3) 使用方法

ReNom IMGでは、画像やモデルをプロジェクト単位で管理します。 各プロジェクトの構造は、図1のようになります。
本章では、以下の流れで使用方法を説明していきます。

* 括弧内の数字は図1内の番号と対応

../_images/30_1_project.png

図1 プロジェクトの構造

プロジェクト

プロジェクトは、画像を管理する「データストレージ」と、モデルを管理する「ワークスペース」からなります。 一つのプロジェクト内に複数のワークスペースを作成することができます。

データストレージ

物体認識モデルの学習や評価に使う画像は、 各プロジェクトのデータストレージにアップロードして使います。 データストレージは学習・検証用とテスト用の2つに別れており、それぞれ画像をアップロードします。 アップロードされた画像はプロジェクト内で共有されます。

ワークスペース

ワークスペースでは、最初に、物体認識の手法(タスク)と画像を分類するカテゴリーの名前(ラベル名)を設定します。 例えば、タスクを「物体検出」、ラベル名を「犬」と「猫」のように設定することができます。
ワークスペース内では、「ラベル付けグループ」、「データセット」、「モデル」を管理することができます。 複数の「データセット」と複数の「モデル」を組み合わせて、 モデルの精度を比較することができます。
また、モデルの比較検討の結果から最良のモデルを選択(デプロイ)して予測に用いることができます。 ただし、一つのワークスペースからデプロイできるモデルは一つだけです。

ラベル付けグループ

画像に写っている物体の位置や領域を指定して、ラベル名(「犬」や「猫」など)で分類することを「ラベル付け」と呼びます。
データストレージにある画像にラベル付けしたデータを「ラベル付けグループ」と呼びます。 同じ画像を、複数の作業者でラベル付けし、それぞれを異なるラベル付けグループとして管理することもできます。

データセット

モデルの学習や評価に用いるため、「ラベル付けグループ」からデータセットを作成します。 このとき、学習と検証のデータの分割割合や、データのオーグメンテーション方法を設定することができます。 1つのワークスペース内に、複数のデータセットを作成することができます。

モデル設定

アルゴリズムや学習方法に関するハイパーパラメータを設定してモデルを設定します。 1つのワークスペース内に、複数のモデル設定を作成し、任意のデータセットと組み合わせて学習させることができます。