YOLOv10カメラ物体検出実験プログラム（インタラクティブなパラメータ調整機能付き）による実験・研究スキルの基礎

【概要】

Google Colabで動作するYOLOv10を使用したカメラ物体検出プログラムである。人物、車両、動物など80種類の物体を検出できる。画像をキャプチャ後、スライダーで信頼度閾値とIOU閾値を調整し、検出結果を確認する。誤検出と見逃しのトレードオフを理解し、実験・研究の基礎スキルを習得できる。

【目次】

【関連する外部ページ】

Colabのページ（ソースコードと説明）: https://colab.research.google.com/drive/1d72VqaauEbMIIRTv45nnPF6FAtlX_HA0?usp=sharing

【サイト内の関連情報】

1. プログラムの使用法

1.1 このプログラムの利用シーン

画像内の物体を自動的に検出し、その位置とクラスを特定する用途に使用される。物体検出の閾値パラメータを調整しながら、その効果を確認できるため、研究開発、教育、プロトタイピングなど、物体検出技術の実験や検証を必要とする場面で活用できる。

1.2 主な機能

カメラによる連続物体検出

Google Colabのカメラアクセス機能を使用して、連続的に画像をキャプチャする。プログラムは各フレームに対して物体検出を実行し、画像内の物体を自動的に探し出す。

80クラスのCOCOデータセット物体の検出

このプログラムは80種類の物体を認識できる。これらの物体は、COCOデータセット（大規模な物体検出用の画像データベース）で定義されている。人物、車両、動物など、日常的に見かける物体が含まれている。

検出できる物体の例は次のとおりである。

インタラクティブなパラメータ調整機能

スライダーを使って、信頼度閾値とIOU閾値を動的に調整できる。スライダーを動かすと、即座に検出が再実行され、結果が更新される。これにより、パラメータが検出結果に与える影響を確認できる。

検出結果の視覚化（バウンディングボックスとラベル）

プログラムは検出した物体を画像上に表示する。物体の周りに緑色の矩形の枠（バウンディングボックス）を描き、その上に物体の名前（ラベル）と信頼度を表示する。検出結果を連続的に表示するため、どこに何が検出されたかを確認できる。

検出物体の詳細情報表示（クラス名、信頼度、検出数）

プログラムは検出した物体について、以下の情報を表示する。

1.3 基本的な使い方

  1. Colabのページを開く

    Colabのページ: https://colab.research.google.com/drive/1d72VqaauEbMIIRTv45nnPF6FAtlX_HA0?usp=sharing

  2. セルを実行する
  3. カメラへのアクセスを許可する（ブラウザの許可ダイアログが表示される）
  4. モデルの読み込みが完了すると、スライダーが表示される
  5. スライダーを動かして信頼度閾値とIOU閾値を調整し、検出結果の変化を確認する

1.4 便利な機能

1.5 パラメータの説明

信頼度（Confidence）とは

物体検出の信頼度とは、モデルがその物体を正しく認識していると判断した確信の度合いを0.0から1.0の数値で表したものである。1.0に近いほど確信度が高い。

IOU（Intersection over Union）とは

IoUは、2つの矩形領域（バウンディングボックス）の重なり具合を表す指標である。以下の式で計算される。

IoU = 重なり領域の面積 / 結合領域の面積

IoUの値は0から1の範囲を取り、0は全く重ならない状態、1は完全に一致する状態を表す。例えばIoUが0.7であれば、重なり領域が結合領域の70%を占めることを意味する。同じ物体に対する重複検出を除去する際に使用される。

信頼度閾値（Confidence Threshold）

検出結果をフィルタリングする基準となる値である。この値より高い信頼度を持つ検出のみが表示される。

IOU閾値（Intersection over Union Threshold）

NMS（Non-Maximum Suppression、重複検出を除去する後処理）において、重複とみなす基準となる値である。同じ物体に対して複数の検出があった場合、IoU値がこの閾値を超える重複を除去する。NMSを使用する場合の挙動は次のとおりである。

ただし、このプログラムが使用するYOLOv10は、既定でNMSを使わないEnd-to-End推論（NMSフリー推論）で動作する。そのため、IOU閾値スライダーを動かしても検出結果は変化しない。これはプログラムの不具合ではなく、YOLOv10が一対一ヘッド（one-to-one head、1つの物体に対して1つの予測だけを出力する仕組み）によって重複検出を抑えているためである。UltralyticsでIOU閾値を有効にするには、推論の実行時に end2end=False を指定し、従来のNMSパイプラインに切り替える必要がある。この挙動そのものが、モデルの設計とパラメータの関係を理解する題材になる。

