YOLOv12を自分のデータでファインチューニングする手順を初心者向けに解説。学習コマンド、epochs/batch/imgsz/lr0などの意味、results.pngやPR曲線・混同行列の見方、best.ptをJetsonでTensorRT化して動作確認する流れまでまとめました。

この記事でできるようになること

• YOLOv12を**自分のデータで学習（ファインチューニング）**できる
• 学習後に出るグラフ（results.png / PR曲線 / 混同行列）の見方がわかる
• できた best.pt を JetsonでTensorRT化して動作確認できる

1. そもそも「ファインチューニング」って何？

一言でいうと、すでに学習済みのYOLOモデル（例：yolo12n.pt）を土台にして、自分のデータに合わせて追加学習することです。

• 0から作る（最初から全部学習） → 時間もデータもたくさん必要
• ファインチューニング → 少ない手間で精度が出やすい（現場ではこれが基本）

今回のコマンドはまさに「ファインチューニング」です。

2. 準備：データ（data.yaml）ができていればOK

すでに data.yaml が用意できている前提で進めます。

例：

path: dataset_c
train: images/train
val: images/val

names:
  0: cucumber
  1: cut

3. 学習コマンド（基本形）

まずは一番ベーシックな形。

yolo detect train model=yolo12n.pt data="dataset_c\data.yaml" epochs=100 imgsz=640 batch=16 device=0 name=agri_yolo_train

それぞれの意味（難しい言葉なし版）

• model=yolo12n.pt：学習の“土台”になるモデル（nは軽いモデル）
• data=...yaml：自分のデータの場所とクラス名
• epochs=100：学習を何周するか（多すぎても良くならないことがある）
• imgsz=640：学習時の画像サイズ（大きいほど細かい物に強いが重い）
• batch=16：一度にまとめて学習する枚数（大きいほど速くなりやすいがメモリを使う）
• device=0：GPUを使う（0番のGPU）
• name=...：結果フォルダ名

4. 個人的にお薦めコマンド（高速化・安定化込み）

例：

yolo detect train model=yolo12n.pt data="dataset_c\data.yaml" epochs=200 imgsz=960 batch=64 device=0 name=agri_y12n_960 lr0=0.001 close_mosaic=20 cache=ram workers=8 amp=True

ここで追加したものを、簡単に説明します。

lr0=0.001（学習の“進み方”の強さ）

• 大きいほど変化が大きい（良くも悪くも動く）
• 小さいほどじっくり（安定しやすい）

目安：まずは 0.001 は良いスタートです。

close_mosaic=20（学習の後半は“合成”をやめて丁寧に学習）

YOLOは学習中に画像を混ぜるような“強めの加工”をします（mosaic）。
close_mosaic=20 は、最後の20エポックはその加工をやめて、実画像に近い状態で仕上げるイメージです。
→ 仕上げ精度が良くなりやすいです。

cache=ram（画像をメモリに置いて読み込みを速くする）

• メリット：学習が速くなる
• デメリット：PCのメモリ（RAM）をたくさん使う／環境によって落ちることがある。安定しないなら使用するのやめる。使わなくても精度に影響はない。

workers=8（読み込み係を増やす）

• メリット：読み込みが速くなる → 学習も速くなることが多い
• デメリット：Windowsやメモリ不足環境だと落ちやすいことがある。こちらも安定しないなら使用するのやめる。使わなくても精度に影響はない。

amp=True（半分の精度で計算して高速化）

• 多くの場合、速度が上がってメモリも節約できます
• 精度が大きく落ちることは通常少ない（現場でよく使われます）

5. 「学習が遅い」時に効く順番（RTX3090想定）

私の環境だと batch=32 が早かったです。GPUのスペックが低い場合は16や8などにして試す感じです。

おすすめの順番はこれです：

1. batchを上げる（VRAMが許す範囲で）
2. cache=ram を試す（落ちるならやめる）
3. workers を上げる（落ちるなら下げる）
4. amp=True を使う

batchが大きいと何が嬉しい？

ざっくり言うと、GPUを遊ばせずに働かせられるので速くなりやすいです。
ただし 大きすぎるとメモリ不足で落ちるので、VRAMと相談です。

6. 学習が途中で落ちるとき（よくある原因と対策）

私が遭遇したようなエラーは、だいたい「読み込み（DataLoader）とメモリ」の問題です。

対策（上から順に試す）

• workers を下げる（例：8 → 4 → 2 → 0）
• cache=ram をやめる（cache=False か cache=disk）
• batch を少し下げる
• それでもダメなら imgsz を下げる（960→768→640）

