OBB オブジェクト検出のためのUltralytics YOLO11 の使い方

Ultralytics毎年恒例のハイブリッドイベント、YOLO Vision 2024 (YV24)は、AIとコンピュータビジョンの最新のブレークスルーについて議論することに焦点を当てた。これは、当社の最新モデルを紹介する絶好の機会となった、 Ultralytics YOLO11.と同じコンピュータビジョンタスクをサポートします。 Ultralytics YOLOv8と同じコンピュータビジョンタスクをサポートしており、ユーザーにとって新モデルへの移行は容易なものとなっている。

様々な角度からオブジェクトを検出するために、オリエンテッド・バウンディング・ボックス（OBB）オブジェクト検出にYOLOv8 を使用していたとします。コードを少し変更するだけで、YOLO11 に切り替えることができ、YOLO11の精度や効率の向上、処理速度の向上などの恩恵を受けることができます。 YOLO11 の ようなモデルをまだ使用したことがない場合、OBB 検出は、 YOLO11 がどのようにさまざまな業界に適用できるかを示す素晴らしい例であり、実際に影響を与える実用的なソリューションを提供します。

この記事では、OBBオブジェクト検出とは何か、OBBオブジェクト検出を適用できる場所、OBBを検出するためにYOLO11 。また、YOLO11 の新機能がこれらのプロセスをどのように改善するのか、OBB検出機能を最大限に活用するために推論を実行し、カスタムモデルを訓練する方法についても説明する。

次世代YOLO11 機能にはOBBオブジェクト検出のようなタスクが含まれる

OBBオブジェクト検出は、異なる角度のオブジェクトを検出することで、従来のオブジェクト検出をさらに一歩進めます。通常のバウンディングボックスは画像の軸に沿ったままですが、OBBはオブジェクトの向きに合わせて回転します。OBBオブジェクト検出は、オブジェクトが常にまっすぐではない航空画像や衛星画像の分析に使用できます。都市計画、エネルギー、輸送などの業界では、建物、車両、インフラストラクチャのような角度のある物体を正確に検出する能力は、具体的な利点を持つコンピュータビジョンアプリケーションの基礎を形成することができます。 

‍

YOLO11 YOLO11 には、YOLO11n-obb (Nano)、YOLO11s-obb (Small)、YOLO11m-obb (Medium)、YOLO11l-obb (Large)、YOLO11x-obb (Extra Large)など、さまざまなニーズに対応するためのモデルバリエーションがあります。各モデルは、異なるサイズを提供し、速度、精度、計算能力のレベルが異なります。ユーザーは、アプリケーションに適した速度と精度のバランスを提供するモデルを選ぶことができます。 

YOLO11 検知に新たな切り口をもたらす使用例

YOLO11のオブジェクト検出機能、特にオリエンテッド・バウンディング・ボックスのサポートは、様々な業界に高い精度をもたらします。次に、YOLO11 と OBB 検出が、さまざまな分野でプロセスをより効率的に、より正確に、より管理しやすくするために、実世界の状況でどのように使用できるか、いくつかの例を見てみましょう。

都市計画とインフラモニタリングYOLO11

都市のデザインやレイアウトに感心したことがあるなら、それは都市計画とインフラ監視の詳細な作業のおかげです。インフラモニタリングの多くの側面の1つは、貯蔵タンク、パイプライン、工業用地などの重要な構造物を特定し管理することです。YOLO11 、都市計画担当者が航空画像を分析して、これらの重要な構成要素を迅速かつ正確に検出するのに役立ちます。 

バウンディングボックスによるオブジェクト検出は、さまざまな角度から見たオブジェクトの検出を可能にするため、特に有用である（航空画像ではよくあるケース）。工業地帯を追跡し、環境への影響を管理し、インフラが適切に維持されていることを確認するためには、精度が不可欠です。OBBは検出プロセスをより信頼性の高いものにし、プランナーが都市の成長、安全性、持続可能性について十分な情報に基づいた意思決定を行うのを支援する。YOLO11 を使用することで、プランナーは都市の円滑な運営を維持するインフラを監視・管理することができる。

‍

ドローン、YOLO11 、エッジAIによるソーラーパネルの検査

再生可能エネルギーや太陽光発電所のような技術革新が普及するにつれ、定期点検の重要性が高まっている。ソーラーパネルが効率的に動作しているかどうかをチェックする必要があります。時間が経つにつれて、ひび割れ、汚れの蓄積、ずれのようなものが性能を低下させます。定期的な点検は、こうした問題を早期に発見し、メンテナンスを行うことで、スムーズな稼働を維持するのに役立ちます。

例えば、エッジAIや YOLO11と統合されたドローンを使って、ソーラーパネルの損傷を検査することができる。エッジで画像を分析することで、検査プロセスの精度と効率が高まる。ドローンの動きや視点により、監視映像は様々な角度からソーラーパネルを捉えることが多い。このような場合、YOLO11のOBB検出は、ドローンがソーラーパネルを正確に識別するのに役立つ。 