2. プログラムの説明

2.1 概要

このプログラムは、Google Colab環境でYOLOv10nモデルを使用した物体検出を実行する。カメラから連続的にキャプチャした画像に対して、スライダーで調整可能な閾値パラメータを用いて物体検出を行い、検出結果を視覚化して表示する機能を提供する。

2.2 主要技術

YOLOv10 (You Only Look Once version 10)

物体検出アルゴリズムである[1]。2024年5月に清華大学の研究者らが公開した。訓練時に用いる一対多ヘッド（one-to-many head）と、推論時に用いる一対一ヘッド（one-to-one head）を組み合わせることで、従来のYOLOシリーズで必要だったNMS後処理を不要としている。このプログラムでは、最も軽量なnano（n）モデルを使用し、高速な推論を実現している。

Ultralytics

YOLOモデルの実装と展開を支援するPythonパッケージである[2]。YOLOv3からYOLO26まで複数のYOLOバージョンをサポートし、訓練、検証、推論、エクスポートの機能を統合したフレームワークを提供する。

ipywidgets

Jupyter NotebookやGoogle Colabでインタラクティブなウィジェット（スライダー、ボタンなど）を提供するライブラリである。このプログラムでは、信頼度閾値とIOU閾値を動的に調整するためのスライダーUIを実装している。

2.3 技術的特徴

2.4 実装の特色

Google Colab環境に特化した実装として、以下の機能を備える。

2.5 参考文献

[1] Wang, A., Chen, H., Liu, L., Chen, K., Lin, Z., Han, J., & Ding, G. (2024). YOLOv10: Real-Time End-to-End Object Detection. Advances in Neural Information Processing Systems (NeurIPS 2024). arXiv:2405.14458. https://arxiv.org/abs/2405.14458

[2] Jocher, G., & Qiu, J. (2024). Ultralytics YOLO11 (Version 11.0.0) [Computer software]. https://github.com/ultralytics/ultralytics

3. 実験・研究スキルの基礎

3.1 実験・研究のスキル構成要素

実験や研究を行うには、以下の5つの構成要素を理解する必要がある。

3.1.1 実験用データ

このプログラムではカメラからキャプチャした画像が実験用データである。

3.1.2 実験計画

何を明らかにするために実験を行うのかを定める。

計画例：

3.1.3 プログラム

実験を実施するためのツールである。このプログラムはUltralyticsのYOLOv10nモデルとipywidgetsのinteract関数を使用している。

3.1.4 プログラムの機能

このプログラムは2つのパラメータで物体検出を制御する。

入力パラメータ：

出力情報：

スライダーの動作：

3.1.5 検証（結果の確認と考察）

プログラムの実行結果を観察し、パラメータの影響を考察する。

基本認識：

観察のポイント：

3.2 間違いの原因と対処方法

3.2.1 プログラムのミス（人為的エラー）

モデルのダウンロードに時間がかかる

3.2.2 期待と異なる結果が出る場合

信頼度閾値を変えても検出数が変化しない

IOU閾値を変えても結果が変化しない

明らかに存在する物体が検出されない

同じ物体に複数の矩形が表示される

誤検出が多すぎる

3.3 実験レポートのサンプル

誤検出と見逃しのバランス調整

実験目的：

テスト画像内の人物を確実に検出しながら、誤検出を最小化するための最適な信頼度閾値を見つける。

実験計画：

IOU閾値は既定のままとし（YOLOv10のNMSフリー推論では検出結果に影響しない）、信頼度閾値を変化させて最適値を探す。

実験方法：

プログラムを実行し、スライダーを操作しながら以下の基準で評価する。

実験結果：

信頼度閾値 検出総数 正検出数 誤検出数 見逃し数 総合評価
0.10 x x x x x
0.25 x x x x x
0.50 x x x x x
0.70 x x x x x

考察：

結論：

（例文）本実験の画像においては、信頼度閾値0.25が最もバランスの取れた設定であった。誤検出を完全に防ぐことよりも、重要な人物を見逃さないことを優先する場合は0.25、誤検出を極力避けたい場合は0.50が適切である。用途に応じて閾値を調整する必要性が確認できた。