> 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/object-detection.md).

# 物体検出

各オブジェクトをラベル付きボックスで囲んで画像内のオブジェクトを見つけて数え、その後、Roboflowで独自の物体検出モデルを学習・デプロイします。

## 物体検出とは？

物体検出は、画像内の注目対象それぞれを見つけ、その周囲にボックスを描きます。各オブジェクトについて、モデルはクラスラベル（例:「person」「bottle」「car」）、信頼度スコア、そしてピクセル単位のボックス位置を返します。画像に何があり、どこにあり、いくつあるかはわかりますが、正確な形状はわかりません。輪郭を取得するには [インスタンスセグメンテーション](https://docs.roboflow.com/models/ja/supported-tasks/instance-segmentation.md).

<figure><img src="https://1194881119-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fcmo9mhfIjYrvFFy1U7dk%2Fuploads%2Fgit-blob-7c4346da355897d93dbaec69ee40ae5d19bf9d81%2Fimg-task-object-detection-wide.webp?alt=media" alt="Oranges on a conveyor, each inside a labeled orange bounding box"><figcaption></figcaption></figure>

## 対応している物体検出モデル

Roboflowはこれらの物体検出モデルをサポートしています。次を参照してください。 [物体検出モデル](https://docs.roboflow.com/models/ja/supported-models.md#object-detection) 各モデルのエクスポートおよびデプロイ対応状況の表。

<table data-search="false"><thead><tr><th>モデル</th><th>ライセンス</th><th data-type="checkbox">Roboflow 上で学習可能</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</a></td><td><a href="https://docs.roboflow.com/models/ja/model-licenses.md">Apache 2.0</a> (商用利用可); XLおよび2XL: PML 1.0</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ライセンシング</a></td><td>true</td><td>2023</td></tr><tr><td><a href="https://docs.roboflow.com/models/ja/supported-models/yololite.md">YOLOlite</a></td><td><a href="https://roboflow.com/licensing">Roboflowライセンシング</a></td><td>true</td><td>2026</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です。Roboflow Cloud に含まれています）</td><td>true</td><td>2026</td></tr><tr><td><a href="https://docs.roboflow.com/models/ja/xue-xi/roboflow-instant.md">Roboflow Instant</a></td><td><a href="https://roboflow.com/licensing">Roboflowライセンシング</a></td><td>true</td><td>2025</td></tr><tr><td><a href="https://docs.roboflow.com/models/ja/supported-models/yolov12.md">YOLOv12</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です。Roboflow Cloud に含まれています）</td><td>true</td><td>2025</td></tr><tr><td><a href="https://docs.roboflow.com/models/ja/supported-models/paligemma2.md">PaliGemma 2</a></td><td><a href="https://docs.roboflow.com/models/ja/model-licenses.md#other-models">上流ライセンス</a></td><td>true</td><td>2024</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です。Roboflow Cloud に含まれています）</td><td>true</td><td>2024</td></tr><tr><td><a href="https://docs.roboflow.com/models/ja/supported-models/yolov9.md">YOLOv9</a></td><td><a href="https://docs.roboflow.com/models/ja/model-licenses.md">GPL-3.0</a></td><td>false</td><td>2024</td></tr><tr><td><a href="https://docs.roboflow.com/models/ja/supported-models/yolov5.md">YOLOv5</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です。Roboflow Cloud に含まれています）</td><td>false</td><td>2022</td></tr><tr><td><a href="https://docs.roboflow.com/models/ja/supported-models/owlv2.md">OWLv2</a></td><td><a href="https://docs.roboflow.com/models/ja/model-licenses.md#other-models">上流ライセンス</a></td><td>false</td><td>2023</td></tr><tr><td><a href="https://docs.roboflow.com/models/ja/supported-models/grounding-dino.md">Grounding DINO</a></td><td><a href="https://docs.roboflow.com/models/ja/model-licenses.md#other-models">上流ライセンス</a></td><td>false</td><td>2023</td></tr></tbody></table>

