Ultralytics Platform クイックスタート

Ultralytics Platform はユーザーフレンドリーで直感的に操作できるよう設計されており、ユーザーはデータセットを素早くアップロードし、新しい YOLO モデルをトレーニングできます。豊富な事前学習済みモデルから選択できるため、初心者でも簡単に使い始めることが可能です。モデルのトレーニング完了後は、ブラウザ上で直接テストを行い、ワンクリックで本番環境へデプロイできます。

以下のインタラクティブな図は、Ultralytics Platform ワークフローの4つの主要な段階を示しています。各段階やサブステップをクリックすると、そのセクションの詳細な手順にアクセスできます。

graph LR
    A(Sign Up) --> B(Prepare Data) --> C(Train) --> D(Deploy)
    A -.- A1["<a href='#get-started'>Create account</a><br/><a href='#region-selection'>Select region</a>"]
    B -.- B1["<a href='#upload-your-first-dataset'>Upload dataset</a><br/><a href='#create-your-first-project'>Create Project</a>"]
    C -.- C1["<a href='#training-configuration'>Configure training</a><br/><a href='#monitor-training'>Monitor progress</a>"]
    D -.- D1["<a href='#test-your-model'>Test model</a><br/><a href='#deploy-to-production'>Deploy endpoint</a>"]

    click A "#get-started"
    click B "#upload-your-first-dataset"
    click C "#train-your-first-model"
    click D "#deploy-to-production"

はじめに

Ultralytics Platform では、様々な簡単なサインアップオプションを提供しています。Google アカウント、GitHub アカウント、またはメールアドレスを使用して登録およびログインが可能です。

リージョンの選択

オンボーディング中に、データリージョンの選択が求められます。プラットフォームは各リージョンへのレイテンシを自動的に測定し、最も近いリージョンを推奨します。これは、データ、モデル、およびデプロイメントの保存場所を決定する重要な選択です。

無料クレジット

すべてのアカウント作成時に、クラウド GPU トレーニング用の無料クレジットが付与されます：

プロフィールの完了

オンボーディングフローでは、以下の3つのステップをご案内します：

1. プロフィール - 表示名、一意のユーザー名（永続的であり、後から変更できません）、所属組織（任意）、および主な使用目的を入力してください
2. データリージョン - レイテンシを示す世界地図を確認しながら、US、EU、または AP から選択してください
3. 完了 - 選択内容を確認し、必要に応じてプロモーションコードを適用して、サインアップを完了しウェルカムクレジットを受け取ってください

ホームダッシュボード

サインイン後、Ultralytics Platform のホーム画面に移動します。ここにはワークスペースの統計情報が記載されたウェルカムカード、データセット・プロジェクト・ストレージへのクイックアクセス、および最近のアクティビティフィードが表示されます。

サイドバーナビゲーション

サイドバーから、プラットフォームの全セクションにアクセスできます：

ウェルカムカード

ウェルカムカードには、プロフィール、プランのバッジ、ワークスペースの統計情報が一目で確認できます：

クイックアクション

ウェルカムカードの下には、3つのカードが表示されます：

• データセット: 新しいデータセットを作成するか、画像、動画、データセットファイルをドラッグ＆ドロップしてアップロードします。最近のデータセットが表示されます。
• プロジェクト: 新しいプロジェクトを作成するか、.pt モデルファイルをドラッグ＆ドロップしてアップロードします。最近のプロジェクトが表示されます。
• ストレージ: プランの制限と併せて、ストレージ使用状況（データセット、モデル、エクスポート）の概要が表示されます。

下部にある 最近のアクティビティ テーブルには、最新のデータセット、モデル、およびトレーニングの実行履歴が表示されます。

グローバル検索

Cmd+K (Mac) または Ctrl+K (Windows/Linux) を押すと検索バーが開きます。ページ、プロジェクト、データセット、デプロイメントを即座に検索できます。

AI チャットアシスタント

各ページにフローティングチャットウィジェットが表示されます。クリックすると、YOLO のトレーニング、アノテーション、デプロイ、またはプラットフォームの機能について質問できます。アシスタントは、現在閲覧中のページに基づいた状況に応じたサポートを提供します。

オンボーディングツアー

プラットフォームには、各セクションを探索する際に重要な機能を紹介するガイド付きツアーが含まれています：

ツアーの再開

ツアーを再視聴するには：

• ツアーをやり直すボタン — サイドバー左下のプロフィールアイコンをクリックしてユーザーメニューを開き、ツアーをやり直すを選択します。これによりすべてのツアーがリセットされ、各セクションを次に訪れたときにツアーが再開されます。
• URLパラメータ — platform.ultralytics.com/home?tour=nav に移動すると、ナビゲーションツアーを直接再開できます。

最初のデータセットをアップロードする

サイドバーの Annotate に移動し、New Dataset をクリックして学習データを追加します。ホームダッシュボードの Datasets カードにファイルを直接ドラッグ＆ドロップすることも可能です。

Ultralytics Platform は複数のアップロード形式をサポートしています（詳細は Datasets を参照してください）。

graph LR
    A[Drop Files] --> B[Auto-Package ZIP]
    B --> C[Upload to Storage]
    C --> D[Backend Worker]
    D --> E[Resize & Thumbnail]
    E --> F[Parse Labels]
    F --> G[Compute Statistics]
    G --> H[Dataset Ready]

