Meet YOLO26: next-gen vision AI.

Link to this sectionRoboflow#

Roboflowは、データラベリングや、YOLOを含む様々なフォーマットでのデータセットエクスポートを行うツールを提供します。本ガイドでは、Ultralytics YOLOモデル向けにデータをラベリングし、エクスポートしてデプロイする方法を解説します。

ライセンス

Ultralyticsでは、用途に合わせて以下の2つのライセンスオプションを提供しています。

  • AGPL-3.0 License: このOSI承認済みオープンソースライセンスは、学生や愛好家に最適であり、オープンなコラボレーションと知識の共有を促進します。詳細はLICENSEファイルをご覧ください。
  • Enterprise License: 開発および商用利用向けに、このライセンスでは Ultralytics ソフトウェアと AI モデルをビジネス製品やサービスにシームレスに統合できます（社内ツール、自動ワークフロー、本番環境へのデプロイを含みます）。AGPL-3.0 のオープンソース要件を回避できます。開始するには、Ultralytics Licensing からお問い合わせください。

詳細はUltralyticsライセンスページをご覧ください。

本ガイドでは、Roboflowを使用してカスタムUltralytics YOLO26モデルをトレーニングするためのデータ検索、ラベリング、整理の方法を説明します。

Link to this sectionカスタムYOLO26モデルのトレーニング用データの収集#

Roboflowは、Ultralytics YOLOモデルのデータ収集を支援するUniverseとCollectという2つの主要なサービスを提供しています。データ収集戦略に関する一般的な情報については、データ収集およびアノテーションガイドを参照してください。

Link to this sectionRoboflow Universe#

Roboflow Universeは、コンピュータビジョンのデータセットを扱うオンラインリポジトリです。ここで、Ultralyticsモデルで使用可能なYOLOフォーマットのデータセットをエクスポートできます。

Link to this sectionRoboflow Collect#

自身で画像を収集したい場合、Roboflow Collectは、エッジデバイス上のWebカメラを使用して自動的に画像を収集できるオープンソースプロジェクトです。テキストや画像のプロンプトを使用して収集するデータを指定できるため、ビジョンモデルに必要な画像だけを効率的に収集できます。

Link to this sectionYOLO26フォーマットへのアップロード、変換、ラベリング#

Roboflow Annotateは、オブジェクト検出、分類、セグメンテーションなど、様々なコンピュータビジョンタスク向けに画像をラベリングするオンラインツールです。

Ultralytics YOLOモデル向けにデータをラベリングするには、Roboflowでプロジェクトを作成し、画像をアップロードしてアノテーションを開始してください。

Link to this sectionアノテーションツール#

  • バウンディングボックスのアノテーション: Bキーを押すか、ボックスアイコンをクリックします。クリック＆ドラッグでバウンディングボックスを作成します。ポップアップが表示され、アノテーションのクラスを選択するよう求められます。
  • ポリゴンアノテーション: インスタンスセグメンテーションに使用します。Pキーを押すか、ポリゴンアイコンをクリックします。オブジェクトの周囲をクリックして点を打ち、ポリゴンを描画します。

Link to this sectionラベルアシスタント (SAM統合)#

Roboflowには、アノテーションを効率化するためのSegment Anything Model (SAM)ベースのラベルアシスタントが統合されています。

ラベルアシスタントを使用するには、サイドバーのカーソルアイコンをクリックします。これでプロジェクトでSAMが有効になります。

オブジェクトにカーソルを合わせると、SAMがアノテーションを提案します。クリックしてアノテーションを確定してください。提案された領域の内側または外側をクリックすることで、アノテーションの精度を微調整できます。

Link to this sectionタグ付け#

サイドバーの「タグ」パネルから画像にタグを追加できます。タグは場所やカメラソースなどの属性を表します。これらのタグを使用すると、特定の画像を検索したり、特定のタグを持つ画像を含むデータセットのバージョンを作成したりできます。

Link to this sectionラベルアシスト (モデルベース)#

Roboflow上でホストされているモデルは、Label Assistを使用してアノテーションを提案できます。YOLOモデルのウェイトをRoboflowにアップロード（後述の手順を参照）し、サイドバーのマジックワンドアイコンからLabel Assistを有効にしてください。

