yolov8_test/docs/ja/models/index.md

comments	description	keywords
true	UltralyticsがサポートするYOLOファミリー、SAM、MobileSAM、FastSAM、YOLO-NAS、RT-DETRモデルの多様な範囲を探る。CLIとPythonの両方の使用例で始める。	Ultralytics, ドキュメンテーション, YOLO, SAM, MobileSAM, FastSAM, YOLO-NAS, RT-DETR, モデル, アーキテクチャ, Python, CLI

Ultralyticsによるサポートモデル

Ultralyticsのモデルドキュメンテーションへようこそ！オブジェクト検出、インスタンスセグメンテーション、画像分類、ポーズ推定、マルチオブジェクトトラッキングなど、特定のタスクに適した幅広いモデルをサポートしています。Ultralyticsにあなたのモデルアーキテクチャを寄稿したい場合は、コントリビューティングガイドを確認してください。

!!! note

🚧 弊社の多言語ドキュメンテーションは現在建設中で、改善に向けて努力しています。ご理解いただきありがとうございます！🙏

注目のモデル

以下はサポートされる主要なモデルのいくつかです：

1. YOLOv3: ジョセフ・レッドモンによるYOLOモデルファミリーの第三世代で、効率的なリアルタイムオブジェクト検出能力があります。
2. YOLOv4: YOLOv3へのdarknet-nativeなアップデートで、2020年にアレクセイ・ボチコフスキーが公開しました。
3. YOLOv5: UltralyticsによるYOLOアーキテクチャの改良版で、以前のバージョンと比較してパフォーマンスとスピードのトレードオフが向上しています。
4. YOLOv6: 2022年に美団によってリリースされ、同社の多くの自治配送ロボットで使用されています。
5. YOLOv7: YOLOv4の作者によって2022年にリリースされた更新されたYOLOモデル。
6. YOLOv8: YOLOファミリーの最新バージョンで、インスタンスセグメンテーション、ポーズ/キーポイント推定、分類などの機能が強化されています。
7. Segment Anything Model (SAM): MetaのSegment Anything Model (SAM)です。
8. Mobile Segment Anything Model (MobileSAM): 慶尚大学によるモバイルアプリケーション向けのMobileSAM。
9. Fast Segment Anything Model (FastSAM): 中国科学院自動化研究所の画像・映像分析グループによるFastSAM。
10. YOLO-NAS: YOLO Neural Architecture Search (NAS)モデル。
11. Realtime Detection Transformers (RT-DETR): BaiduのPaddlePaddle Realtime Detection Transformer (RT-DETR)モデル。

視聴： Ultralytics YOLOモデルを数行のコードで実行。

入門：使用例

!!! example ""

=== "Python"

    PyTorchの事前訓練済み`*.pt`モデルや設定`*.yaml`ファイルを`YOLO()`, `SAM()`, `NAS()`, `RTDETR()`クラスに渡して、Pythonでモデルインスタンスを生成できます：

    ```python
    from ultralytics import YOLO

    # COCO事前訓練済みのYOLOv8nモデルをロード
    model = YOLO('yolov8n.pt')

    # モデル情報の表示（オプション）
    model.info()

    # COCO8の例示データセットでモデルを100エポック訓練
    results = model.train(data='coco8.yaml', epochs=100, imgsz=640)

    # 'bus.jpg'画像上でYOLOv8nモデルによる推論実行
    results = model('path/to/bus.jpg')
    ```

=== "CLI"

    モデルを直接実行するためのCLIコマンドがあります：

    ```bash
    # COCO事前訓練済みのYOLOv8nモデルをロードし、COCO8の例示データセットで100エポック訓練
    yolo train model=yolov8n.pt data=coco8.yaml epochs=100 imgsz=640

    # COCO事前訓練済みのYOLOv8nモデルをロードし、'bus.jpg'画像上で推論実行
    yolo predict model=yolov8n.pt source=path/to/bus.jpg
    ```

新しいモデルの提供

Ultralyticsにモデルを提供してみたいですか？素晴らしいことです！私たちは常にモデルのポートフォリオを拡大することに興味があります。

1. リポジトリをフォークする：Ultralytics GitHubリポジトリをフォークして始めます。

2. フォークをクローンする：フォークをローカルマシンにクローンし、作業用の新しいブランチを作成します。

3. モデルを実装する：提供されているコーディング規格とガイドラインに従ってモデルを追加します。

4. 徹底的にテストする：孤立してもパイプラインの一部としても、モデルを徹底的にテストしてください。

5. プルリクエストを作成する：モデルに満足したら、レビューのためにメインリポジトリへのプルリクエストを作成します。

6. コードレビューとマージ：レビュー後、モデルが私たちの基準を満たしている場合、メインリポジトリにマージされます。

詳細な手順については、コントリビューティングガイドを参照してください。