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。

3568

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。

1911

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。

3568

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。

1911 1911

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。

1911

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。

1906 1912

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。

1906

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。

3574 3574

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。

3574

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。

](http://google.com)

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。

1919 1919

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。

1919

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。

1919

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。