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。ワークスペースのモデル開発権限が必要です。

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。

https://files.readme.io/ac368db-_2023-03-28_15.51.00.png

モデルを学習する

[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。データセットを指定して学習することも可能です。

https://files.readme.io/0abb6c0-_2022-12-27_6.20.17.png

対応モデル

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
YOLOX s - 汎用 物体検出
YOLOX m - 汎用 物体検出
YOLOX l - 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
U-Net - 汎用 セマンティックセグメンテーション
Segment Anything High Quality - 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 Point Estimation - 汎用 ポイント推定
FastLabel Object Tracking - 汎用 物体追跡
FastLabel Person Pose Tracking -汎用 姿勢追跡
Bert Base Uncased - 汎用 テキスト分類
BERT NER - 汎用(日本語) 固有表現抽出
OpenPCDet - 汎用 3D物体検出

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。

https://files.readme.io/5bfe743-training_3.png

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。

https://files.readme.io/30f8350-_2023-03-28_15.51.00.png

物体検出(FastLabel Object Detection High Accuracy/Light, YOLOX S/M/L)

対応プロジェクト:画像 - 矩形、連続画像 - 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。

https://files.readme.io/bf2fda2-_2022-12-27_6.28.21.png

https://files.readme.io/1bd3ea7-_2022-12-27_6.29.18.png