> 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/models/ja/supported-models/yolov8.md). # YOLOv8 YOLOv8は、Ultralyticsによる物体検出、インスタンスセグメンテーション、キーポイント検出のモデルファミリーです。RoboflowはCOCOで事前学習されたYOLOv8のチェックポイントを短い別名で提供しており、あなたは [独自の重みをアップロードする](/models/ja/moderunomi/upload-custom-weights.md) 別の場所で学習したモデルを実行するために。 RoboflowでのYOLOv8の学習はサポートされていません。Roboflowで学習された検出モデルについては、こちらを参照してください [RF-DETR](/models/ja/supported-models/rf-detr.md), [YOLO26](/models/ja/supported-models/yolo26.md)、または [YOLO11](/models/ja/supported-models/yolo11.md). ## YOLOv8 の事前学習済みエイリアス これらの ID のいずれかを `model_id` として指定すると、何も学習せずに COCO 事前学習済みチェックポイントを実行できます。完全な一覧は [事前学習済みモデルの別名](/models/ja/pretrained-aliases.md) ページにあります。 | モデル | 入力サイズ | タスク | モデル ID | テスト | | ----------------------- | ----- | --------------- | ------------------- | ------------------------------------------------------------------------------- | | YOLOv8n | 640 | 物体検出 | `yolov8n-640` | [ブラウザでテスト](https://universe.roboflow.com/microsoft/coco/model/3) | | YOLOv8n | 1280 | 物体検出 | `yolov8n-1280` | [ブラウザでテスト](https://universe.roboflow.com/microsoft/coco/model/9) | | YOLOv8s | 640 | 物体検出 | `yolov8s-640` | [ブラウザでテスト](https://universe.roboflow.com/microsoft/coco/model/6) | | YOLOv8s | 1280 | 物体検出 | `yolov8s-1280` | [ブラウザでテスト](https://universe.roboflow.com/microsoft/coco/model/10) | | YOLOv8m | 640 | 物体検出 | `yolov8m-640` | [ブラウザでテスト](https://universe.roboflow.com/microsoft/coco/model/8) | | YOLOv8m | 1280 | 物体検出 | `yolov8m-1280` | [ブラウザでテスト](https://universe.roboflow.com/microsoft/coco/model/11) | | YOLOv8l | 640 | 物体検出 | `yolov8l-640` | [ブラウザでテスト](https://universe.roboflow.com/microsoft/coco/model/7) | | YOLOv8l | 1280 | 物体検出 | `yolov8l-1280` | [ブラウザでテスト](https://universe.roboflow.com/microsoft/coco/model/12) | | YOLOv8x | 640 | 物体検出 | `yolov8x-640` | [ブラウザでテスト](https://universe.roboflow.com/microsoft/coco/model/5) | | YOLOv8x | 1280 | 物体検出 | `yolov8x-1280` | [ブラウザでテスト](https://universe.roboflow.com/microsoft/coco/model/13) | | YOLOv8n インスタンスセグメンテーション | 640 | インスタンスセグメンテーション | `yolov8n-seg-640` | [ブラウザでテスト](https://universe.roboflow.com/microsoft/coco-dataset-vdnr1/model/2) | | YOLOv8n インスタンスセグメンテーション | 1280 | インスタンスセグメンテーション | `yolov8n-seg-1280` | [ブラウザでテスト](https://universe.roboflow.com/microsoft/coco-dataset-vdnr1/model/7) | | YOLOv8s インスタンスセグメンテーション | 640 | インスタンスセグメンテーション | `yolov8s-seg-640` | [ブラウザでテスト](https://universe.roboflow.com/microsoft/coco-dataset-vdnr1/model/4) | | YOLOv8m インスタンスセグメンテーション | 1280 | インスタンスセグメンテーション | `yolov8s-seg-1280` | [ブラウザでテスト](https://universe.roboflow.com/microsoft/coco-dataset-vdnr1/model/8) | | YOLOv8m インスタンスセグメンテーション | 640 | インスタンスセグメンテーション | `yolov8m-seg-640` | [ブラウザでテスト](https://universe.roboflow.com/microsoft/coco-dataset-vdnr1/model/5) | | YOLOv8m インスタンスセグメンテーション | 1280 | インスタンスセグメンテーション | `yolov8m-seg-1280` | [ブラウザでテスト](https://universe.roboflow.com/microsoft/coco-dataset-vdnr1/model/9) | | YOLOv8l インスタンスセグメンテーション | 640 | インスタンスセグメンテーション | `yolov8l-seg-640` | [ブラウザでテスト](https://universe.roboflow.com/microsoft/coco-dataset-vdnr1/model/6) | | YOLOv8l インスタンスセグメンテーション | 1280 | インスタンスセグメンテーション | `yolov8l-seg-1280` | [ブラウザでテスト](https://universe.roboflow.com/microsoft/coco-dataset-vdnr1/model/10) | | YOLOv8x インスタンスセグメンテーション | 640 | インスタンスセグメンテーション | `yolov8x-seg-640` | [ブラウザでテスト](https://universe.roboflow.com/microsoft/coco-dataset-vdnr1/model/3) | | YOLOv8x インスタンスセグメンテーション | 1280 | インスタンスセグメンテーション | `yolov8x-seg-1280` | [ブラウザでテスト](https://universe.roboflow.com/microsoft/coco-dataset-vdnr1/model/11) | | YOLOv8x キーポイント検出 | 1280 | キーポイント検出 | `yolov8x-pose-1280` | [ブラウザでテスト](https://universe.roboflow.com/microsoft/coco-pose-detection/6) | | YOLOv8x キーポイント検出 | 640 | キーポイント検出 | `yolov8x-pose-640` | [ブラウザでテスト](https://universe.roboflow.com/microsoft/coco-pose-detection/5) | | YOLOv8l キーポイント検出 | 640 | キーポイント検出 | `yolov8l-pose-640` | [ブラウザでテスト](https://universe.roboflow.com/microsoft/coco-pose-detection/4) | | YOLOv8m キーポイント検出 | 640 | キーポイント検出 | `yolov8m-pose-640` | [ブラウザでテスト](https://universe.roboflow.com/microsoft/coco-pose-detection/3) | | YOLOv8s キーポイント検出 | 640 | キーポイント検出 | `yolov8s-pose-640` | [ブラウザでテスト](https://universe.roboflow.com/microsoft/coco-pose-detection/2) | | YOLOv8n キーポイント検出 | 640 | キーポイント検出 | `yolov8n-pose-640` | [ブラウザでテスト](https://universe.roboflow.com/microsoft/coco-pose-detection/1) | ## YOLOv8 API {% stepper %} {% step %} ### API キーを取得する Roboflow アカウントを作成し、キーを次の [Roboflow の API 設定ページ](https://app.roboflow.com/settings/api) で見つけて、シェルで利用できるようにします: ```bash export ROBOFLOW_API_KEY="your-key-here" ``` {% endstep %} {% step %} ### 依存関係をインストールする Inference SDK をインストールし、 [supervision](https://supervision.roboflow.com/) 予測のデコードと描画に使用します： ```bash pip install -U inference-sdk supervision opencv-python ``` {% endstep %} {% step %} ### モデルを実行する この例では、事前学習済みの `yolov8n-640` チェックポイントを実行します。独自の重みを提供するには、あなたの `{workspace}/{model-slug}` ID（参照 [バージョン、トレーニング、モデル](/models/ja/versions-trainings-and-models.md)). ```python import os import cv2 import supervision as sv from inference_sdk import InferenceHTTPClient image = sv.load_image_from_url("https://media.roboflow.com/inference/people-walking.jpg") client = InferenceHTTPClient( api_url="https://serverless.roboflow.com", api_key=os.environ["ROBOFLOW_API_KEY"], ) results = client.infer(image, model_id="yolov8n-640") detections = sv.Detections.from_inference(results) labels = [ f"{name} {conf:.2f}" for name, conf in zip(detections.data["class_name"], detections.confidence) ] annotated = sv.BoxAnnotator().annotate(image.copy(), detections) annotated = sv.LabelAnnotator().annotate(annotated, detections, labels=labels) cv2.imwrite("annotated.png", annotated) ``` {% endstep %} {% endstepper %} {% hint style="info" %} 次を設定します: `api_url` をデプロイ先に合わせて設定します: * `https://serverless.roboflow.com` サーバーレスクラウド API 用。 * `http://localhost:9001` ローカル [Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted) サーバー。 * プライベートエンドポイントの [専用デプロイメント](https://docs.roboflow.com/deployment/roboflow-cloud/dedicated-deployments) URL。 {% endhint %} また、 [`inference`](https://docs.roboflow.com/deployment/self-hosted/self-hosted) パッケージを使用して、そのチェックポイントをプロセス内で読み込むこともできます： ```python from inference import get_model model = get_model(model_id="yolov8n-640") results = model.infer("https://media.roboflow.com/inference/people-walking.jpg") ```