> 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-tasks/keypoint-detection.md).

# キーポイント検出

物体と各物体上の決まった点のセット（例：姿勢推定における人物の関節）を検出し、Roboflowで独自のキーポイント検出モデルをトレーニングしてデプロイできます。

## キーポイント検出とは？

キーポイント検出では、各物体とその物体上の決まった点のセットを検出します。各物体について、モデルはクラスラベル、バウンディングボックス、および各キーポイントの位置と信頼度を返します（例：人物の肩、肘、膝）。点をつないで、プロジェクトで定義したスケルトンを作成します。物体の位置だけでなく、各部位の位置や角度が重要な場合に使用します。

<figure><img src="https://1194881119-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fcmo9mhfIjYrvFFy1U7dk%2Fuploads%2Fgit-blob-22e471520dbbe91d8447c9c6316da1b10f5eda76%2Fimg-task-keypoint-detection-wide.webp?alt=media" alt="A worker sorting oranges, with keypoints and a skeleton placed on the head, shoulders, arms, and hands"><figcaption></figcaption></figure>

## 対応しているキーポイント検出モデル

Roboflowでは、以下のキーポイント検出モデルがサポートされています。モデルごとのエクスポートとデプロイの対応状況については、 [キーポイント検出モデル](https://docs.roboflow.com/models/ja/supported-models.md#keypoint-detection) の表をご覧ください。

<table data-search="false"><thead><tr><th>モデル</th><th>ライセンス</th><th data-type="checkbox">Roboflowでトレーニング可能</th><th>最新リリース</th></tr></thead><tbody><tr><td><a href="https://docs.roboflow.com/models/ja/supported-models/rf-detr.md">RF-DETR Pose</a></td><td><a href="https://docs.roboflow.com/models/ja/model-licenses.md#platform-model-license">PML 1.0</a> （Roboflow Cloudでは商用利用を含む）</td><td>true</td><td>2026</td></tr><tr><td><a href="https://docs.roboflow.com/models/ja/supported-models/rf-detr.md">RF-DETR（プレビュー）</a></td><td><a href="https://docs.roboflow.com/models/ja/model-licenses.md">Apache 2.0</a> （商用利用無料）</td><td>true</td><td>2026</td></tr><tr><td><a href="https://docs.roboflow.com/models/ja/supported-models/roboflow-3.md">Roboflow 3.0</a></td><td><a href="https://roboflow.com/licensing">Roboflowライセンス</a></td><td>true</td><td>2023</td></tr><tr><td><a href="https://docs.roboflow.com/models/ja/supported-models/yolo26.md">YOLO26</a></td><td><a href="https://docs.roboflow.com/models/ja/model-licenses.md">AGPL-3.0</a> （商用利用にはライセンスが必要。Roboflow Cloudではライセンスを含む）</td><td>true</td><td>2026</td></tr><tr><td><a href="https://docs.roboflow.com/models/ja/supported-models/yolo11.md">YOLO11</a></td><td><a href="https://docs.roboflow.com/models/ja/model-licenses.md">AGPL-3.0</a> （商用利用にはライセンスが必要。Roboflow Cloudではライセンスを含む）</td><td>true</td><td>2024</td></tr></tbody></table>

## 事前学習済みのRF-DETR Poseモデルを使用する

トレーニングせずに人物とそのキーポイントを検出するには、 [キーポイント検出モデル](https://docs.roboflow.com/workflows/blocks/blocks/run-a-model/keypoint-detection-model) ブロックを [ワークフロー](https://docs.roboflow.com/workflows)に追加します。モデルセレクターで「事前学習済み」タブを開き、RF-DETR Poseを選択して、各ステージのサイズを選びます。このモデルはCOCOでトレーニングされています。COCOの80クラスすべてを検出し、人物のキーポイントのみを返します。

## キーポイント検出モデルのファインチューニング

{% stepper %}
{% step %}

### キーポイント検出プロジェクトを作成する

「 [プロジェクト](https://docs.roboflow.com/datasets/create-and-upload/create-a-project) 」を作成し、プロジェクトの種類として「キーポイント検出」を選択します。次に、 [スケルトンを定義](https://docs.roboflow.com/datasets/annotate/annotate/edit-keypoint-skeletons)します。ラベル付けする点と、それらをどのようにつなぐかを設定します。

<figure><img src="https://1194881119-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fcmo9mhfIjYrvFFy1U7dk%2Fuploads%2Fgit-blob-b15a071a629926c02c28c53e9ec2567cfa311a29%2Fcreate-project-keypoint-detection.webp?alt=media" alt="Create project form with Keypoint Detection selected as the project type and a preview of a keypoint detection example"><figcaption></figcaption></figure>
{% endstep %}

{% step %}

### 画像をアップロードしてアノテーションする

[画像をアップロード](https://docs.roboflow.com/datasets/create-and-upload/adding-data)し、各画像を [アノテーションエディター](https://docs.roboflow.com/datasets/annotate/annotate/annotation-tools)で開いて、各物体の周囲にボックスを描画し、スケルトンの各キーポイントを [ドラッグして](https://docs.roboflow.com/datasets/annotate/annotate/annotate-keypoints) 所定の位置に配置します。隠れている点にはオクルージョンのマークを付けます。AIラベリングツールはキーポイントプロジェクトに対応していないため、キーポイントは手動で配置します。

<figure><img src="https://1194881119-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fcmo9mhfIjYrvFFy1U7dk%2Fuploads%2Fgit-blob-61be286baf2707d0de361d2f0bb4896aa78178a2%2Fannotate-keypoints.webp?alt=media" alt="Annotation editor with a person box and a skeleton of keypoints placed on a skateboarder&#x27;s joints"><figcaption></figcaption></figure>
{% endstep %}

{% step %}

### データセットのバージョンを生成する

[データセットのバージョンを生成する](https://docs.roboflow.com/datasets/versions/dataset-versions/create-a-dataset-version)と、画像をトレーニング、検証、テストに分割した固定スナップショットが作成されます。前処理やデータ拡張も含まれます。
{% endstep %}

{% step %}

### キーポイント検出モデルをトレーニングする

「トレーニング」をクリックし、アーキテクチャとサイズを選択します。すべての選択肢については、 [モデルをトレーニングする](https://docs.roboflow.com/models/ja/xue-xi/train-a-model.md) をご覧ください。

<figure><img src="https://1194881119-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fcmo9mhfIjYrvFFy1U7dk%2Fuploads%2Fgit-blob-c18ee2f4d0003a4d5a2a83168d241bb76ab131bb%2Ftrain-architectures-keypoint-detection.webp?alt=media" alt="Select Architecture step on the Train page listing RF-DETR Pose (Recommended), RF-DETR Preview, YOLO26, Roboflow 3.0, and YOLOv11"><figcaption></figcaption></figure>
{% endstep %}
{% endstepper %}

## キーポイント検出モデルをデプロイする

トレーニング後、キーポイント検出モデルを次の方法でデプロイできます:  [サーバーレス Cloud API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api)、 [専用デプロイ](https://docs.roboflow.com/deployment/roboflow-cloud/dedicated-deployments)、または [Roboflow Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted)を使用して独自のハードウェア上にデプロイできます。比較については、 [デプロイ方法の選択](https://docs.roboflow.com/deployment/choosing-a-deployment) をご覧ください。
