ウルトラリティクス

2 minute read

Ultralytics は、画像分類、オブジェクト検出、画像セグメンテーション、ポーズ推定などのタスクにおける最先端のコンピュータビジョンモデルのホームです。リアルタイムオブジェクト検出モデルのYOLOシリーズの最新バージョンである YOLOv8 をホストするだけでなく、他にも SAM (Segment Anything Model)、RT-DETR、YOLO-NAS などの強力なコンピュータビジョンモデルも備えています。これらのモデルの実装を提供するだけでなく、Ultralytics は、これらのモデルを使ったトレーニング、ファインチューニング、適用のための使いやすい API を使ったエンドツーエンドのワークフローも提供しています。

始めましょう

ultralytics と wandb をインストールします。
```
```shell
pip install --upgrade ultralytics==8.0.238 wandb

# または
# conda install ultralytics
```
```
```
```bash
!pip install --upgrade ultralytics==8.0.238 wandb
```
```
開発チームは ultralyticsv8.0.238 以下とのインテグレーションをテストしました。インテグレーションに関する問題を報告するには、タグ yolov8 を付けて GitHub issue を作成してください。

実験管理とバリデーション結果の可視化

Try in Colab

このセクションでは、Ultralytics モデルを使ったトレーニング、ファインチューニング、バリデーションの典型的なワークフローと、実験管理、モデルのチェックポイント、モデルのパフォーマンスの可視化を W&B を使用して行う方法を示します。

このインテグレーションについては、次のレポートで確認することもできます：Supercharging Ultralytics with W&B

Ultralytics と W&B のインテグレーションを使用するには、wandb.integration.ultralytics.add_wandb_callback 関数をインポートします。

import wandb
from wandb.integration.ultralytics import add_wandb_callback

from ultralytics import YOLO

選択した YOLO モデルを初期化し、推論を行う前に add_wandb_callback 関数を呼び出します。これにより、トレーニング、ファインチューニング、バリデーション、または推論を行うときに、実験ログと、地上真実とそれぞれの予測結果を重ね合わせた画像が、自動的にコンピュータビジョンタスクの対話型オーバーレイで保存され、追加の洞察が wandb.Table に保存されることを保証します。

# YOLO モデルを初期化
model = YOLO("yolov8n.pt")

# Ultralytics 用に W&B コールバックを追加
add_wandb_callback(model, enable_model_checkpointing=True)

# モデルをトレーニング/ファインチューニング
# 各エポックの終わりに、バリデーションバッチでの予測が
# コンピュータビジョンタスク用の洞察に満ちた対話型オーバーレイと共に
# W&B テーブルに記録されます
model.train(project="ultralytics", data="coco128.yaml", epochs=5, imgsz=640)

# W&B run を終了
wandb.finish()

Ultralytics のトレーニングまたはファインチューニングワークフローで W&B により実験管理された様子は次のとおりです。

YOLO Fine-tuning Experiments

エポックごとのバリデーション結果が W&B Table を使用してどのように可視化されるかは次のとおりです。

WandB Validation Visualization Table

予測結果の可視化

Try in Colab

このセクションでは、Ultralytics モデルを使った推論と結果の可視化の典型的なワークフローを W&B を使用して示します。

Google Colab でコードを試すことができます: Open in Colab.

このインテグレーションについては、次のレポートで確認することもできます：Supercharging Ultralytics with W&B

Ultralytics と W&B のインテグレーションを使用するには、wandb.integration.ultralytics.add_wandb_callback 関数をインポートする必要があります。

import wandb
from wandb.integration.ultralytics import add_wandb_callback

from ultralytics.engine.model import YOLO

インテグレーションをテストするためにいくつかの画像をダウンロードします。静止画像、ビデオ、またはカメラソースを使用できます。推論ソースの詳細については、Ultralytics のドキュメントを確認してください。

!wget https://raw.githubusercontent.com/wandb/examples/ultralytics/colabs/ultralytics/assets/img1.png
!wget https://raw.githubusercontent.com/wandb/examples/ultralytics/colabs/ultralytics/assets/img2.png
!wget https://raw.githubusercontent.com/wandb/examples/ultralytics/colabs/ultralytics/assets/img4.png
!wget https://raw.githubusercontent.com/wandb/examples/ultralytics/colabs/ultralytics/assets/img5.png

次に、wandb.init を使って W&B の run を初期化します。

# W&B run を初期化
wandb.init(project="ultralytics", job_type="inference")

次に、希望する YOLO モデルを初期化し、推論を行う前に add_wandb_callback 関数を呼び出します。これにより、推論を実行すると、コンピュータビジョンタスク用の対話型オーバーレイで画像が自動的にログに記録され、追加の洞察が wandb.Table に提供されることを保証します。

# YOLO モデルを初期化
model = YOLO("yolov8n.pt")

# Ultralytics 用に W&B コールバックを追加
add_wandb_callback(model, enable_model_checkpointing=True)

# 予測を実行し、自動的に W&B テーブルにログを記録
# バウンディングボックス、セグメンテーションマスク用の対話型オーバーレイ付き
model(
    [
        "./assets/img1.jpeg",
        "./assets/img3.png",
        "./assets/img4.jpeg",
        "./assets/img5.jpeg",
    ]
)

# W&B run を終了
wandb.finish()

トレーニングまたはファインチューニングワークフローの場合、wandb.init() を使用して明示的に run を初期化する必要はありません。ただし、コードが予測のみを含む場合は、明示的に run を作成する必要があります。

対話型の bbox オーバーレイは次のように表示されます。

WandB Image Overlay

W&B 画像オーバーレイに関する詳細情報はこちらで取得できます。

その他のリソース

フィードバック

このページは役に立ちましたか?

Glad to hear it! If you have more to say, please let us know.

Sorry to hear that. Please tell us how we can improve.

最終更新 May 21, 2025

ページの編集ドキュメントのissueを作成セクション全体を印刷