Link to this sectionYOLO26のデータセット管理#

Roboflowには、コンピュータビジョンのデータセットを理解し管理するためのツールがいくつか用意されています。

Link to this sectionデータセット検索#

データセット検索を使用して、テキスト説明や特定のラベル/タグに基づいた画像を検索します。この機能はサイドバーの「Dataset」をクリックしてアクセスできます。

Link to this sectionヘルスチェック#

トレーニングの前に、Roboflowの「Health Check」を使用してデータセットに関する洞察を得て、改善点を特定してください。サイドバーの「Health Check」リンクからアクセスできます。画像サイズ、クラスバランス、アノテーションのヒートマップなどの統計情報が表示されます。

Roboflow Health Check analysis dashboard

Health Checkでは、クラスバランス機能で特定されたクラスの不均衡に対処するなど、パフォーマンスを向上させるための変更が提案される場合があります。データセットの健全性を把握することは、効果的なモデルトレーニングに不可欠です。

Link to this sectionモデルの堅牢性を高めるためのデータの前処理と拡張#

データをエクスポートするには、データセットのバージョンを作成する必要があります。これは特定の時点におけるデータセットのスナップショットです。サイドバーの「Versions」をクリックし、「Create New Version」を選択します。ここで、モデルの堅牢性を高めるための前処理やデータ拡張を適用できます。

Creating Roboflow dataset version with augmentation

各拡張設定で、明るさなどのパラメータを調整できます。適切な拡張はモデルの汎化性能を大幅に向上させます。これはモデルトレーニングのヒントガイドでも解説されている重要な概念です。

Link to this sectionモデルトレーニング用に40以上のフォーマットでデータエクスポート#

データセットバージョンが生成されると、モデルトレーニングに適した様々なフォーマットでエクスポートできます。バージョンページにある「Export Dataset」ボタンをクリックしてください。

Roboflow dataset export to YOLO format

Ultralyticsトレーニングパイプラインとの互換性のために「YOLO26」フォーマットを選択します。これでカスタムYOLO26モデルをトレーニングする準備が整いました。エクスポートしたデータセットを使用してトレーニングを開始する手順については、Ultralytics Trainモードのドキュメントを参照してください。

Link to this sectionテストとデプロイのためのカスタムYOLO26モデルウェイトのアップロード#

Roboflowは、デプロイされたモデル向けにスケーラブルなAPIを提供しており、NVIDIA Jetson、Luxonis OAK、Raspberry Pi、GPUベースのシステムなどのデバイスと互換性のあるSDKも提供しています。弊社のガイドで様々なモデルデプロイオプションを探ってみてください。

シンプルなPythonスクリプトを使用してウェイトをRoboflowにアップロードすることで、YOLO26モデルをデプロイできます。

新しいPythonファイルを作成し、以下のコードを追加してください：

import roboflow  # install with 'pip install roboflow'

# Log in to Roboflow (requires API key)
roboflow.login()

# Initialize Roboflow client
rf = roboflow.Roboflow()

# Define your workspace and project details
WORKSPACE_ID = "your-workspace-id"  # Replace with your actual Workspace ID
PROJECT_ID = "your-project-id"  # Replace with your actual Project ID
VERSION = 1  # Replace with your desired dataset version number
MODEL_PATH = "path/to/your/runs/detect/train/"  # Replace with the path to your YOLO26 training results directory

# Get project and version
project = rf.workspace(WORKSPACE_ID).project(PROJECT_ID)
dataset = project.version(VERSION)

# Upload model weights for deployment
# Ensure MODEL_PATH points to the directory containing 'best.pt'
dataset.deploy(
    model_type="yolov8",
    model_path=MODEL_PATH,
)  # Note: Use "yolov8" as model_type for YOLO26 compatibility in Roboflow deployment

print(f"Model from {MODEL_PATH} uploaded to Roboflow project {PROJECT_ID}, version {VERSION}.")
print("Deployment may take up to 30 minutes.")