アップロード後、プラットフォームが自動的にデータを処理します：

1. 4096px を超える画像はリサイズされます（アスペクト比は維持）
2. 高速ブラウジングのために 256px のサムネイルが生成されます
3. ラベルは解析され、検証されます（YOLO .txt 形式）
4. 統計情報（クラス分布、ヒートマップ、寸法）が計算されます

my-dataset.zip
├── data.yaml          # Class names and splits
├── train/
│   ├── images/
│   │   ├── img001.jpg
│   │   └── img002.jpg
│   └── labels/
│       ├── img001.txt
│       └── img002.txt
└── val/
    ├── images/
    └── labels/

datasets および detect、segment、pose、OBB、classify でサポートされている形式の詳細についてはこちらをご覧ください。

最初のプロジェクトを作成する

プロジェクトを使用すると、関連するモデルや実験を整理できます。Projects に移動し、"Create Project" をクリックします。

プロジェクトの名前と、必要に応じて説明を入力してください。プロジェクトには以下が含まれます：

• モデル: 学習済みチェックポイント
• アクティビティログ: 変更履歴

projects についての詳細はこちらをご覧ください。

最初のモデルをトレーニングする

プロジェクトから Train Model をクリックして、クラウドトレーニングを開始します。

トレーニング設定

1. データセットの選択: アップロード済みのデータセットから選択します（train split を持つデータセットのみが表示されます）
2. モデルの選択: ベースモデルを選択します。公式の Ultralytics モデルまたは独自にトレーニングしたモデルから選択可能です。
3. エポック数の設定: トレーニングの反復回数（デフォルト: 100）
4. GPUの選択: 予算とモデルサイズに基づいて計算リソースを選択します。デフォルトは RTX PRO 6000（96 GB Blackwell, 1.89ドル/時）で、すべての YOLO26 バリアントに対応しています。すべてのリストとティア制限については、GPU料金表 または クラウドトレーニングGPUステップ を参照してください。

トレーニングを監視する

トレーニングが開始されると、3つのサブタブからリアルタイムで進捗状況を監視できます：

メトリクスは SSE (Server-Sent Events) を介してリアルタイムでストリーミングされます。トレーニング完了後、混同行列、PR曲線、F1曲線などの検証プロットが生成されます。

クラウドトレーニング の詳細はこちらをご覧ください。

モデルをテストする

トレーニング完了後、ブラウザ上で直接モデルをテストできます：

1. モデルの Predict タブに移動します
2. 画像をアップロード、ドラッグ＆ドロップ、またはサンプル画像を使用します（ドロップで自動推論）
3. キャンバス上に描画されたバウンディングボックス付きの推論結果を表示します

推論パラメータを調整します：

Predict タブでは、実際の API キーがあらかじめ入力されたすぐに使えるコード例を提供しています：

import requests

url = "https://platform.ultralytics.com/api/models/{model_id}/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())

推論 の詳細はこちらをご覧ください。

本番環境へのデプロイ

本番利用のために、モデルを専用エンドポイントにデプロイします：

1. モデルの Deploy タブに移動します
2. インタラクティブな世界地図からリージョンを選択します（43のリージョンが利用可能）
3. 地図にはトラフィックライトカラーでリアルタイムの遅延測定値が表示されます（緑 < 100ms, 黄 < 200ms, 赤 > 200ms）
4. Deploy をクリックしてエンドポイントを作成します

graph LR
    A[Select Region] --> B[Deploy]
    B --> C[Provisioning ~1 min]
    C --> D[Running]
    D --> E{Lifecycle}
    E --> F[Stop]
    E --> G[Delete]
    F --> H[Resume]
    H --> D

エンドポイントは約1分で準備完了し、以下が提供されます：

• 一意の URL: API 呼び出し用の HTTPS エンドポイント
• スケール・ツー・ゼロ動作: アイドル時の計算コストは発生しません（デプロイメントは現在、単一のアクティブインスタンスを実行します）
• 監視: リクエストメトリクスとログ

デプロイ後、サイドバーの Deploy セクションからすべてのエンドポイントを管理できます。ここには、アクティブなデプロイメントが表示されるグローバルマップ、概要メトリクス、すべてのエンドポイントのリストが含まれます。

エンドポイント の詳細はこちらをご覧ください。

リモートトレーニング（オプション）

独自のハードウェアでトレーニングを行うことを希望する場合は、API キーを使用してプラットフォームにメトリクスをストリーミングできます。これは Weights & Biases と同様の仕組みで、どこでトレーニングしてもプラットフォーム上で監視可能です。

1. Settings > API Keys で API キーを生成します。
2. 環境変数を設定し、project/name 形式でトレーニングを行います。

export ULTRALYTICS_API_KEY="YOUR_API_KEY"

yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1

API キー、データセット URI、およびリモートトレーニングの詳細については、こちらをご覧ください。

フィードバックとサポート

サイドバーのフッターにある Help ページには、アプリ内フィードバックフォームが含まれています。体験を評価したり、フィードバックの種類（バグ、機能リクエスト、または全般）を選択したり、スクリーンショットを添付したりできます。

その他のサポートが必要な場合：

• AI Chat: どのページにも表示されるフローティングチャットウィジェットをクリックして、即座にサポートを受けられます。
• Documentation: データセット、アノテーション、トレーニング、デプロイ、および請求に関する詳細ガイドは、このドキュメントを参照してください。
• Discord: Discord コミュニティに参加して議論を行ってください。
• GitHub: GitHub で問題を報告してください。
• REST API: すべてのプラットフォーム機能へのプログラムによるアクセスについては、API リファレンスを参照するか、インタラクティブ API ドキュメントをお試しください。