テキスト検出モジュールの使用例

現在ご覧いただいているのは最新版の内容です(V2.6.2)。異なるバージョンを参照する場合は、画面右上のボタンから切り替えが可能です。

■ ご利用中のバージョンが分からない場合や、サポートが必要な場合はお気軽にサポート窓口までご連絡ください。

LED ディスプレイのデータ(ダウンロード先)を例に、テキスト検出モジュールの使用方法を説明します。テキスト認識モジュールと合わせて使用することで画像のテキスト(文字、数字、記号)を検出してエクスポートします。

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

  1. プロジェクトを新規作成してテキスト検出モジュールを追加: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、テキスト検出モジュールを選択します。

    example projects add project
  2. ワーク画像データをインポート:ダウンロードした圧縮フォルダを解凍し、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して、ダウンロードした画像データをインポートすることができます。

    example projects import images

    重複画像がある場合、表示された画像をインポートウインドウではスキップやインポートを指定し、タグを追加することができます。1枚の画像につき設定可能なタグは1つのみであるため、すでにタグ付きのものに新規タグを追加すると、古いタグは上書きされます。データセットをインポートする場合、重複画像を置き換えるかを選択できます。

    • 画像、フォルダをインポートするとき:

      example projects duplicate1
    • データセットをインポートするとき:

      example projects duplicate2
      データセットをインポートを選択すると、DLKDB 形式(.dlkd)のデータセット、すなわち Mech-DLK からエクスポートされたデータセットにのみ対応できます。
  3. ROI を設定:ROI ツールexample projects icon roiをクリックし、画像のテキストを納める領域を設定し、画像の上のtools introduction OKをクリックして適用します。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。

    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。トレーニングセットも検証セットもすべてのカテゴリーのテキスト画像が含まれることを確認してください。トレーニングセットの向きが異なるテキストの画像の数は大きな差がないようにしてください。そうでなければ画像の名前を右クリックしてトレーニングセットに移動あるいは検証セットに移動をクリックして画像のカテゴリーを変更することができます。

    example projects move image

データのラベル付け

画像の左側のツールバーから使用するツールを選択してラベルを付けます。ラベル付けを実行するとき、目標領域の端に近づけ、不要な背景がなくて対象領域が完全に収まるようにしてください。

example projects labeling
  • ラベル付けに、事前トレーニングラベル付けまたはVFMラベル付けボタンをクリックして自動ラベル付けを実行できます。その後、手動で微調整すればいいです。

  • VFMラベル付け(視覚基礎モデルを用いたラベル付け)の結果を調整したい場合、以下の手順に従ってください。

    1. tools super labeling tool iconを右クリックし、VFM ラベル付けツールを選択します。

    2. 画像編集エリアの上方のlabelling settingsをクリックします。

    3. VFM ラベル付け設定ウィンドウでフィルタリング項目を追加してラベル付け結果を修正できます。

モデルのトレーニング

  1. 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。

    example projects training chart
  2. 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。

    example projects view training info
  3. 「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。

    example projects view training chart
  4. トレーニング中止タイミング(実際に応じて):モデルの正確度が要求水準に達した場合、時間節約のためにトレーニングセンターを開き、タスクリストから対象プロジェクトを選択してstop trainigをクリックするしてトレーニングを中止することができます。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

  1. 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。

  2. 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。縦は手動で付けたラベルで横は推論(検証)の結果を示します。

    • 青いセルは、両方が一致している結果で、その他は最適化が必要な結果です。

    • セルのデータをクリックすれば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だけが表示されます。

    example projects detail report

    検証結果に見逃しや誤検出がある場合、トレーニング効果を改善する必要があります。ラベル付けをチェックしてトレーニングパラメータを調整してから再トレーニングを行ってください。 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。

    example projects export report
    テストセット内の見逃しや誤検出がある画像を全て手動的にラベル付けしてトレーニングセットに変更する必要はありません。一部の画像を追加でラベル付けして、トレーニングセットに追加しモデルを再トレーニング・検証します。残りの画像を検証のために使用されます。
  3. 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。

  4. 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。

  5. 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お読みください。

  6. 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。

    検証の結果を修正したい場合、以下の手順に従ってください:検証パラメータパネルでフィルタリングルール設定を実行してフィルタリングルール設定ウィンドウでルールを編集します。

モデルのエクスポート

モデルをエクスポートをクイックします。モデルをエクスポートウィンドウで保存パスとパラメータを設定します。画像に複数行テキストに対しては、エクスポートする時にテキスト組合せ方式を指定することができます。モデルをエクスポートをクリックします。

example projects model files

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。

この情報は役に立ちましたか?

ご意見・ご要望がございましたら、以下よりお寄せください:

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。