分類 (緑) フォーカス
分類 (緑) アーキテクチャの概要
分類 (緑) ツールには、フォーカス、High Detail、および High Detail Quick の 3 種類のアーキテクチャがあります。
-
分類 (緑) フォーカス は、オブジェクトまたはシーン全体を分類するために使用されます。パッケージングに基づく製品の識別、溶接線の分類、許容可能/不可能な異常の選別など、フォーカスモードでは、ラベル付き画像のコレクションに基づいて学習し、さまざまなクラスに分類します。フォーカスモードを学習させるには、さまざまなクラスに割り当てられ、ラベル付けされた画像を準備するだけです。
-
分類 (緑) High Detail はフォーカスモードの分類 (緑) ツールと似ていますが、異なるアーキテクチャを使用します。High Detail モードは、ラベル付き画像のコレクションに基づいて学習し、さまざまなクラスに分類します。High Detail モードを学習させるには、さまざまなクラスに割り当てられ、ラベル付けされた画像を準備するだけです。
-
分類 (緑) High Detail Quick は、分類 (緑) High Detail モードを改良したもので、検出精度は若干低下しますが、学習速度を飛躍的に向上させています。安定したパフォーマンス結果を保証するために、最先端の学習アルゴリズムをインポートできるように構築されました。ただし、精度レベルは 分類 (緑) High Detail よりも若干低くなります。また、ツールパラメータが少なくて済むため、簡単で迅速な学習が可能です。段階的な使用法を含むその他の詳細は、分類 (緑) High Detail とあまり変わりません。
分類 (緑) フォーカス について
分類 (緑) フォーカス は、学習セットに属している画像のピクセル情報を、特徴のサンプリングによって学習する画像分類ツールです。画像が正しくラベル付けされている場合、画像の ROI (対象領域) が正しく設定されている場合、および学習セットの画像から特徴的な特徴を適切に検出する一連のツールパラメータ値が指定されている場合に、画像情報をうまく学習することができます。十分に学習させた後は、それぞれの画像について、どの画像が特定のクラスに属するかを予測することができます。
十分に学習させたこのツールは、VisionPro Deep Learning の他のすべてのフォーカスツールと同様に、サンプリングの大きさをユーザが定義できるサンプラーを使用して、画像から特徴をサンプリングします。ほとんどの環境で 分類 (緑) High Detail よりも短時間で分類結果を生成することができ、実用的なパフォーマンスを備えています。
アーキテクチャ: 分類 (緑) フォーカス と 分類 (緑) High Detail
フォーカスモードでは、High Detail モードとは異なるアーキテクチャが使用されます。アーキテクチャの違いにより、フォーカスモードは、High Detail よりも学習にかかる時間が短いため、High Detail モードと比べて短時間でフィードバックが得られます。
フォーカスモードの設定は、有用な情報が含まれた画像の部分に照準を合わせるため、選択的になります。そのため、特に画像のあらゆる場所に重要な情報が存在する場合、重要な情報を十分にネットワークで伝送できない可能性があります。
High Detail モードでは、フォーカスモードとは異なるアーキテクチャが使用されます。このアーキテクチャにより、High Detail モードでは学習にかかる時間はフォーカスモードよりも長くなりますが、得られる結果の精度は高くなります。
High Detail モードでのモデルの作成方法はフォーカスモードと基本的に同じですが、ツールパラメータが一部異なります。また、High Detail モードの場合、1 つのビューに複数のタグを割り当てることはできません。それぞれのビューには対応するタグが 1 つしかありません。これは、非排他的モードがサポートされないことを意味します。
フォーカスモード | High Detail モード | |
---|---|---|
速度 | 高速 | 低速 |
精度 | 正確 | より正確 |
パラメータ数 |
多い |
多い |
画像データセットの構成 | 学習セット、テストセット | 学習セット、検証セット、テストセット |
アーキテクチャ: 分類 (緑) フォーカス と 分類 (緑) High Detail Quick
分類 (緑) High Detail Quick モードでは、フォーカスモードとは異なるアーキテクチャを使用します。アーキテクチャの違いにより、ビュー全体からサンプリングするため、[ツールのパラメータ] ペインにはサンプリングパラメータがありません。分類 (緑) High Detail Quick の画像のラベル付け方法とニューラルネットワークモデルの作成方法はフォーカスモードと基本的に同じですが、分類 (緑) フォーカス と比較してパラメータはほとんど必要ありません。
サポートされている機能とアーキテクチャ
特徴 |
分類 (緑) フォーカス | 分類 (緑) High Detail | 分類 (緑) High Detail Quick |
ビューのインスペクタ | ヒートマップなしで対応 | ヒートマップで対応 | ヒートマップで対応 |
損失のインスペクタ | サポートされていません | サポートしています | サポートされていません |
検証セット | 学習で使用しない | 学習で使用 | 学習で使用しない |
VisionPro Deep Learning ツールのパラメータ | パラメータが少ない |
制御するためのパラメータが多い*、 |
パラメータがほとんどない |
マルチクラス分類 (非排他的/排他的モード) |
