> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/datasets/ja/universe/universe/find-a-model-on-universe.md).

# Universe でモデルを見つける

コンピュータビジョンプロジェクトで使える事前学習済みモデルを Universe で見つけられます。

Universe 上の 50,000 件以上のデータセットには、そのデータセットに関連付けられた学習済みモデルもあります。これらのモデルは、あなたのコンピュータビジョンプロジェクトで次のように使用できます。 [ワークフロー](https://docs.roboflow.com/workflows).

Universe でデータセットを見つけるには、検索バーに識別したいものを入力します。検索ページで「モデルあり」ボックスにチェックを入れます：

<figure><img src="https://2416768182-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-2f408f7935d5e1e0839cc7bd75d8147904f5abcf%2FScreenshot%202025-05-20%20at%2010.13.45.webp?alt=media" alt=""><figcaption></figcaption></figure>

これにより、検索結果は学習済みモデルを含むデータセットのみに絞り込まれます。

結果をクリックすると、プロジェクトの詳細がわかります。

データセットのホームページには指標が表示されます。これらの指標はモデルの種類によって異なります。たとえば物体検出では mAP、適合率、再現率が表示され、分類では精度が表示されます。

<figure><img src="https://2416768182-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-35f6f05a436cd8f913a9e2d22968520f66d58636%2FScreenshot%202025-05-20%20at%2010.16.39.webp?alt=media" alt=""><figcaption></figcaption></figure>

「このモデルを試す」セクションに画像をアップロードして、最新のモデルバージョンを試せます。

サイドバーの「モデル」をクリックすると、学習済みモデルをすべて表示して、試すものを選べます：

<figure><img src="https://2416768182-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-4b0f7ab4489c3f79e4e5fe12bc4c8088419e73dc%2FScreenshot%202025-05-20%20at%2010.15.59.png?alt=media" alt=""><figcaption></figcaption></figure>

「モデル」ページを開くと、プロジェクトのテストセット内のサンプル画像の結果が、画像上にプロットされて表示されます：

<figure><img src="https://2416768182-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-906e6a0bddce423d9304dc049402d2f517068836%2FScreenshot%202025-05-20%20at%2010.17.56.webp?alt=media" alt=""><figcaption><p>画像内でクラス「占有中のフォークリフト」が識別されています。</p></figcaption></figure>

## Universe モデルをデプロイする

各 Universe モデルページには「モデルをデプロイ」ボタンがあり、これを押すと複数のデプロイオプションを含むモーダルが開きます：

* コードスニペット: モデルを呼び出すための、Python、JavaScript、または cURL のすぐ使えるコード（ [サーバーレス Cloud API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api)）。各スニペットには「プロンプトをコピー」ボタンがあり、構造化されたプロンプトをコピーして AI コーディングエージェントに貼り付けられます。
* MCP: 接続するためのセットアップ手順 [Roboflow MCP Server](https://docs.roboflow.com/agents/agents) に Claude Code、Cursor、または Codex を接続します。接続すると、エージェントは Roboflow モデルに対して直接推論を実行できます。
* カスタムワークフロー: 事前構築済み [ワークフロー](https://docs.roboflow.com/workflows) 検出、カウント、可視化などの一般的なタスク向けテンプレート。

また、モーダル上部の Roboflow Agent 入力欄に直接プロンプトを入力して、モデルを使った構築についてのガイド付き会話を開始することもできます。

### ワークフローで Universe モデルを使用する

Universe モデルはワークフローで使用できます。

モデルを使うには、Roboflow Workflows を開き、 [ワークフローを作成し、](https://docs.roboflow.com/workflows/build/create-a-workflow)その後、モデルブロックを追加します：

<figure><img src="https://2416768182-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-781781bd766ec7f619ab6ff75907b0a34805a7ad%2FScreenshot%202025-05-20%20at%2010.19.30.webp?alt=media" alt=""><figcaption></figcaption></figure>

ブロックエディタで「モデル」をクリックしてモデルセレクターを開きます：

<figure><img src="https://2416768182-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-b6304df12505582edb50238bd18c6204a3d056f1%2FScreenshot%202025-05-20%20at%2010.20.13.png?alt=media" alt=""><figcaption></figcaption></figure>

Universe モデルページ上部のモデル ID をコピーし、それをモデルセレクターの検索ボックスに入力または貼り付けます。モデル ID の形式は `workspace/project` または `workspace/project/version`.

Roboflow は ID をあなたのワークスペースと Universe に照合し、モデル名、クラス、タスクの種類、サンプル画像を自動で入力します。一致する結果を選択して使用します。ID が実際のモデルに解決されない場合は「見つかりません」と表示され、モデルを選択できません。

同じモデルセレクターはデプロイフローでも使われるため、モデルを選ぶ場所ならどこでもカスタムモデル ID を入力できます。

### コードで Universe モデルを実行する

Universe モデル ID は、あなた自身の [モデル ID](https://docs.roboflow.com/models/model-ids) が使える場所ならどこでも機能します。モデルページ上部の ID をコピーし、次のように渡します： `model_id`:

```bash
pip install inference-sdk supervision opencv-python
```

```python
import os
import cv2
import supervision as sv
from inference_sdk import InferenceHTTPClient, InferenceConfiguration

image = cv2.imread("forklift.jpg")

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
).configure(InferenceConfiguration(api_key_transport="header"))

results = client.infer(image, model_id="forkliftproject/2")

detections = sv.Detections.from_inference(results)
annotated = sv.BoxAnnotator().annotate(scene=image, detections=detections)
annotated = sv.LabelAnnotator().annotate(scene=annotated, detections=detections)
sv.plot_image(annotated)
```

設定 `api_url` を `https://serverless.roboflow.com` の [サーバーレス Cloud API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api), `http://localhost:9001` ローカルの [推論](https://docs.roboflow.com/deployment/self-hosted/self-hosted) サーバー、またはあなたの [専用デプロイ](https://docs.roboflow.com/deployment/roboflow-cloud/dedicated-deployments) URL。

Universe からモデルを選ばずにモデルを実行する方法については、 [学習済みモデルの別名](https://docs.roboflow.com/models/pretrained-aliases).