YOLO11 フリートマネジメントのための洞察を提供できる

港や港湾では毎週数百隻の船舶を扱っており、このような大規模な船団を管理することは困難である。さらに、航空写真で船舶を分析する場合、船舶が異なる角度で写ることが多いため、困難な要素が伴います。そこで、YOLO11のOBB検出のサポートが役に立ちます。 

OBB検出により、標準的な長方形の箱よりも様々な角度の船舶をより正確に検出することが可能になります。YOLO11 とOBBを使用することで、海運会社は船隊の位置と状態をより簡単に特定し、船隊の動きやサプライチェーン・ロジスティクスなどの重要な詳細を追跡することができる。このようなビジョン対応ソリューションは、航路を最適化し、遅延を減らし、航路全体の船隊管理を改善するのに役立ちます。

‍

YOLO11 AI開発者向けバウンディングボックスの検出

もしあなたがOBB検出のためにYOLO11 を使いたいと考えているAI開発者なら、簡単に始められる2つの選択肢がある。コードの扱いに慣れているなら、Ultralytics Python パッケージが最適です。クラウドトレーニング機能を備えたユーザーフレンドリーでコード不要のソリューションがお望みなら、Ultralytics HUBはそのためだけに設計された社内プラットフォームです。詳しくは、Ultralytics HUBを使用した Ultralytics YOLO11 の トレーニングとデプロイに関するガイドをご覧ください。

YOLO11のOBBサポートが適用できる例を見てきたので、Ultralytics Python パッケージを探索し、それを使ってどのように推論を実行し、カスタムモデルを訓練できるかを見てみよう。 

を使った推論の実行YOLO11

まず、Python でYOLO11 を使うには、Ultralytics パッケージをインストールする必要がある。好みに応じて、pip、conda、またはDockerを使用してインストールすることができます。ステップバイステップの手順については、Ultralytics インストールガイドを参照してください。インストール中に何らかの問題に直面した場合は、「よくある問題ガイド」に役立つトラブルシューティングのヒントが掲載されています。

一度Ultralytics パッケージをインストールすれば、YOLO11 での作業は驚くほど簡単だ。推論の実行とは、新しい画像に対して予測を行うために学習済みモデルを使用するプロセスを指す。これはモデルのトレーニングとは異なり、新しいオブジェクトを認識したり、特定のタスクのパフォーマンスを向上させるためにモデルをティーチングすることです。推論は、モデルを未知のデータに適用する場合に使用します。

以下の例では、モデルを読み込み、それを使って画像上のバウンディングボックスを予測する方法を説明します。より詳細な例と高度な使い方のヒントについては、Ultralytics の公式ドキュメントで、ベストプラクティスとさらなる手順を確認してください。

‍

カスタムYOLO11 モデルのトレーニング

YOLO11 モデルをトレーニングすることは、特定のデータセットや タスク、例えばオリエンテッドなバウンディングボックスオブジェクト検出などで、そのパフォーマンスを微調整できることを意味します。YOLO11 のような事前にトレーニングされたモデルは、一般的なオブジェクト検出に使用できますが、カスタムモデルのトレーニングは、モデルがユニークなオブジェクトを検出したり、特定のデータセットでのパフォーマンスを最適化する必要がある場合に不可欠です。

以下のコード・スニペットでは、OBB検出のためのYOLO11 モデルの学習手順を説明する。 

まず、事前に訓練されたYOLO11 OBB 固有の重み（yolo11n-obb.pt）を使用してモデルを初期化する。次に、学習関数を使用して、データセット設定ファイル、学習サイクル数、学習画像サイズ、学習を実行するハードウェア（例：CPU またはGPU ）などのパラメータを指定して、カスタムデータセットでモデルを学習する。トレーニング後、モデルのパフォーマンスを検証し、精度や損失などのメトリクスをチェックします。 

学習したモデルを使用して、新しい画像に対して推論を実行し、OBBを持つオブジェクトを検出して可視化することができます。また、学習したモデルを ONNX などの形式に変換することができます。

‍

YOLO11 AIの進歩がもたらす道

Ultralytics YOLO11 は、オリエンテッドなバウンディングボックスをサポートすることで、オブジェクト検出を次のレベルに引き上げます。さまざまな角度から物体を検出できることで、YOLO11 、さまざまな業界のさまざまなアプリケーションに使用できる。例えば、都市計画、エネルギー、海運など、ソーラーパネル検査や車両モニタリングのような精度が重要な業界に最適です。より高速なパフォーマンスと精度の向上により、YOLO11 、AI開発者は現実世界の課題を解決することができる。 

AIがより広く採用され、日常生活に溶け込むようになるにつれ、YOLO11 のようなモデルがAIソリューションの未来を形作るだろう。

Vision AIの可能性を知るには、成長中のコミュニティに参加し、GitHubリポジトリを探索してください。私たちは、ヘルスケアから 自動運転車まで、様々な分野のイノベーションを推進しています。