サポートしています | サポートされていません | サポートされていません |
サイズ変更モード | サポートされていません | サポートしています | サポートされていません |
分類 (緑) フォーカス のための学習ワークフロー
分類 (緑) ツールが 分類 (緑) フォーカス モードの場合、ツールの学習ワークフローは次のとおりです。
- VisionPro Deep Learning を起動します。
- 新しいワークスペースを作成するか、既存のワークスペースを VisionPro Deep Learning にインポートします。
- 画像を収集し、VisionPro Deep Learning に読み込みます。
- ROI (対象領域) を定義してビューを構築します。
- 位置決め (青) ツールからのポーズを、分類 (緑) ツールへの入力として使用するビューの向きを変えるために使用する場合は、画像を処理 ([はさみ] アイコンを押す) してから分類 (緑) ツールを開きます。詳細については、「位置決め (青) ツールの後の ROI オプション」を参照してください。
必要に応じて、対象領域 (ROI) を調整します。表示領域内で右クリックし、メニューから [ROI の編集] を選択します。
- ROI を調整した後、[適用] ボタンを押すと、調整した ROI がすべての画像に適用されます。
- ツールバーの [閉じる] ボタンを押して続行します。
- 画像に無関係な情報がある場合は、適切なマスクを追加して画像のそれらの領域を除外します。表示領域内で右クリックし、メニューから [マスクの編集] を選択します。
[マスク] ツールバーから、適切なマスクを選択して編集します。
必要なマスクを追加した後、[適用] ボタンを押すと、現在の画像にマスクが適用されます。
必要なマスクを追加した後、[すべて適用] をクリックし、次の [マスクの適用] ダイアログで [はい] ボタンをクリックすると、すべての画像に同じマスクが適用されます。ダイアログで [いいえ] をクリックすると、マスクは適用されず、[マスクの編集] ウィンドウに戻ります。
- ツールバーの [閉じる] ボタンを押して続行します。
-
すべての画像を調べて、画像に分類タグでラベル付けします。ラベル付けの詳細については、「ラベルの作成 (ラベル付け)」を参照してください。
Tip: わかりやすい名前や番号スキームを使用して画像ファイルに注釈を付けることを推奨します。そうすると、画像にラベル付けするうえで便利です。 -
ビューブラウザの [ビューのラベル付け] オプションを使用できます。
-
ラベルを付けるときは、タグを適用するか、正規表現を使用して分類タグラベルを適用します。
- すべての画像に分類タグでラベル付けされていることを確認します。
- 画像全体を学習画像とテスト画像に分割します。画像セットを活用して、学習とテストグループに適切に分けます。学習セットに画像を追加します。
- ビューブラウザで画像を選択し、右クリックのポップアップメニューで [ビューを学習セットに追加する] をクリックします。ビューブラウザで複数の画像を選択するには、Shift を押しながらマウスの左ボタンをクリックします。
- または、表示フィルタを使用して、学習対象の画像のみを表示し、[... ビューのアクション] → [ビューを学習セットに追加する] の順にクリックして、これらを学習セットに追加します。
- 学習の前に、[ツールのパラメータ] でパラメータを設定する必要があります。学習、サンプリング、および摂動パラメータを設定することも、これらのデフォルト値を使用することもできます。サポートされているパラメータの詳細については、「ツールのパラメータの設定」を参照してください。
- サンプリングパラメータの [特徴のサイズ] パラメータが設定されていることを確認します。[特徴のサイズ] パラメータは、ネットワークに、分類対象の特徴のサイズについてヒントを与えます。そのため、[特徴のサイズ] パラメータの設定がアプリケーションの特徴より大きいと、ツールが画像の正しいクラスを特定しない可能性が高くなります。
- 特徴のサイズを設定するには、パラメータ値を手動で調整するか、または特徴のサイズの対話型グラフィックスでサイズを変更します。
- 学習や処理をより細かく制御するには、[ヘルプ] メニューの [エキスパートモード] をオンにして、ツールパラメータの追加パラメータを初期化します。
- [ブレイン]
アイコンを押して、ツールを学習させます。
- 途中で [停止] アイコンを押して学習を停止すると、学習は停止されますが、それまでに学習させた現在のツールは失われます。
-
学習させた後、結果を確認します。[データベースの概要] パネルを開き、各クラス (タグ) のコンフュージョンマトリックスと適合率、再現率、F 値を確認して、結果を確認します。結果の解釈の詳細については、「結果の解釈」を参照してください。
- 結果を確認した後、すべての画像を調べて、ツールが各画像のタグをどのように正しくマークしているか、または正しくマークしていないかを確認します。
- ツールが画像に適切なタグで正しくマークしている場合は、画像を右クリックして [ビューの受け入れ] を選択します。
- ツールが画像に間違ったタグでマークしている場合は、次のステップに従います。
- 画像を再度右クリックして、[マーキングとラベルのクリア] を選択します。
画像に手動でタグを付けます。
(a.) のシナリオの場合は、ツールを使用する準備が整っています。(b.) のシナリオの場合は、ツールを再度学習させて、ステップ 11 ~ 14 を繰り返す必要があります。
各ステップの詳細は、「分類 (緑) フォーカス の学習」の各サブセクションで説明します。