まず「AIモデル」とは何か？

要点をざっくり復習

知っておくと便利な代表的なモデルとその特徴

目的：物体検出（画像内の「どこに何があるか」）

バージョン	特徴
YOLOv1〜v3	初期のリアルタイム物体検出。Darknetという独自フレームワークで実装
YOLOv4	パフォーマンス向上。TensorFlowなどでも使いやすく
YOLOv5	UltralyticsがPyTorchで実装。ONNXに変換しやすく、使い勝手◎
YOLOv6〜v8	軽量化や精度改善が進化。YOLOv8は物体検出だけでなく、セグメンテーションや分類も対応可能

おすすめ用途：リアルタイムに画像内の物体を見つけたいケース（監視カメラ、交通監視など）

目的：画像分類（画像に何が写っているか）

バージョン	特徴
ResNet-18/34/50/101	数字が大きいほど層が深くて高精度（でも重い）

おすすめ用途：画像に写っているモノを分類する（猫？犬？など）

目的：軽量・高速な画像分類や検出（スマホや組込機器向け）

おすすめ用途：デバイスに制限があるとき、低消費電力で使いたいとき

目的：テキストの理解・分類・質問応答など

おすすめ用途：文章の分類、要約、チャットボット、検索強化など

目的：画像とテキストを同じ空間で理解する

おすすめ用途：画像検索・類似画像検出・マルチモーダルAI

※ 各モデルのONNX形式は以下のような場所から入手できます(2025.3現在)

次回(推論#03)は推論する環境の構築方法について記事を書こうと思います