## 物体検出モデルのファインチューニング

{% stepper %}
{% step %}

### 物体検出プロジェクトを作成する

を作成し、 [プロジェクト](https://docs.roboflow.com/datasets/create-and-upload/create-a-project) そしてプロジェクトタイプとして「Object Detection」を選択します。

<figure><img src="https://1194881119-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fcmo9mhfIjYrvFFy1U7dk%2Fuploads%2Fgit-blob-48b4f6342502c65ee0d299f12df90c7c2ee553d6%2Fcreate-project-object-detection.webp?alt=media" alt="Create project form with Object Detection selected as the project type and a preview of an object 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し](https://docs.roboflow.com/datasets/create-and-upload/adding-data)その後、ラベル付けします。最も速い方法は [自動ラベル付け](https://docs.roboflow.com/datasets/annotate/annotate/ai-labeling/auto-label)：基盤モデル（例: Gemini、GPT、SAM 3）または学習済みモデルのいずれかが、画像バッチ内のすべてのオブジェクトの周囲にバウンディングボックスを描画し、その結果を確認します。また、次の方法でもラベル付けできます。 [アノテーションエディタ](https://docs.roboflow.com/datasets/annotate/annotate/annotation-tools)、AIの支援付きで（[Label Assist](https://docs.roboflow.com/datasets/annotate/annotate/ai-labeling/model-assisted-labeling) モデルがボックスを提案し、 [スマート選択](https://docs.roboflow.com/datasets/annotate/annotate/ai-labeling/smart-select) ワンクリックでオブジェクトの輪郭を作成し、 [ボックスプロンプティング](https://docs.roboflow.com/datasets/annotate/annotate/ai-labeling/box-prompting-ai-labeling) あなたが描いたものに一致するすべてのオブジェクトを見つける）か、Bounding Boxツールを使って手動で行えます。

<figure><img src="https://1194881119-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fcmo9mhfIjYrvFFy1U7dk%2Fuploads%2Fgit-blob-c94b32366afb358ef80e4748a8d9086b564ece43%2Fannotate-object-detection.webp?alt=media" alt="Annotation editor on a street image with boxes around vehicles and people, the class list and Find Objects with AI button on the left, and the labeling toolbar on the right"><figcaption></figcaption></figure>
{% endstep %}

{% step %}

### データセットバージョンを生成する

[データセットバージョンを生成する](https://docs.roboflow.com/datasets/versions/dataset-versions/create-a-dataset-version)：画像の固定スナップショットに、train、valid、test の分割、さらに前処理や拡張が加えられたものです。
{% endstep %}

{% step %}

### 物体検出モデルを学習する

「Train」をクリックし、「Custom Training」を選択して、アーキテクチャとサイズを選びます。詳しくは [モデルを学習する](https://docs.roboflow.com/models/ja/xue-xi/train-a-model.md) で各オプションを確認できます。

<figure><img src="https://1194881119-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fcmo9mhfIjYrvFFy1U7dk%2Fuploads%2Fgit-blob-4c6c3fbe987c4a2b9131ec4d60f4011bdf36cbe8%2Ftrain-architectures-object-detection.webp?alt=media" alt="Select Architecture step on the Train page listing RF-DETR (Recommended), YOLO26, Roboflow 3.0, YOLOv11, YOLOv12, YOLO-NAS, YOLOLite CPU, and YOLOLite GPU"><figcaption></figcaption></figure>
{% endstep %}
{% endstepper %}

## 物体検出モデルをデプロイする

学習後、以下を使って物体検出モデルをデプロイします。 [Serverless Cloud API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api)、 [Dedicated Deployment](https://docs.roboflow.com/deployment/roboflow-cloud/dedicated-deployments)、または自身のハードウェア上で [Roboflow Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted)を使ってマルチモーダルモデルをデプロイできます。以下を参照してください。 [デプロイ方法の選択](https://docs.roboflow.com/deployment/choosing-a-deployment) で各 विकल्पを比較できます。
