YOLO Computer Vision

🚀 YOLO サービス使用ガイド

このガイドでは、YOLOモデルを使用した画像分析のインストール、設定、使用方法を詳細に説明します。基本的な操作から高度な機能までの一連の流れをカバーしています。

🚀 クイックスタート

このガイドでは、YOLOモデルを使用した画像分析のインストール、設定、使用方法を詳細に説明します。基本的な操作から高度な機能までの一連の流れをカバーしています。

📦 インストール

1. 環境構築

始める前に、Python3と以下の依存関係をインストールしてください。

pip install -r requirements.txt

2. モデルのダウンロード

YOLOの事前学習済みモデルをmodels/ディレクトリにダウンロードしてください。サポートされているモデルには以下が含まれますが、これらに限定されません。

• yolov8n.pt
• yolov8s.pt
• yolov8m.pt
• yolov8l.pt

✨ 主な機能

1. 画像分析の基本操作

サービスの状態を確認する

<function_calls>
<invoke name="test_connection">
</invoke>

サポートされているモデルディレクトリをリストする

<function_calls>
<invoke name="get_model_directories">
</invoke>

2. 物体検出

デフォルトのモデルを使用して検出する

<function_calls>
<invoke name="analyze_image_from_path">
<parameter name="image_path">/path/to/your/image.jpg</parameter>
<parameter name="confidence">0.3</parameter>
</invoke>

特定のモデルを指定して検出する

<function_calls>
<invoke name="analyze_image_from_path">
<parameter name="image_path">/path/to/your/image.jpg</parameter>
<parameter name="model_name">yolov8n.pt</parameter>
<parameter name="confidence">0.4</parameter>
</invoke>

3. 総合的な画像分析

<function_calls>
<invoke name="comprehensive_image_analysis">
<parameter name="image_path">/path/to/your/image.jpg</parameter>
<parameter name="confidence">0.3</parameter>
</invoke>

💻 使用例

基本的な使用法

# サービスの状態を確認する
<function_calls>
<invoke name="test_connection">
</invoke>

高度な使用法

# 画像分割
<function_calls>
<invoke name="segment_objects">
<parameter name="image_data">/path/to/your/image.jpg</parameter>
<parameter name="is_path">true</parameter>
<parameter name="model_name">yolov8n-seg.pt</parameter>
</invoke>

🔧 技術詳細

1. 画像分割

<function_calls>
<invoke name="segment_objects">
<parameter name="image_data">/path/to/your/image.jpg</parameter>
<parameter name="is_path">true</parameter>
<parameter name="model_name">yolov8n-seg.pt</parameter>
</invoke>

2. 画像分類

<function_calls>
<invoke name="classify_image">
<parameter name="image_data">/path/to/your/image.jpg</parameter>
<parameter name="is_path">true</parameter>
<parameter name="model_name">yolov8n-cls.pt</parameter>
<parameter name="top_k">5</parameter>
</invoke>

3. デバイスサポート

1. CPU/GPU自動切り替え

サービスは、推論に使用可能なハードウェア（CPUまたはGPU）を自動的に検出して使用します。

🔧 トラブルシューティング

1. モデルの読み込みに失敗した場合

• モデルファイルが存在し、パスが正しいことを確認してください。
• Python環境が最低限のバージョン要件を満たしていることを確認してください。

2. パフォーマンスの問題

• より高性能なハードウェア（NVIDIA GPUなど）の使用をお勧めします。
• 計算リソースに合わせてモデルのサイズを調整してください（nからlまで）。

📄 注意事項

1. すべての画像パスは絶対パスで指定する必要があります。
2. パラメータ値の範囲については、具体的なドキュメントを参照してください。
3. サービスポートを開放し、ファイアウォールによるブロックを避けてください。

上記の手順に従えば、YOLOモデルのデプロイと使用をスムーズに行うことができます。さらなる支援が必要な場合は、完全なドキュメントを参照するか、技術サポートチームにお問い合わせください。