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 → 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
        B --> C[Analyze]:::proc
    end
    subgraph Train["🚀 Train"]
        D[Configure]:::proc --> E[Train on GPU]:::proc
        E --> F[View Metrics]:::out
    end
    subgraph Deploy["🌐 Deploy"]
        G[Export]:::proc --> H[Deploy Endpoint]:::proc
        H --> I[Monitor]:::out
    end
    Data --> Train --> Deploy

    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
• 6つのすべてのYOLOタスクタイプに対するインタラクティブなオーバーレイでアノテーションをVisualize（サポートされているタスクを参照）
• 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
• 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: 画像、動画、またはデータセットファイルをアップロードし、自動的に処理
• Annotation Editor：6つのすべてのYOLOタスクタイプ（検出、セグメンテーション、セマンティック、分類、姿勢、OBB）の手動アノテーション（サポートされているタスクを参照）
• スケルトンテンプレート: ワンクリックでの姿勢推定アノテーションを可能にする組み込み（人、手、顔、犬、箱）およびカスタムのスケルトンテンプレート
• 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
• データセットのバージョン管理: 再現可能なトレーニングのために、説明付きのナンバリングされたNDJSONスナップショットを作成
• 統計: クラス分布、位置ヒートマップ、ディメンション分析

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#

• Cloud Training：リアルタイムメトリクスを使用し、クラウドGPU（すべてのプランで24、B200およびB300の場合はProまたはEnterpriseで26）でトレーニングを行います
• 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
• 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: ブラウザ上で直接、カスタム画像を使用してモデルをテスト
• 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

デプロイ後は、どの言語からでもエンドポイントを呼び出せます：

import requests

url = "https://your-endpoint-url/predict"
headers = {"Authorization": "Bearer YOUR_API_KEY"}

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

print(response.json())

アカウント管理#

• チームと組織: チームメンバーと連携し、ロールと招待を管理
• 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: 透明性の高い価格設定による、使用した分だけ支払うトレーニング料金
• 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
• 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
• Projects：モデルと実験を整理します
• Cloud Training：クラウドGPUでトレーニングを行います
• 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
• 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
• 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)#