研究と科学
発見のためのコードベース
ユーザーだけでなく、研究者のために設計したコードベースです。自由に書き換え、深く覗き込み、その権利に対価を払うことなく発表できます。
「研究ライセンス」は不要
フレームワークによっては、成果を公開せずにコードを調べるためだけに「研究」や「科学」向けライセンスの別料金を求めます。LibreYOLOは求めません。
よくある「科学ライセンス」
- 研究を非公開に保つには課金が必要
- 商用の研究開発には利用料
- 複雑なライセンス階層
- 論文発表のたびに法務レビュー
LibreYOLO（MIT）
- 自由に調べて、非公開のままにできる
- どんな用途でも費用はゼロ
- シンプルなライセンス1つ、MIT
- 法務の心配なく発表できる
ネイティブな説明可能性
ブラックボックスの中を見る
解釈可能性と説明可能性のツールを内蔵しています。外部依存も複雑な設定も不要です。フラグと関数呼び出しだけで使えます。
特徴マップの抽出
フラグを1つ。それだけで、すべての層の中間活性を保存できます。各段階でモデルが何を「見て」いるのかを理解するのに最適です。
feature_maps.py
from libreyolo import LibreYOLO
# Enable feature map saving in constructor
model = LibreYOLO(
model_path="LibreYOLO11m.pt",
size="m",
save_feature_maps=True
)
# Run inference - feature maps auto-saved
results = model(image="parkour.jpg")
# Saved to: runs/feature_maps/backbone_p1.png
1/11
CAMの可視化
実験的7種類のClass Activation Map手法を内蔵しています。model.explain()を呼び出すと、モデルが何に注目しているかを示すヒートマップを生成します。この機能は実験的で、結果は変わることがあります。
explainability.py
from libreyolo import LibreYOLO
model = LibreYOLO(model_path="LibreYOLO11m.pt", size="m")
# One-line CAM visualization
result = model.explain(
image="parkour.jpg",
method="gradcam",
target_layer="neck_c2f22",
save=True
)
# Returns heatmap and overlay
print(result["heatmap"].shape)書き換えられることを前提に
コードベースは読みやすく、書き換えやすいように書かれています。新しいバックボーンを試したい。独自のアテンション機構を実験したい。新しい損失関数を追加したい。どうぞご自由に。
yolov11_custom.py
# Your modified architecture
from libreyolo.models.yolov11 import YOLOv11
class YOLOv11Custom(YOLOv11):
def __init__(self):
super().__init__()
# Swap out the backbone
self.backbone = MyCustomBackbone()
def forward(self, x):
features = self.backbone(x)
return self.head(self.neck(features))
# Train it:
model = YOLOv11Custom()
model.train(data="my_dataset.yaml")今日から研究を始める
ライセンス料はありません。ペイウォールもありません。成果を非公開にすることへの制限もありません。インストールして、探索を始めるだけです。
$ pip install libreyolo