教師なしセグメンテーションモジュールの使用例
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。 |
事前準備
-
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：Mech-DLK を起動し、ホーム画面のプロジェクトを新規作成をクリックします。保存パスを選択し、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。メイン画面の右上にあるモジュールバーで、入力モジュール下の + ボタンをクリックし、モジュール追加ウィンドウで教師なしセグメンテーションモジュールを選択します。
画像に背景ノイズがある場合、対象物検出モジュールを前段に追加してください。画像の対象物の向きがバラバラである場合、すばやく位置決めモジュールを前段に追加してください。モジュールの組み合わせ方法は、樹形モジュール群の概要をご参照ください。 
-
画像をインポート：取得した画像データをインポートするか、前述のデータ圧縮ファイルを解凍して使用します。以下の方法で画像をインポートしてください。
-
方法 1
画像またはフォルダを画像リストにドラッグします。ドラッグによるデータセットのインポートには対応していません。
-
方法 2
画像リストの上のインポート/エクスポートボタンをクリックします。データの種類に応じてインポートオプションを選択します。
-
前のモジュールからインポート：前のモジュールの画像をインポートします。
-
画像をインポート：一枚または複数枚の画像をインポートします。
-
フォルダをインポート：フォルダにある全ての画像をインポートします（サブフォルダー内の画像を除く）。
-
データセットをインポート：Mech-DLK からエクスポートしたDLKDB 形式（.dlkd）のデータセットをインポートします。
-
ユーザーが準備したデータをインポートする場合、画像には対象物の位置や形状、寸法がバラバラになったり、背景が様々になったりすることがないようにしてください。このようなデータはモデルの効果に影響します。モデルの効果を確保するために、差が小さい OK 画像を使用してください。
多数の画像 不正確なラベル付け 
-
NG 画像を追加することを推奨します。これによりモデルの効果の改善に役立ちます。
-
-
-
-
ROI 設定：ROI ツールのアイコン
をクリックして、画像の対象範囲を ROI としてドラッグで指定します。その後、ROI 枠の右下にある確定アイコン 
をクリックして適用します。ROI を設定することで、背景による干渉を抑えられます。ROI の境界は、なるべく対象物の外縁に近づかせます。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。 
-
トレーニングセットと検証セットの振り分け：ソフトウェアはデフォルトでデータセットの 80％ をトレーニングセットに、20％ を検証セットに分けます。トレーニングセット/検証セット分割アイコン
をクリックしてスライダーをドラッグすることで比率を調整できます。
モデルのトレーニング
-
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。 
-
トレーニング状況確認：トレーニングパネルからモデルのトレーニング状況をリアルタイムで確認できます。
-
「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になると、トレーニングが正常に進行していることになります。
-
実際の状況に応じてトレーニングを中止（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、トレーニングの完了まで待ち、正確度の推移を観測して初歩的にモデルの効果を評価することもできます。エポックを重ねても正確度曲線に上昇傾向が見られない場合は、トレーニングに問題がある可能性があります。トレニンーグを中止し、各パラメータ設定を確認した上で、データセットにおけるラベル抜けや誤りの有無をチェックし、修正後にトレニンーグを再開してください。
モデルの検証
-
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。
-
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。
-
詳細レポートをクリックして詳細レポートウィンドウを開いて詳細な結果データを確認します。
-
レポートのラベル付け結果マッチングには、モデル推論（検証）の結果と手動ラベルとのマッチング関係を示します。
-
表の縦は手動で付けたラベル、横は推論の結果です。青いセルは両方が一致していることを示します。その他のセルは不一致が存在することを示しており、モデル最適化の参考になります。
-
セルのデータをクリックすると、ソフトウェアのメイン画面の画像リストに対応する画像のみが表示されます。
モデル効果を改善するには、付けたラベルをチェックしてトレーニングパラメータを調整した後再度トレーニングしてください。 詳細レポートウィンドウの右下にあるレポートをエクスポートボタンをクリックし、サムネイルレポートまたは完全画像レポートをエクスポートすることが選択できます。
-
-
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た後、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してトレーニングパラメータ設定でモデルを微調整することが可能です。詳細な説明は、モデルの追加学習をご参照ください。
-
モデルの最適化：モデルが使用要件を満たすまで上記の手順を繰り返します。
検証パネルの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。
モデルのエクスポート
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。
エクスポートされたモデルは 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。