データ収集後、モデルのトレーニングを開始することができます。
トレーニングを開始する
- プロジェクト概要に移動します。
- プロジェクトを選択します。
- オプション: トップバーのプロジェクト名の横にある歯車のアイコンを選択します。
- オプションでデータ最適化]を選択します。
- 提案された手順を踏むことで、データセットが強化され、より正確なものになるでしょう。
- データセット」タブから「新しいトレーニングの開始」を選択します。
- トレーニング名を入力し、トレーニングに使用するオブジェクトを選択します。
- トレーニングの開始を選択します 。
注:データやサーバーの稼働状況により、トレーニング完了までに時間がかかります。
トレーニングの概要
トレーニングが終了すると、ユーザーは「トレーニング」ページでトレーニングに関するさまざまな統計や概要にアクセスできます。このページでは、トレーニングの良し悪しを判断するのに役立つ情報を更新しています。
ここでは、表示された統計データを分析する:
- 総合精度:学習したモデルが、プロジェクト内の定義されたオブジェクトを平均してどれだけ正確に予測できるかを示す。
- 画像トレーニングに使用した画像の枚数を表示します。
- トレーニング時間:このモデルのトレーニングに費やした全体の時間を表示します。
- Precision Per Labelチャート: 学習済みモデルが、プロジェクトの定義されたオブジェクトを個別に予測する際に達成できる精度を示しています。
- Dataset Quantity(データセット数量):プロジェクト内で定義されたオブジェクトごとに、トレーニングで使用されたデータが表示されます。オレンジと赤が表示されている場合は、数量が改善されている必要があります。
トレーニング結果は、異なる色を持つことができます。それらは次のような意味を持っています:
- 緑色です:結果は良好で、次に進むことができます。
- オレンジ色です:結果は問題なく、次に進むことができますが、もっと多くのデータが必要です。画像を増やしたり、ラベルの正しさを見直すなどして、モデルの改良を試みてください。
- 赤:結果が良くないので、画像を追加したり、ラベルの正しさを見直すなどの調整をして、新しいモデルを学習する必要があります。
学習済みモデルの公開
トレーニングの統計によって、ユーザーは公開するトレーニングを決めることができ、ユーザーは左側に表示されるトレーニングのリストから選択することができます。
トレーニングを公開するため:
- 公開するトレーニングを選択します。
- 上部にある「公開」をクリックします。
注:公開されたトレーニングは、上部のボタンをクリックすることで公開を解除することも可能です。
通常、データセットに新しい画像が追加された場合、精度を向上させるためにさらなる学習が必要になります。しかし、その後の学習で精度が悪くなった場合でも、古い学習は利用することができます。
パブリッシュされたモデルをエクスポートする
モデルを書き出すには
- 上部のプロジェクト名の横にある歯車のアイコンをクリックします。
- 公開されたモデルをエクスポートする]を選択します。
注: 同じメニューで共有可能なリンクを生成することで、モデルを共有することも可能です。