教師なしセグメンテーションモジュールの使用例

過去バージョンのマニュアルを表示しています。最新版のマニュアルを表示するには、ページの右上隅にあるバージョン番号をクリックして切り替えてください。

本節では、ビール瓶の底のデータ(ダウンロード先)を例に、「教師なしセグメンテーションモジュール」の使用方法を説明します。画像の欠陥を検出できるモデルをトレーニングします。

また、お手元のデータも使用できます。ラベル付けの段階に多少異なりますが、全体の操作はほぼ同じです。
  1. プロジェクトを新規作成して「教師なしセグメンテーション」モジュールを追加:ホーム画面の プロジェクトを新規作成 をクリックし、ディレクトリを選択してプロジェクト名を入力し、新しいプロジェクトを作成します。右上のexample projects icon createをクリックし、「教師なしセグメンテーション」モジュールを選択します。

    example projects add project
  2. 画像のデータセットのインポート:ダウンロードしたデータセットを解凍し、左上のインポート  フォルダを選択して、ダウンロードした画像データセットをインポートします。

    example projects import images
  3. ROI を設定:ROI ツールexample projects icon roiをクリックし、対象領域を指定し、画像の上の適用ボタンをクリックします。ROI を選択するのは、不要な背景の情報を除去するためです。

    ROI 設定はすべての画像に適用されます。そのため、すべての画像にある対象物が ROI 内にあることを確認してください。
    example projects roi
  4. トレーニングセットと検証セットを分ける:ソフトウェアでは、デフォルトの設定として、データセットの 80% をトレーニングセット、残りの 20% を検証セットに分けます。 example projects icon slider をクリックし、スライダをドラッグしてその割合を調整することができます。

    example projects move image
  5. 画像ラベル付け:画像の左のツールバーから OK ボタンOK label toolまたは NG ボタンNG label toolを選択して画像にラベルを付けます。

    example projects labeling
  6. モデルトレーニング:デフォルトのパラメータを使って、トレーニング をクリックしてモデルのトレーニングを開始します。

    トレーニングセットの NG 画像は検証セットに配置され、検証のために使用されます。
    example projects training chart
  7. モデル検証:モデルトレーニング終了後、検証 をクリックして結果を確認します。

    example projects result verification
    「検証」パネルのしきい値編集をクリックします。表示されたウィンドウでしきい値を編集します。緑の線は OK 結果のしきい値を、赤の線は NG 結果のしきい値を設定します。編集後、新ししきい値でモデルを再度検証してください。
  8. モデルをエクスポートモデルをエクスポートをクリックして保存場所を指定してからモデルをエクスポートします。

    example projects model files

エクスポートされたモデルは Mech-Vision とMech-DLK SDK に使用できます。クリック して詳細な説明を確認します。

Mech-Mindは、お客様のプライバシーを重視しています

このサイトでは最高の体験を提供するために Cookie を使用しています。サイトの閲覧を続ける場合、Cookie の使用に同意したことになります。「拒否する」を選択すると、このサイトを訪れた際に追跡や記憶が行われないように単独の Cookie が使用されます。