Ultralytics Platform#

Ultralytics Platformは、データ準備からモデルデプロイまで、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ー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、本番環境対応のコンピュータービジョン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とは何ですか？#

Ultralytics Platformは、データセット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、モデルエクスポート、専用推論エンドポイント、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モデルをネイティブに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#

Platformは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

実行できること:

• アップロードして、画像、動画、データセットファイルからトレーニングデータセットを作成します
• アノテーションエディターがサポートする6種類のYOLOタスクタイプについて、インタラクティブなオーバーレイでアノテーションを可視化します（サポートされているタスクタイプを参照）
• リアルタイムメトリクスを使用して、クラウドGPU（全プランで24台、B200およびB300用のProまたはEnterpriseでは26台）でモデルをトレーニングします
• 20種類のデプロイ形式（ONNX、TensorRT、CoreML、LiteRT、Hailo、Ascendなど）にエクスポートします
• ワンクリックの専用エンドポイントで、世界42リージョンにデプロイします
• モデル、条件分岐、データセット収集、Slackアラートを接続する**Agents workflowsを構築する**
• トレーニングの進捗、デプロイの健全性、使用量メトリクスを監視します
• 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、Slackを接続します
• プロジェクトとデータセットをコミュニティに公開して共同作業します

マルチリージョンインフラストラクチャ#

データはお客様のリージョン内に保持されます。Ultralytics Platformは世界3リージョンでインフラストラクチャを運用しています。

オンボーディング中にデータリージョンを選択します。データセット、モデル、マネージドトレーニングデータはそのリージョン内に保持されます。 専用エンドポイントは、世界の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：ローカルファイル、URL、接続済みのクラウドストレージ、またはオンプレミスホストから、自動処理によってデータセットを作成します
• アノテーションエディター：6種類の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、ポーズ、OBB）に対応した手動アノテーションツール（サポートされている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提供します
• スマートアノテーション: アノテーションツールバーからSAM 2.1（Tiny、Small、Base、Large）、SAM 3、またはSAM 3.1（デフォルト）を使用して、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、OBBタスクを実行するか、事前学習済みのUltralytics YOLOモデルや独自のファインチューニング済みYOLOモデルを使用してそれらのタスクとポーズ推定を実行します。
• データセットのバージョン管理：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、位置ヒートマップ、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：リアルタイムメトリクスとライブコスト見積もりを使用して、クラウドGPU（全プランで24台、B200およびB300用のProまたはEnterpriseでは26台）でトレーニングします
• リモートトレーニング：任意の場所でトレーニングし、メトリクスをUltralytics Platformにストリーミングします
• 詳細設定：トレーニングダイアログに組み込まれたYAMLエディターから、Ultralyticsの任意のトレーニング引数を上書きします
• プロジェクト整理：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します
• 20種類のエクスポート形式：ONNX、TensorRT、CoreML、LiteRT、Hailo、Ascendなど（サポートされている形式を参照）

モデルのトレーニングは、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）から行うことができます。

デプロイ#

• 推論テスト：独自の画像、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、ブラウザーから直接モデルをテストします
• 専用エンドポイント：デフォルトでのスケール・トゥ・ゼロ（アクティブインスタンス1台）により、世界42リージョンにデプロイします
• 監視：リアルタイムメトリクス、リクエストログ、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、任意の言語からエンドポイントを呼び出せます。conf、iou、imgszは任意のフォームフィールドで、デフォルト値は 0.25、0.7、640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：チームメンバーと共同作業し、ロールと招待を管理し、アカウントメニューからワークスペースを切り替えます
• APIキー：リモートトレーニングとAPIアクセスのための安全なキー管理
• クレジットと請求：透明性の高い料金体系による従量課金制トレーニングと、5ドルから1,000ドルまでのチャージ
• アクティビティフィード：すべてのアカウントイベントと操作を追跡します
• ゴミ箱と復元：30日間の論理削除とアイテムの復元
• 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#

以下のリソースから始めてください。

• クイックスタート：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：公開データセットとプロジェクトを参照してクローンします
• データ：データセット準備の概要
• データセット：トレーニングデータをアップロードして管理します
• アノテーション：手動ツールとAI支援ツールでデータにラベルを付けます
• トレーニング：トレーニングの概要
• プロジェクト：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、エクスポート
• クラウドトレーニング：クラウドGPUでトレーニングします
• デプロイ：デプロイの概要
• 推論：モデルをテストします
• エンドポイント：モデルを本番環境にデプロイします
• 監視：デプロイ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、招待
• APIキー：APIアクセスを管理
• 請求：クレジットと支払い
• アクティビティ：アカウントイベントを追跡
• ゴミ箱：削除したアイテムを復元
• 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、Slack
• REST API：APIリファレンス

トラブルシューティング#

データセットの問題#

トレーニングの問題#

デプロイの問題#

よくある質問#

FAQ#