ultralytics/ultralytics

Ultralytics YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object tracking

解決する課題

Ultralyticsは、最先端のコンピュータビジョンモデルをデプロイするための統一されたフレームワークを提供します。高速で正確、かつアプリケーションへの統合が容易な学習済みモデルを提供することで、物体の識別、フレームを越えたトラッキング、深度推定などの複雑なビジュアルAIタスクのプロセスを簡素化します。

仕組み

このプロジェクトは、YOLO (You Only Look Once) ファミリーのモデルを実装しています。コマンドラインインターフェース (CLI) または Python API を介して使用できる包括的なツールセットを提供します。ユーザーは学習済みモデル（YOLO26など）をロードし、設定ファイルを使用してカスタムデータセットでトレーニングし、パフォーマンスを検証し、さまざまなハードウェアへのデプロイのために ONNX などの形式にモデルをエクスポートできます。

対象者

単純な画像分類から複雑なポーズ推定やセマンティックセグメンテーションまで、ソフトウェアにリアルタイムのコンピュータビジョン機能の実装を必要とする開発者やAI研究者向けに設計されています。

ハイライト

マルチタスクサポート: 物体検出、インスタンスセグメンテーション、セマンティックセグメンテーション、画像分類、ポーズ推定、深度推定が可能。
トラッキングモード: 検出、セグメンテーション、ポーズモデルと互換性があり、時間の経過とともに物体を追跡します。
柔軟なデプロイ: 複数のインストール方法 (pip, Conda, Docker) をサポートし、最適化された推論のために ONNX などの形式にエクスポートできます。
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 'n' から extra-large 'x' まで) を提供します。