画像分類モジュールの使用例

プロジェクトを新規作成して画像分類モジュールを追加：ホーム画面の プロジェクトを新規作成 をクリックし、プロジェクトパスを選択し、プロジェクト名を入力して新しいプロジェクトを作成します。右上のをクリックし、画像分類モジュールを選択します。

ワーク画像データをインポート：ダウンロードしたデータセットを解凍し、画面左上の インポート/エクスポートをクリックし、フォルダをインポートを選択すると、解凍した画像データをインポートすることができます。

クラスを作成：右側にある ＋新規作成 をクリックし、対象物の名前や特徴によってクラスを作成します。ワークの表裏を区別するので、クラス名を「front」と「back」と付けます。

画像のラベル付け：画像左側のラベル付けツールバーで該当クラスを選択し、ラベリングすることができます。また、複数画像の同時選択による一括ラベル付けも可能です。クラスの一貫性を厳守してください。画像の裏を表と誤ってラベルを付けたりする行為は禁じます。クリックでラベル付けのツールについての説明を確認します。

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、データセットの80%をトレーニングセット、20%を検証セットとしてデフォルトで割り当てます。トレーニングセットと検証セットの両方に*すべてのカテゴリー*の画像が含まれることを確保する必要があります。これにより、アルゴリズムモジュールはトレーニングのプロセスで全カテゴリーの特徴を習得するとともに、全種類の画像に対する検証を実行できます。デフォルトのデータセット分割が上記の条件を満たさない場合、画像名を右クリックしてトレーニングセットに移動または検証セットに移動を選択して、画像の所属セットを調整できます。

モデルトレーニング：デフォルトのパラメータを使用し、トレーニング をクリックすると、モデルトレーニングを開始します。

トレーニング情報による進捗監視：トレーニングタブ内のトレーニング情報バーで、モデルのトレーニング状況をリアルタイムに確認できます。

「トレーニングチャート」から状況確認：トレーニングパネルのチャートを表示ボタンをクリックしてトレーニングチャートを表示して、曲線の変化から精度の推移を把握します。正確度曲線が全体的に上昇傾向、損失曲線が全体的に低下傾向を示すことから、現在のトレーニングプロセスが正常に進行していることがわかります。

実際の状況に応じるトレーニング中止（オプション）：モデルの正確度が要求水準に達した場合、時間節約のため「トレーニングセンター」ボタンをクリックし、タスクリストから対象プロジェクトを選択してをクリックすると、トレーニングが中止されます。また、モデルトレーニングの完了まで待ち、正確度の最大値などのパラメータを観測することで、トレーニングの効果を初期的に判断できます。

CAM（クラス活性化マップ）を表示：画像分類モデルのトレーニングを実行した後、「検証」タブにあるCAM の右の生成ボタンをクリックします。CAM 生成後、をクリックすると確認できます。 CAMは、モデルトレーニング中に画像の注目されている特徴エリアを可視化し、分類状況の検証とモデルの最適化に役立ちます。

モデル検証：トレニンーグ自動終了や手動中止後、検証タブにある検証ボタンをクリックし、モデルの検証を行います。

トレーニングセットのモデル検証結果を確認：検証終了後、検証パネルの検証統計から検証の結果を確認できます。

再トレーニング：新たにラベル付けした画像をトレーニングセットに追加してから、トレーニングボタンをクリックして、再トレーニングを開始します。

モデル検証結果の再チェック：再トレニンーグ終了後、再び検証ボタンをクリックしてモデルの検証を行い、各データセットにおけるモデルの検証結果を確認します。

モデルの微調整（オプション）：開発者モードをオンにすることで、トレーニングパラメータ設定でモデルの微調整が可能になります。詳細な説明はモデルの追加学習をお読みください。

モデルの最適化：上記の手順を繰り返し実行し、モデルが使用要件を満たすまで継続的に性能最適化を進めていきます。