画像で予測

すべての検出結果を予測して出力する#

ソースを指定してモデルを呼び出すとPredictモードが実行され、画像ごとに1つの Results オブジェクトを含むリストが返されます。画像が1枚の場合は、results[0] を読み取ります。

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
results = model("https://ultralytics.com/images/bus.jpg")

result = results[0]
for box in result.boxes:
    name = result.names[int(box.cls)]
    conf = float(box.conf)
    x1, y1, x2, y2 = box.xyxy[0].tolist()
    print(f"{name:>8} {conf:.2f}  ({x1:.0f}, {y1:.0f}) -> ({x2:.0f}, {y2:.0f})")

result.save("bus_annotated.jpg")

通常のログ行の後に表示される、predict.py の実際の出力:

     bus 0.88  (0, 230) -> (803, 751)
  person 0.87  (49, 398) -> (240, 902)
  person 0.86  (223, 405) -> (345, 861)
  person 0.85  (670, 395) -> (810, 880)
  person 0.65  (0, 553) -> (60, 871)

読み取り方:

• bus 0.88: クラス名と信頼度です。ボックスは信頼度の高い順に並んでいます。
• (0, 230) -> (803, 751): 元の810×1080画像における左上と右下の角のピクセル座標です。原点は左上です。これらの座標をそのまま使って切り抜きや描画ができます。
• (0, 553) における person 0.65: 左端で一部が切れている5人目の人物は、スコアが低くなります。部分的にしか写っていないオブジェクトは、通常スコアが低くなります。

result.save() は注釈付き画像を書き出し、result.show() はその画像をウィンドウで開きます。

結果の内容を把握する#

すべてのタスクで同じ種類の Results が返され、値が設定されるフィールドだけが異なります。全項目についてはPythonの使用ガイドをご覧ください。

物体検出では、主にバウンディングボックスである boxes を使います。result.summary() は同じ検出結果を通常の辞書のリストとして返すため、そのままJSON APIで使用できます。

予測を調整する#

デフォルト設定はほとんどの画像に適しています。適さない場合は、一度に1つの引数を変更します:

信頼度を変えると、検出数だけでなく結果そのものが変わります。同じバスの画像の場合:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
model("https://ultralytics.com/images/bus.jpg", conf=0.5, classes=[0])  # 4 persons
model("https://ultralytics.com/images/bus.jpg", conf=0.1)  # 人物5人、バス1台、止まれの標識1つ

conf=0.1 では、モデルが確信を持てなかった止まれの標識も報告されます。conf を下げると、モデルが「見つけかけた」対象をすばやく確認できます。その他の引数については、設定リファレンスをご覧ください。

予測結果が空の場合は、次の手順に沿って確認します:

複数の画像を実行する#

リスト、フォルダー、または "photos/*.jpg" のようなglobを渡します。Predictのデフォルトは batch=1 です。batch を設定すると、複数の画像を一度にモデルに渡せるため、GPUでは大幅に高速化します:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
images = ["https://ultralytics.com/images/bus.jpg", "https://ultralytics.com/images/zidane.jpg"]
for result in model(images, batch=2):
    print(result.path, len(result.boxes), result.verbose())

image0.jpg 5 4 persons, 1 bus,
image1.jpg 3 2 persons, 1 tie,

次の間違いに注意する#