train-Ready Dataset]:::out
    F --> H
    G --> H

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef decide fill:#FF9800,color:#fff
    classDef out fill:#9C27B0,color:#fff

モデルのトレーニング#

• クラウドトレーニング: リアルタイムのメトリクスとライブのコスト見積もりを備えたクラウド GPU（全プランで24基、B200およびB300向けのPro または Enterpriseでは26基）でのトレーニング
• リモートトレーニング：どこでもトレーニングを実行し、メトリクスを Ultralytics Platform にストリーミングします
• 高度な設定: トレーニングダイアログ内の組み込み YAML エディタから、任意の Ultralytics トレーニング引数を上書きします。
• プロジェクト管理: 関連するモデルをグループ化し、実験を比較し、アクティビティを追跡
• 20のエクスポートフォーマット：ONNX、TensorRT、CoreML、LiteRT、Hailo、Ascendなど（サポートされているフォーマットを参照）

Web UI（クラウドトレーニング）またはご自身のマシン（リモートトレーニング）からモデルをトレーニングできます：

デプロイ#

• 推論テスト: 自身の画像、Webカメラのキャプチャ、または組み込みのサンプルを使用して、ブラウザ上で直接モデルをテストします。
• 専用エンドポイント: デフォルトでスケール・トゥ・ゼロ（単一アクティブインスタンス）を備え、42のグローバルリージョンへデプロイ
• モニタリング: リアルタイムメトリクス、リクエストログ、およびパフォーマンスダッシュボード

graph LR
    A[Trained Model]:::start --> B{Action}:::decide
    B --> C[Browser Predict]:::proc
    B --> D[Export Format]:::proc
    B --> E[Deploy Endpoint]:::proc
    D --> F[ONNX / TensorRT / CoreML / LiteRT / ...]:::out
    E --> G[42 Global Regions]:::proc
    G --> H[API Endpoint URL]:::proc
    H --> I[Monitor & Scale]:::out

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef decide fill:#FF9800,color:#fff
    classDef out fill:#9C27B0,color:#fff

デプロイ後、任意の言語からエンドポイントを呼び出します。conf、iou、および imgsz は、デフォルトでそれぞれ 0.25、0.7、640 となるオプショナルなフォームフィールドです：

import requests

url = "https://your-deployment-url.run.app/predict"
api_key = "YOUR_API_KEY"
args = {"conf": 0.25, "iou": 0.7, "imgsz": 640}

with open("image.jpg", "rb") as f:
    response = requests.post(
        url,
        headers={"Authorization": f"Bearer {api_key}"},
        data=args,
        files={"file": f},
    )

print(response.json())

アカウント管理#

• チームと組織: チームメンバーとの協業、ロールと招待の管理、アカウントメニューからのワークスペースの切り替え
• APIキー: リモートトレーニングおよびAPIアクセス用の安全なキー管理
• クレジットと請求: 透明性のある価格設定と 5 ドルから 1,000 ドルまでのトップアップを備えた従量制トレーニング
• アクティビティフィード: アカウント内のすべてのイベントとアクションを追跡
• ゴミ箱と復元: 削除後30日間のソフトデリートとアイテムの復元
• GDPR準拠: データのエクスポートとアカウントの削除

クイックリンク#

以下のリソースで開始しましょう：

• Quickstart：最初のプロジェクトを作成し、数分でモデルをトレーニングします
• 探索: パブリックなデータセットやプロジェクトを閲覧およびクローンする
• データ: データセット準備の概要
• Datasets：トレーニングデータをアップロードして管理します
• Annotation：手動ツールおよびAI支援ツールを使用してデータにラベル付けを行います
• トレーニング: トレーニングの概要
• Projects：モデルと実験を整理します
• モデル: モデルページ、ダウンロード、およびエクスポート
• Cloud Training：クラウドGPUでトレーニングを行います
• デプロイ: デプロイの概要
• Inference：モデルをテストします
• Endpoints：モデルを本番環境にデプロイします
• Monitoring：デプロイメントのパフォーマンスを追跡します
• アカウント: アカウントの概要
• 設定: プロフィールとワークスペースの設定
• チーム: メンバー、ロール、および招待
• API Keys：APIアクセスを管理します
• Billing：クレジットと支払い
• Activity：アカウントのイベントを追跡します
• Trash：削除されたアイテムを復元します
• インテグレーション: クラウドストレージ、アノテーションツール、および Slack
• REST API：APIリファレンス

トラブルシューティング#

データセットに関する問題#

学習に関する問題#

デプロイに関する問題#

よくある質問#

よくある質問 (FAQ)#