ultralytics/ultralytics

解決する課題

Ultralyticsは、最先端のコンピュータビジョンタスクのための統合フレームワークを提供し、異なるビジョン目標のために個別の複雑な実装を行う必要性を排除します。ユーザーは、速度と精度の両方で最適化されたモデルを使用して、物体検出、画像分類、セグメンテーションを実行できます。

仕組み

このプロジェクトは、YOLO (You Only Look Once) モデルファミリーを中心に構築されています。高レベルのPython APIとコマンドラインインターフェース (CLI) を提供しており、ユーザーは事前学習済みモデルの読み込み、カスタムデータセットでのトレーニング、パフォーマンスの検証、およびONNXなどのさまざまなデプロイメント形式へのエクスポートを行うことができます。物体検出、インスタンスおよびセマンティックセグメンテーション、姿勢推定、深度推定、指向性物体検出 (OBB)、およびビデオフレーム間での物体追跡を含む、幅広いタスクをサポートしています。

対象ユーザー

リアルタイムのコンピュータビジョン機能をアプリケーションに統合する必要がある開発者やAI研究者向けに設計されており、エッジデバイス用の軽量モデルを必要とするユーザーから、複雑な環境で高精度なモデルを必要とするユーザーまで幅広く対応しています。

ハイライト

• マルチタスクサポート: 検出、セグメンテーション、分類、姿勢推定、深度推定を1つのパッケージで処理します。
• 柔軟なインターフェース: PythonライブラリとシンプルなCLI (yolo コマンド) の両方からアクセス可能です。
• デプロイメント対応: 効率的な推論のために、モデルをONNXなどの形式にエクスポートすることをサポートしています。
• スケーラブルなモデルサイズ: ハードウェアの制約に基づいて速度と精度のバランスをとるために、さまざまなモデルサイズ（nanoからextra-largeまで）を提供しています。