Link to this sectionUltralytics Platform#

Ultralytics Platform は、データ準備からモデルのデプロイまで、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ビジョン・プラットフォームです。インフラの複雑さを排除し、プロダクションレディなコンピュータ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。

Link to this sectionUltralytics Platformとは？#

Ultralytics Platformは、断片化したMLツールを統合ソリューションに置き換えるために設計されています。以下の機能を統合しています。

• Roboflow - データ管理とアノテーション
• Weights & Biases - 実験の追跡
• SageMaker - クラウドトレーニング
• HuggingFace - モデルのデプロイ
• Arize - モニタリング

YOLO26およびYOLO11モデルをネイティブサポートしたオールインワンのプラットフォームです。

Link to this section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] --> B[Annotate]
        B --> C[Analyze]
    end
    subgraph Train["🚀 Train"]
        D[Configure] --> E[Train on GPU]
        E --> F[View Metrics]
    end
    subgraph Deploy["🌐 Deploy"]
        G[Export] --> H[Deploy Endpoint]
        H --> I[Monitor]
    end
    Data --> Train --> Deploy

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
• 可視化: 全6種類のYOLOタスクタイプに対応した対話型オーバーレイでアノテーションを確認（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22種類、ProまたはEnterpriseではB200およびB300を含む24種類）、リアルタイムメトリクス付き
• エクスポート: 19種類以上のデプロイフォーマット（ONNX、TensorRT、CoreML、TFLiteなど）に変換
• デプロイ: ワンクリックの専用エンドポイントで43のグローバルリージョンにデプロイ
• 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

Link to this section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リージョンを選択すると、データ、モデル、デプロイ先はそのリージョンに維持されます。

Link to this section主な特徴#

Link to this section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
• アノテーションエディタ: 全6種類のYOLOタスクタイプ（検出、セグメンテーション、セマンティックセグメンテーション、姿勢推定、OBB、分類）に対応した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
• スマートアノテーション: 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タスク向けに、SAM 2.1（Tiny, Small, Base, Large）、SAM 3、事前学習済みのUltralytics YOLOモデル、または自身でファインチューニングしたYOLOモデルをアノテーションツールバーから使用可能
• 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] --> B[Auto-Process]
    B --> C[Browse & Filter]
    C --> D{Annotate}
    D --> E[Manual Tools]
    D --> F[SAM Smart]
    D --> G[YOLO Auto-Label]
    E --> H[Train-Ready Dataset]
    F --> H
    G --> H

Link to this sectionモデルのトレーニング#

• クラウドトレーニング: クラウドGPU上でトレーニング（全プランで22種類、ProまたはEnterpriseではB200およびB300を含む24種類）、リアルタイムメトリクス付き
• リモートトレーニング: どこからでもトレーニングを実行し、メトリクスをプラットフォームにストリーミング（W&Bスタイル）
• 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
• 19種類以上のエクスポートフォーマット: ONNX、TensorRT、CoreML、TFLiteなど（サポートされているフォーマットを参照）

モデルのトレーニングは、Web UI（クラウドトレーニング）または自身のマシン（リモートトレーニング）のいずれかから行えます：

Link to this section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（アクティブなインスタンスが1つ）を備えた43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] --> B{Action}
    B --> C[Browser Predict]
    B --> D[Export Format]
    B --> E[Deploy Endpoint]
    D --> F[ONNX / TensorRT / CoreML / TFLite / ...]
    E --> G[43 Global Regions]
    G --> H[API Endpoint URL]
    H --> I[Monitor & Scale]

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())

Link to this section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

Link to this sectionクイックリンク#

以下のリソースで開始しましょう：

• 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
• データセット: トレーニングデータをアップロードおよび管理
• アノテーション: 手動およびAI支援ツールでデータにラベル付け
• プロジェクト: モデルと実験を整理
• クラウドトレーニング: クラウドGPU上でトレーニング
• 推論: モデルをテスト
• エンドポイント: モデルをプロダクション環境にデプロイ
• モニタリング: デプロイパフォーマンスを追跡
• 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
• REST API: APIリファレンス

Link to this sectionよくある質問 (FAQ)#

Link to this sectionUltralytics Platformを使い始めるにはどうすればよいですか？#

Ultralytics Platform を開始するには：

1. サインアップ: platform.ultralytics.com でアカウントを作成
2. リージョン選択: オンボーディング時にデータリージョン（米国、EU、またはAP）を選択
3. データセットアップロード: データセットセクションに移動してデータをアップロード
4. モデルトレーニング: プロジェクトを作成し、クラウドGPU上でトレーニングを開始
5. デプロイ: モデルをテストし、専用エンドポイントへデプロイ

詳細なガイドは、クイックスタートページを参照してください。

Link to this sectionUltralytics Platformの利点は何ですか？#

Ultralytics Platform が提供するもの：

• 統合されたワークフロー: データ、トレーニング、デプロイを一箇所で完結
• マルチリージョン: 米国、EU、またはAPリージョンでのデータ保存
• ノーコードトレーニング: コーディングなしで高度なYOLOモデルをトレーニング
• リアルタイムメトリクス: 学習の進捗をストリーミングし、デプロイ状況を監視します
• 43のデプロイリージョン: 世界中のユーザーに近い場所でモデルをデプロイします
• 6つのタスクタイプ: 検出、インスタンス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、姿勢推定、OBB、分類をサポート（タスクのドキュメントを参照）
• AI支援アノテーション: SAMおよびYOLOモデルを使用したスマートアノテーションにより、データ準備を迅速化します

Link to this sectionクラウド学習で利用可能なGPUオプションはありますか？#

Ultralytics Platformは、クラウド学習用に複数のGPUタイプをサポートしています：

料金およびGPUオプションの詳細については、クラウド学習を参照してください。

Link to this sectionリモート学習はどのように機能しますか？#

自身のハードウェアでモデルを学習させ、Weights & Biasesと同様にリアルタイムのメトリクスをプラットフォームにストリーミングできます。

pip install "ultralytics>=8.4.60"

# Set your API key
export ULTRALYTICS_API_KEY="YOUR_API_KEY"

# Train with project/name to stream metrics
yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1

リモート学習の詳細については、クラウド学習を参照してください。

Link to this sectionどのようなアノテーションツールが利用可能ですか？#

このプラットフォームには、以下をサポートするフル機能のアノテーションエディターが含まれています：

• 手動ツール: バウンディングボックス、ポリゴン、スケルトンテンプレート付きキーポイント、回転ボックス、分類
• スケルトンテンプレート: 内蔵（人物、手、顔、犬、ボックス）またはカスタムテンプレートを使用して、すべてのキーポイントを一括配置します
• スマートアノテーション: クリックベースのアノテーションにはSAM 2.1またはSAM 3を使用するか、ツールバーから事前学習済みのUltralytics YOLOモデルや自身でファインチューニングしたYOLOモデルを実行して、検出、セグメンテーション、セマンティック、OBBを行えます
• キーボードショートカット: ホットキーによる効率的なワークフロー

詳細ガイドについては、アノテーションを参照してください。

Link to this sectionどのようなエクスポート形式がサポートされていますか？#

このプラットフォームは19種類以上のデプロイ形式をサポートしています：

形式固有のオプションについては、モデルエクスポート、エクスポートモードガイド、およびインテグレーションインデックスを参照してください。

Link to this sectionトラブルシューティング#

Link to this sectionデータセットに関する問題#

Link to this section学習に関する問題#

Link to this sectionデプロイに関する問題#

Link to this sectionよくある質問#