学習
プロジェクトにあるデータを用いてモデルの学習ができます。ワークスペースのオーナー権限が必要です。
注意事項
学習機能はα版です。アップデートに伴い全てのデータが削除される予定です。また、ストレージ連携されたタスクはサポートしていません。
ヘッダーの[モデル]をクリックし、左サイドメニューで[学習]をクリックすると、学習ページに遷移します。
学習を実行する
[学習を実行]をクリックすると、学習実行時の条件を指定するページに遷移します。ここでは、学習するベースとなるモデルや、学習対象のタスクを絞り込むためのプロジェクトやタスクステータスなどを選択できます。
学習利用モデル
現在学習のベースモデルとして利用できるのは以下のモデルです。
| モデル | タイプ |
|---|---|
| FastLabel Object Detection High Accuracy - 汎用 | 物体検出 |
| FastLabel Object Detection Light - 汎用 | 物体検出 |
| MASK RCNN R50 FPN - 汎用 | インスタンスセグメンテーション |
| FCN ResNet-101 - 汎用 | セマンティックセグメンテーション |
| VGG16 - 汎用 | 画像分類 |
| KEYPOINT RCNN R50 FPN - 汎用 | 姿勢推定 |
| Easy OCR 日本語 - 汎用 | AI - OCR |
| FastLabel Object Tracking - 汎用 | 物体追跡 |
| Bert Base Uncased - 汎用 | テキスト分類 |
汎用条件を指定したら、[学習を実行]をクリックし、表示されたダイアログの内容を確認して再度[学習を実行]をクリックします。
学習が完了すると、ステータスが完了に変更され、mAPや学習時間などが表示されます。
物体検出（FastLabel Object Detection High Accuracy/Light）
対応プロジェクト：画像 - 矩形、複数画像 - 矩形
モデル学習の対象となるアノテーションクラスは矩形が利用できます。設定されている属性は学習に影響しません。
アノテーションが完了したら、[学習を実行]メニューから、ベースモデルにFastLabel Object Detection High AccuracyまたはFastLabel Object Detection Lightを選択、対象となるプロジェクトなど他の項目も入力した後、学習を実行します。
High Accuracyは学習時間が長くなる代わりに精度が高くなり、Lightは学習時間が短くなる代わりに精度が低くなる傾向があります。
画像分類（VGG16）
対応プロジェクト：画像 - 分類、画像 - 矩形
モデル学習の対象となるアノテーションクラスの属性にはタイプ : ラジオボックス or セレクトボックスが利用できます。
アノテーションが完了したら、[学習を実行]メニューから、ベースモデルにVGG16 - 汎用を選択、対象となるプロジェクトなど他の項目も入力した後、学習を実行します。
姿勢推定（KEYPOINT RCNN R50 FPN）
対応プロジェクト：画像 - 姿勢推定
モデル学習の対象となるアノテーションクラスは、「矩形あり」である必要があります。また、選択できるアノテーションクラス、及びプロジェクトはそれぞれ1つのみとなります。
AI - OCR（Easy OCR 日本語）
対応プロジェクト：画像 - 矩形
モデル学習の対象となるアノテーションクラスの属性にはタイプ : テキストが利用できます。
タイプ：テキストの属性が複数設定されている場合には、画面で一番先頭に表示されているものが採用されます。
アノテーションが完了したら、[学習を実行]メニューから、ベースモデルにEasy OCR 日本語 - 汎用を選択、対象となるプロジェクトなど他の項目も入力した後、学習を実行します。
FastLabel Object Tracking - 汎用
対応プロジェクト：動画 - 矩形
動画から10フレームごとに切り出した画像を元に学習を行います。
アノテーションが完了したら、[学習を実行]メニューから、ベースモデルにFastLabel Object Tracking - 汎用を選択、対象となるプロジェクトなど他の項目も入力した後、学習を実行します。
テキスト分類（Bert Base Uncased）
対応プロジェクト：テキスト - 分類
モデル学習の対象となるアノテーションクラスの属性にはタイプ : ラジオボックス or セレクトボックスが利用できます。
アノテーションが完了したら、[学習を実行]メニューから、ベースモデルにBert Base Uncased - 汎用を選択、対象となるプロジェクトなど他の項目も入力した後、学習を実行します。
属性の学習を実行する
対応プロジェクト：画像 - 矩形
属性の学習を行うことができます。
モデル学習の対象となるアノテーションクラスの属性にはタイプ : ラジオボックス or セレクトボックスが利用できます。
アノテーションが完了したら、[学習を実行]メニューから、ベースモデルにVGG16を選択、プロジェクトタイプに画像 - 矩形を選択します。
対象のプロジェクト、学習対象にしたいアノテーションクラス、属性を選択し、学習を実行します。
学習の詳細を確認する
各学習履歴の[No.]をクリックすると、学習の詳細画面を確認することができます。
学習を実施したプロジェクト、ステータス、タグ、タスク数などを確認することができます。
学習の失敗について
オンデマンドインスタンスのリソースが不足し、学習に失敗することがあります。これは、FastLabelが学習基盤にAWS SageMakerを用いており、AWS側のキャパシティが不足している状態であるためです。FastLabel側でキャパシティの制御ができないため、しばらく時間をおいて再度実行してください。
学習によって作成されたモデルを確認する
こちらを参考にしてください。
Updated 2 days ago