例（安定寄り）：

yolo detect train model=yolo12n.pt data="dataset_c\data.yaml" epochs=200 imgsz=960 batch=32 device=0 name=agri_y12n_960_stable lr0=0.001 close_mosaic=20 cache=False workers=2 amp=True

7. 学習が終わったらどのモデルを使う？（best.ptとlast.pt）

学習後にだいたいこの2つが出ます。

• best.pt：いちばん成績が良かった瞬間のモデル（基本これを使う）
• last.pt：最後のエポックのモデル

✅ 実運用はまず best.pt でOKです。

8. 結果の見方（ここが一番大事）

8-1. results.png（学習の推移グラフ）

見るポイントは2つだけでOKです。

• train/*loss（学習中のミスの量）
  → 下がっていけばOK
• metrics/mAP50 と metrics/mAP50-95（成績）
  → 上がっていけばOK、途中から横ばいなら「頭打ち」

あなたのグラフは、**mAPが早めに伸びて、その後はゆっくり（または横ばい）**なので、
「200以上回せば大きく伸びる」というより、データ改善や調整のフェーズに入っています。

8-2. PR曲線（Precision-Recall）

• 線が右上に張り付くほど良い
• cucumber より cut が下なら、cutの方が難しい（よくある）

👉 精度を上げたいなら、エポック追加よりも
cutの画像パターンを増やす / ラベルのブレを減らすが効きます。

8-3. F1-Confidence曲線（confを決めるヒント）

このグラフは「conf（検出の厳しさ）をどこに置くとバランスが良いか」の目安になります。

• F1が最大になるconf付近 → まずそこを推論confの初期値にする

例：all classes のピークが 0.49 なら

• まず conf=0.5 で試す
• 誤検出が多ければ 0.6〜0.7
• 取り逃しが嫌なら 0.3〜0.4

8-4. 混同行列（confusion_matrix）

ここは超シンプルに見ます。

• 本当は背景なのに、cucumber/cutと判定している数が多い
  → 誤検出が多い

この誤検出を減らす最短手はこれです：

✅ 「何も写ってない画像（ラベル空）」を学習に入れる
（背景を背景として覚えられるので、誤検出が減りやすい）

9. 「キュウリとcutの枚数を同じにするためにキュウリを減らすべき？」

基本は 減らさない方が良いです。
理由：キュウリ側の“見た目のバリエーション”が減って、かえって弱くなることがあります。

やるならこうします：

• cut画像を増やす（撮影追加 or アノテ追加）
• cutが難しい条件（暗い・逆光・小さい・ブレ）を増やす
• ラベルの置き方が人によってブレてないか確認（cutは特にブレやすい）

10. best.ptをJetsonでTensorRT化して確認する流れ

重要：TensorRTの変換はJetson上でやるのが一番安全です（環境依存が強いので）。

おすすめの流れ（失敗しにくい）

1. 学習PCで best.pt を用意
2. Jetsonに best.pt をコピー
3. Jetson上で TensorRT化（engine作成）
4. Jetson上で推論して速度と検出を確認

まとめ

誤検出が多いなら 背景画像（ラベル空）追加が強い

YOLOv12の学習は model= yolo12n.pt を指定すればファインチューニング

results.png で「頭打ち」なら、エポック追加より データ改善が効く

できた best.pt は JetsonでTensorRT化して使うのが安全

次の記事ではここで作成したモデルをjetsonで動かす方法を紹介していきたいと思います。

それではまた。