モデル

Ultralytics Platformでは、YOLOモデルのトレーニング、分析、デプロイを行うための包括的なモデル管理機能を提供しています。事前に学習済みのモデルをアップロードしたり、プラットフォーム上で直接新しいモデルを学習させたりすることが可能です。

モデルのアップロード

既存のモデルウェイトをプラットフォームにアップロードします。

1. プロジェクトへ移動
2. プロジェクトページまたはモデルサイドバーに .pt ファイルをドラッグ＆ドロップします。
3. モデルのメタデータはファイルから自動的に解析されます。

複数のファイルを同時にアップロードできます（最大3ファイルまで同時処理）。

サポートされているモデルフォーマット：

アップロード後、プラットフォームがモデルのメタデータを解析します：

• タスクタイプ (detect、segment、pose、OBB、classify)
• アーキテクチャ (YOLO26n、YOLO26sなど)
• クラス名と数
• 入力サイズとパラメータ
• トレーニング結果とメトリクス（チェックポイントに含まれる場合）

モデルの学習

プラットフォーム上で直接新しいモデルを学習させます：

1. プロジェクトへ移動
2. 新規モデルをクリックします
3. ベースモデルとデータセットを選択
4. トレーニングパラメータを設定
5. クラウド学習かローカル学習かを選択
6. 学習を開始

詳細な手順についてはCloud Trainingを参照してください。

モデルのライフサイクル

graph LR
    A[Upload .pt] --> B[Overview]
    C[Train] --> B
    B --> D[Predict]
    B --> E[Export]
    B --> F[Deploy]
    E --> G[17+ Formats]
    F --> H[Endpoint]

    style A fill:#4CAF50,color:#fff
    style C fill:#FF9800,color:#fff
    style E fill:#2196F3,color:#fff
    style F fill:#9C27B0,color:#fff

モデルページのタブ

各モデルページには以下のタブがあります：

概要タブ

モデルのメタデータと主要メトリクスを表示します：

• モデル名（編集可能）、ステータスバッジ、タスクタイプ
• 最終メトリクス (mAP50、mAP50-95、適合率、再現率)
• トレーニングの進捗を示すメトリクススパークラインチャート
• トレーニング引数（エポック数、バッチサイズ、画像サイズなど）
• データセットへのリンク（プラットフォームのデータセットで学習した場合）
• モデルウェイトのダウンロードボタン

学習タブ (Train Tab)

「学習」タブには3つのサブタブがあります：

チャートサブタブ

損失曲線とエポックごとのパフォーマンスメトリクスを示すインタラクティブな学習メトリクスチャート：

コンソールサブタブ

学習プロセスからのライブコンソール出力：

• 学習中のリアルタイムログストリーミング
• エポックの進行状況バーと検証結果
• エラーバナーによるエラー検出
• フォーマット済み出力へのANSIカラーサポート

システムサブタブ

学習中のGPUおよびシステムメトリクス：

推論タブ (Predict Tab)

ブラウザ上で直接インタラクティブな推論を実行します：

• 画像のアップロード、サンプル画像の利用、またはWebカメラの使用
• バウンディングボックス、マスク、またはキーポイントを表示した結果出力
• 画像提供時の自動推論
• すべてのタスクタイプ (detect、segment、pose、OBB、classify) をサポート

エクスポートタブ

モデルを17種類以上のデプロイ用フォーマットへエクスポートします。詳細については以下のモデルのエクスポートおよびコアエクスポートモードガイドを参照してください。

デプロイタブ

専用の推論エンドポイントを作成および管理します。詳細についてはデプロイメントを参照してください。

検証プロット

学習完了後、詳細な検証分析を確認できます：

混同行列 (Confusion Matrix)

クラスごとの予測精度を示すインタラクティブなヒートマップ：

PR曲線/F1曲線

異なる信頼度しきい値におけるパフォーマンス曲線：

モデルのエクスポート

graph LR
    A[Select Format] --> B[Configure Args]
    B --> C[Export]
    C --> D{GPU Required?}
    D -->|Yes| E[Cloud GPU Export]
    D -->|No| F[CPU Export]
    E --> G[Download]
    F --> G

    style A fill:#2196F3,color:#fff
    style C fill:#FF9800,color:#fff
    style G fill:#4CAF50,color:#fff

モデルを17種類以上のデプロイメントフォーマットにエクスポートします：

1. Exportタブへ移動します
2. ターゲットフォーマットを選択します
3. エクスポート引数（画像サイズ、半精度、ダイナミックなど）を設定します
4. GPUが必要なフォーマット（TensorRT）の場合は、GPUタイプを選択します
5. Exportをクリックします
6. 完了後にダウンロードします

