インスタンスセグメンテーション#

Instance segmentationは物体検出からさらに一歩進んだもので、画像内の個々の物体を特定し、画像内の他の部分からセグメンテーションすることを含みます。

インスタンスセグメンテーションモデルの出力は、画像内の各物体を囲むマスクや輪郭のセットであり、それに加えて各物体のクラスラベルと信頼度スコアが含まれます。インスタンスセグメンテーションは、画像内のどこに物体があるかだけでなく、その正確な形状を知る必要がある場合に役立ちます。

モデル#

YOLO26の事前学習済みSegmentモデルをここに示します。Detect、Segment、およびPoseモデルはCOCOデータセットで事前学習され、SemanticモデルはCityscapesで事前学習され、ClassifyモデルはImageNetデータセットで事前学習されています。

モデルは、初回使用時に最新の Ultralytics リリースから自動的にダウンロードされます。

• **mAP^val**の値は、COCO val2017データセットにおけるシングルモデル・シングルスケールのものです。
  再現するには yolo val segment data=coco.yaml device=0 を使用します
• 速度（Speed） は、Amazon EC2 P4d インスタンスを使用して COCO val 画像で平均化したものです。
  再現手順: yolo val segment data=coco.yaml batch=1 device=0|cpu
• Params および FLOPs の値は、model.fuse() 後の融合済みモデルに対するものです。これは Conv レイヤーと BatchNorm レイヤーを結合し、エンドツーエンドモデルの場合は補助的な一対多検出ヘッドを削除します。事前学習済みのチェックポイントは完全なトレーニングアーキテクチャを保持するため、より高い数値を示す場合があります。

トレーニング#

COCO8-segデータセットでYOLO26n-segを画像サイズ640で100epochsトレーニングします。利用可能な引数の全リストについては、Configurationページをご覧ください。

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-seg.yaml")  # build a new model from YAML
model = YOLO("yolo26n-seg.pt")  # load a pretrained model (recommended for training)
model = YOLO("yolo26n-seg.yaml").load("yolo26n-seg.pt")  # build from YAML and transfer weights

# Train the model
results = model.train(data="coco8-seg.yaml", epochs=100, imgsz=640)

全trainモードの詳細については、Trainページをご覧ください。セグメンテーションモデルは、Ultralytics Platform cloud trainingを使用してトレーニングすることもできます。

データセット形式#

YOLOセグメンテーションデータセットのフォーマットの詳細については、Dataset Guideをご覧ください。既存のデータセットを他のフォーマット（COCOなど）からYOLOフォーマットに変換するには、UltralyticsのJSON2YOLOツールをご利用ください。また、ポリゴンツールやSAMを活用したスマートアノテーションを使用して、Ultralytics Platform annotationでセグメンテーションマスクを作成することもできます。

検証#

COCO8-segデータセットで、トレーニング済みのYOLO26n-segモデルのaccuracyを検証します。modelがトレーニングのdataと引数をモデル属性として保持するため、引数は必要ありません。

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-seg.pt")  # load an official model
model = YOLO("path/to/best.pt")  # load a custom model

# Validate the model
metrics = model.val()  # no arguments needed, dataset and settings remembered
metrics.box.map  # map50-95(B)
metrics.box.map50  # map50(B)
metrics.box.map75  # map75(B)
metrics.box.maps  # a list containing mAP50-95(B) for each category
metrics.box.image_metrics  # per-image metrics dictionary for det with precision, recall, F1, TP, FP, and FN
metrics.seg.map  # map50-95(M)
metrics.seg.map50  # map50(M)
metrics.seg.map75  # map75(M)
metrics.seg.maps  # a list containing mAP50-95(M) for each category
metrics.seg.image_metrics  # per-image metrics dictionary for seg with precision, recall, F1, TP, FP, and FN

予測#

学習済みYOLO26n-segモデルを使用して、画像に対する推論（予測）を実行します。

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-seg.pt")  # load an official model
model = YOLO("path/to/best.pt")  # load a custom model

# Predict with the model
results = model("https://ultralytics.com/images/bus.jpg")  # predict on an image

# Access the results
for result in results:
    xy = result.masks.xy  # mask polygons in pixel coordinates
    xyn = result.masks.xyn  # normalized mask polygons
    masks = result.masks.data  # binary masks, shape (N,H,W), dtype torch.uint8

predict モードの詳細については、Predict ページを参照してください。

結果の出力#

YOLOインスタンスセグメンテーションは、画像ごとに1つのResultsオブジェクトを返します。各結果にはオブジェクトレベルの予測が保存され、検出された各インスタンスには独自のバイナリマスク、クラス、信頼度、およびボックスがあります。

すべてのタスクに共通するタスク固有の Results フィールドについては、Predict Results by Task セクションを参照してください。

セマンティックセグメンテーションとの違い#

インスタンスセグメンテーションはオブジェクトレベルのセグメンテーションです：2台の車は2つのマスク、2つのボックス、および2つの信頼度スコアを生成します。Semantic segmentationはピクセルレベルの分類です：それらの同じ車は、オブジェクトごとのボックス、信頼度、またはデフォルトのポリゴンリストなしで、1つの画像サイズのクラスマップ内で同じクラスIDを持つピクセルになります。

エクスポート#

YOLO26n-segモデルをONNXやCoreMLなどの異なるフォーマットにエクスポートします。

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-seg.pt")  # load an official model
model = YOLO("path/to/best.pt")  # load a custom-trained model

# Export the model
model.export(format="onnx")

利用可能なYOLO26-segエクスポートフォーマットは以下の表に記載されています。format引数（例：format='onnx'またはformat='engine'）を使用して、任意のフォーマットにエクスポートできます。エクスポートされたモデル（例：yolo predict model=yolo26n-seg.onnx）に対して直接予測や検証を行うことができます。エクスポート完了後、モデルの使用例が表示されます。

詳細な export については、Export ページをご覧ください。

よくある質問 (FAQ)#