パラメータ説明

使用可能なモジュール：インスタンスセグメンテーション、欠陥セグメンテーション、画像分類、対象物検出、テキスト検出、テキスト認識、教師なしセグメンテーション。

使用可能なモジュール：インスタンスセグメンテーション、画像分類、欠陥セグメンテーション、対象物検出。

使用可能なモジュール：インスタンスセグメンテーション、画像分類、欠陥セグメンテーション、対象物検出、教師なしセグメンテーション。

欠陥セグメンテーションとテキスト検出にしか対応できません。とレーニング時に使用するモデルのタイプを選択します。

トレーニング時にニューラルネットワークに入力する画像の幅と高さ（単位：ピクセル）。普通はデフォルトのパラメータ値を使用すればいいです。画像の対象領域が小さい場合に入力画像のサイズを大きくする必要があります。画像が設定された入力サイズでも、ラベル領域と元画像の対応位置が良く見えるように確認してください。モデルの学習効果に影響を及ぼす可能性があります。

ニューラルネットワークのトレーニングを実行するたびに使用するサンプル数です。例えば、パッチサイズを 2 に設定すると、2 枚の画像をデータパッチとしてグラフィックスカードに入力してトレーニングします。初期値を推奨します。

モデルトレーニング時、毎回評価するまで実行するトレーニングのエポック数です。初期値を使用することを推奨します。評価間隔 を大きく調整するとトレーニングのスピードは速くなり、小さく調整するとトレーニングのスピードは遅くなりますが最適なモデルの選出に役立ちます。

初期値：10

モデルトレーニングのエポックの合計数です。トレーニングにある画像を一回全部学習させることは、1つのエポックです。初期値を推奨します。初回のトレーニング時、高精度が求められ、認識の難易度が高い場合にエポックを増加させて十分にトレーニングしてください。

学習率は 1 回のトレーニングでニューラルネットワーク内の重みやバイアスを更新する量の調整値です。学習率をあんまり高くすると損失がかえって多くなる恐れがあります。あんまり低くするとモデル収束の速度は遅くなる可能性があります。初期値を推奨します。

お使いのデバイスのグラフィックスカード情報です。複数の GPU がある場合、GPU を指定することができます。トレーニングパネルのトレーニングセンターをクリックし、表示されたウィンドウの左下で GPU 使用状況を確認できます。

インスタンスセグメンテーション、対象物検出に設定可能。トレーニング中に認識する対象の最大数を制限し、デフォルトでは無効になっています。チェックして値を設定すれば推論の速度が向上します。

画像の明るさを調整します。元画像が暗すぎる・明るすぎるなどでモデル効果に影響が出ることを回避します。スライダをドラッグするか、値を入力して調整します。

画像の明暗の差を調整してより鮮明な画像にして対象物の特徴を精確に捉えます。スライダをドラッグするか、値を入力して調整します。

色かぶりや彩度の問題を補正し、画像の色を実物に近づけてデータ品質を向上させます。デフォルトでは無効になっています。

カラーバランスのタイプを選択します。照明の正規化、アダプティブカラーバランサーが選択可能。

検証結果とラベル付けの一致度を判断し、学習や評価に影響します。このパラメータを調整することで、精度が基準を満たさない対象を除外します。設定値以下の結果は誤検出または検出もれと見なされます。

調整範囲：0~1

初期値：0.01

計算方法：