このコードでは、your-workspace-id、your-project-id、VERSION番号、およびMODEL_PATHを、ご自身のRoboflowアカウント、プロジェクト、およびローカルのトレーニング結果ディレクトリに応じた値に置き換えてください。MODEL_PATHがトレーニング済みのbest.ptウェイトファイルを含むディレクトリを正確に指していることを確認してください。

上記のコードを実行すると、認証（通常はAPIキー経由）を求められます。その後、モデルがアップロードされ、プロジェクト用のAPIエンドポイントが作成されます。この処理には最大30分かかる場合があります。

モデルをテストし、サポートされているSDKのデプロイ手順を確認するには、Roboflowサイドバーの「Deploy」タブに移動してください。このページの上部には、Webカメラを使用してテストしたり、画像や動画をアップロードしてテストしたりできるウィジェットが表示されます。

Roboflow deployment widget for model inference

アップロードしたモデルはラベルアシスタントとしても使用でき、トレーニングに基づいたアノテーションを新しい画像に提案できます。

Link to this sectionYOLO26モデルの評価方法#

Roboflowには、モデルパフォーマンスを評価する機能があります。パフォーマンスメトリクスの理解はモデルの反復改善に不可欠です。

モデルをアップロードした後、Roboflowダッシュボードのモデルページからモデル評価ツールにアクセスできます。「View Detailed Evaluation」をクリックしてください。

Initiating a Roboflow model evaluation

このツールには、モデルのパフォーマンスを示す混同行列や、CLIP埋め込みを使用したインタラクティブなベクトル分析プロットが表示されます。これらの機能は改善が必要な箇所を特定するのに役立ちます。

混同行列のポップアップ：

A confusion matrix displayed in Roboflow

セルにカーソルを合わせると値が表示され、クリックするとモデルの予測と正解データに対応する画像を確認できます。

「Vector Analysis」をクリックすると、CLIP埋め込みに基づいた画像の類似性を視覚化する散布図が表示されます。近い位置にある画像は意味的に類似しています。点は画像を表し、白（高性能）から赤（低性能）に色分けされています。

Roboflow vector analysis plot using CLIP embeddings

ベクトル分析は以下の目的に役立ちます：

  • 画像のクラスタを特定する。
  • モデルのパフォーマンスが低いクラスタを特定する。
  • パフォーマンス低下の原因となっている画像間の共通点を理解する。

Link to this section学習リソース#

Link to this sectionよくある質問 (FAQ)#

Link to this sectionRoboflowを使用してYOLO26モデルのデータをラベリングするにはどうすればよいですか？#

Use Roboflow Annotate. Create a project, upload images, and use the annotation tools (B for bounding boxes, P for polygons) or the SAM-based label assistant for faster labeling. Detailed steps are available in the Upload, Convert and Label Data section.

Link to this sectionYOLO26のトレーニングデータ収集において、Roboflowはどのようなサービスを提供していますか？#

RoboflowはUniverse（多数のデータセットへのアクセス）とCollect（Webカメラによる自動画像収集）を提供しています。これらはYOLO26モデルに必要なトレーニングデータの取得に役立ち、データ収集ガイドで概説されている戦略を補完します。

Link to this sectionRoboflowを使用してYOLO26のデータセットを管理・分析するにはどうすればよいですか？#

Roboflowのデータセット検索、タグ付け、Health Check機能を利用してください。検索ではテキストやタグで画像を特定でき、Health Checkではトレーニング前にデータセットの品質（クラスバランスや画像サイズなど）を分析して改善の指針を得られます。詳細はデータセット管理セクションを参照してください。

Link to this sectionRoboflowからYOLO26のデータセットをエクスポートするにはどうすればよいですか？#

Roboflowでデータセットのバージョンを作成し、希望する前処理と拡張を適用してから「Export Dataset」をクリックし、YOLO26フォーマットを選択してください。プロセスについてはデータエクスポートセクションで説明しています。これにより、データはUltralyticsトレーニングパイプラインで使用できるようになります。

Link to this sectionYOLO26モデルをRoboflowと統合し、デプロイするにはどうすればよいですか？#

トレーニング済みのYOLO26ウェイトを、提供されているPythonスクリプトを使用してRoboflowにアップロードします。これにより、デプロイ可能なAPIエンドポイントが作成されます。スクリプトと手順については、カスタムウェイトのアップロードセクションを参照してください。その他のデプロイオプションはドキュメントで確認できます。

貢献者
GLglenn-jocher21RAraimbekovm1ONonuralpszr1PDpderrenger1LEleonnil1MAMatthewNoyce1RIRizwanMunawar1BUBurhan-Q1

コメント