computer-vision-expert
SOTA モデルを使ったコンピュータビジョンシステムの構築
最新のコンピュータビジョンシステムの構築には、複数の SOTA モデルに関する専門知識が必要です。このスキルでは、検出、セグメンテーション、空間分析タスクのための YOLO26、SAM 3、ビジョンランゲージモデルに関する専門的なガイダンスを提供します。
スキルZIPをダウンロード
Claudeでアップロード
設定 → 機能 → スキル → スキルをアップロードへ移動
オンにして利用開始
テストする
「computer-vision-expert」を使用しています。 エッジデバイスでリアルタイムオブジェクト検出を行うために YOLO26 をセットアップするにはどうすればよいですか？
期待される結果:
YOLO26 のエッジデプロイメントには、エクスポートを簡素化する NMS フリーアーキテクチャを使用します。主なステップ：
1. **モデル選択**: 最速の yolo26n（nano）またはより高精度な yolo26s（small）を使用
2. **エクスポートコマンド**: `yolo export model=yolo26s format=onnx`
3. **TensorRT 最適化**: Jetson で 2 倍のスピードアップのために TensorRT FP16 に変換
4. **推論**: NMS 後処理なしで簡素化された推論 API を使用
NMS フリー設計により、従来の YOLO アーキテクチャと比較してレイテンシが 30% 削減されます。
「computer-vision-expert」を使用しています。 SAM 3 を使用して特定オブジェクトのテキスト誘導セグメンテーションを行う
期待される結果:
SAM 3 のテキスト to マスク機能により、自然言語を使用したセグメンテーションが可能です：
```python
from sam3 import SAM3Model
model = SAM3Model()
image = load_image('warehouse.jpg')
# セグメンテーション用のテキストプロンプト
masks = model.text_to_mask(image, prompt='the blue container')
```
これにより、手動ポイントプロンプトが不要になります。SAM 3 は検出、セグメンテーション、トラッキングを 1 つのモデルに統合することで、SAM 2 に対して 2 倍の精度を達成します。
セキュリティ監査
安全All static findings are false positives. The scanner detected 'SAM' as Windows SAM database (actually Segment Anything Model), backticks as shell execution (actually skill name formatting), and misidentified cryptographic patterns. This is a legitimate computer vision expert skill with no security concerns.
低リスクの問題 (3)
リスク要因
⚙️ 外部コマンド (4)
品質スコア
作れるもの
産業用品質検査
YOLO26 による高速欠陥検出と SAM 3 による製品異常の精密セグメンテーションを組み合わせた自動視覚検査システムを構築。製造ラインでの使用を想定。
自律ロボットナビゲーション
深度推定、視覚 SLAM、リアルタイムオブジェクト検出を組み合わせた視覚パイプラインを構築。動的環境での安全な移動を実現。
ドキュメント・メディア分析
VLM による視覚グラウンディングと質問応答機能を活用し、画像や図表、視覚文書から構造化データを抽出するシステムを実装。
これらのプロンプトを試す
エッジデバイスでリアルタイムオブジェクト検出を行うために YOLO26 をセットアップするにはどうすればよいですか？車両と歩行者を検出する必要があります。
SAM 3 を使用して、画像内の「赤い_shipping container」のすべてのインスタンスをセグメントする必要があります。テキスト to マスク機能はどのように使用しますか？
Florence-2 を使用して画像に関する質問に答えるパイプラインの構築を支援してください。製品写真から構造化データを抽出したいです。
NVIDIA Jetson Orin でのデプロイメント向けに YOLO26 モデルを最適化するための最良のアプローチは何ですか？精度を維持しながらレイテンシを削減する必要があります。
ベストプラクティス
- リアルタイムアプリケーションでは低レイテンシのために YOLO26 などの NMS フリーアーキテクチャを使用する
- 高速な候補提案には YOLO26 を、精密なマスク洗練には SAM 3 を組み合わせて使用する
- SAM 3 では説明的なテキストプロンプトを使用する（例：「bolt」ではなく「5mm のボルト」）
回避
- NMS フリーアーキテクチャの代わりに手動 NMS 後処理を使用する
- SAM 3 のテキスト誘導プロンプトの代わりにクリックのみのセグメンテーションに依存する
- YOLO26 の簡素化されたモジュール構造をサポートしないレガシーなエクスポートパイプラインを使用する