サポートされているフォーマット

プラットフォームは17種類以上のデプロイメントフォーマットへのエクスポートをサポートしています：ONNX、TorchScript、OpenVINO、TensorRT、CoreML、TF SavedModel、TF GraphDef、TF Lite、TF Edge TPU、TF.js、PaddlePaddle、NCNN、MNN、RKNN、IMX500、Axelera、およびExecuTorch。

フォーマット選択ガイド

RKNNチップサポート

RKNNフォーマットへエクスポートする際は、ターゲットのRockchipデバイスを選択してください：

エクスポートジョブのライフサイクル

エクスポートジョブは以下のステータスで進行します：

一括エクスポート操作

• Export All: Export Allをクリックすると、デフォルト設定で全CPUベースフォーマットのエクスポートジョブを開始します。
• Delete All Exports: Delete Allをクリックすると、モデルの全エクスポートを削除します。

フォーマットの制限

一部のエクスポートフォーマットには、アーキテクチャやタスク上の制限があります：

モデルのクローン

モデルを別のプロジェクトにクローンします：

1. モデルページを開きます
2. Cloneボタンをクリックします
3. 宛先のプロジェクトを選択します
4. Cloneをクリックします

モデルとその重みがターゲットプロジェクトにコピーされます。

モデルをダウンロード

モデルの重みをダウンロードします：

1. モデルのOverview（概要）タブに移動します
2. Downloadボタンをクリックします
3. 元の.ptファイルが自動的にダウンロードされます

エクスポートされたフォーマットは、エクスポート完了後にExportタブからダウンロードできます。

データセットのリンク

モデルをソースデータセットにリンクできます：

• トレーニングに使用されたデータセットを確認する
• Overviewタブのデータセットカードをクリックしてそのデータセットへ移動します
• データのリネージを追跡する

ul:// URIフォーマットを使用してPlatformのデータセットでトレーニングする場合、リンクは自動的に行われます。

# Train with a Platform dataset — linking is automatic
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100

可視性設定

モデルの閲覧権限を制御します：

可視性を変更するには、モデルページの可視性バッジ（例：privateまたはpublic）をクリックします。非公開への切り替えは即座に反映されます。公開への切り替えは、適用前に確認ダイアログが表示されます。

モデルを削除

不要になったモデルを削除します：

1. モデルアクションメニューを開く
2. Deleteをクリックします
3. 削除を確認する

参照

• Inference：Predictタブを使用してブラウザでモデルをテストします
• Endpoints：専用エンドポイントを使用してモデルを本番環境にデプロイします
• Cloud Training：クラウドGPUでトレーニングジョブを設定および実行します
• Export Formats：17種類以上のエクスポートフォーマットに関する完全ガイド

FAQ

どのようなモデルアーキテクチャがサポートされていますか？

Ultralytics Platformは、すべてのYOLOアーキテクチャを専用プロジェクトで完全にサポートしています：

• YOLO26：n, s, m, l, xバリアント（最新、推奨） — platform.ultralytics.com/ultralytics/yolo26
• YOLO11：n, s, m, l, xバリアント — platform.ultralytics.com/ultralytics/yolo11
• YOLOv8：n, s, m, l, xバリアント — platform.ultralytics.com/ultralytics/yolov8
• YOLOv5：n, s, m, l, xバリアント — platform.ultralytics.com/ultralytics/yolov5

すべてのアーキテクチャは、detect、segment、pose、OBB、classifyの5つのタスクタイプをサポートしています。

トレーニング済みモデルをダウンロードできますか？

はい、モデルページからモデルの重みをダウンロードできます：

1. Overviewタブのダウンロードアイコンをクリックします
2. 元の.ptファイルが自動的にダウンロードされます
3. エクスポートされたフォーマットは、Exportタブからダウンロードできます

プロジェクト間でモデルを比較するにはどうすればよいですか？

現在、モデルの比較はプロジェクト内で行われます。プロジェクト間での比較を行うには：

1. モデルを単一のプロジェクトにクローンする、または
2. メトリクスをエクスポートして外部で比較する

モデルの最大サイズはどれくらいですか？

厳密な制限はありませんが、非常に大きなモデル（2GB以上）はアップロードや処理に時間がかかる場合があります。

事前学習済みモデルをファインチューニングできますか？

はい！公式のYOLO26モデルのいずれかをベースとして使用するか、トレーニングダイアログのモデルセレクターから自身の完了したモデルを選択できます。Platformは、アップロードされたあらゆるチェックポイントからのファインチューニングをサポートしています。