# ユースケースの例

> ユースケースの例 - 画像データセットにおいてトレーニング時の画像オーグメンテーションをいつどのように使用するかについてのユースケースの例。

This Markdown file sits beside the HTML page at the same path (with a `.md` suffix). It summarizes the topic and lists links for tools and LLM context.

Companion generated at `2026-07-15T05:55:44.969270+00:00` (UTC).

## Primary page

- [ユースケースの例](https://docs.datarobot.com/ja/docs/classic-ui/modeling/special-workflows/visual-ai/tti-augment/ttia-examples.html.md): Full documentation for this topic (Markdown sidecar).

## Sections on this page

- [プランクトンの種類の特定](https://docs.datarobot.com/ja/docs/classic-ui/modeling/special-workflows/visual-ai/tti-augment/ttia-examples.html.md#identifying-types-of-plankton): In-page section heading.
- [食料品の分類](https://docs.datarobot.com/ja/docs/classic-ui/modeling/special-workflows/visual-ai/tti-augment/ttia-examples.html.md#classifying-groceries): In-page section heading.
- [電力線を見つける](https://docs.datarobot.com/ja/docs/classic-ui/modeling/special-workflows/visual-ai/tti-augment/ttia-examples.html.md#finding-powerlines): In-page section heading.

## Documentation content

以下は、データセットのドメインの知識を活用して有益なオーグメンテーション戦略を作成する方法を説明するのに役立ついくつかのユースケースの例を示します。 提案を試してから、 [高度なチューニング](https://docs.datarobot.com/ja/docs/classic-ui/modeling/analyze-models/evaluate/adv-tuning.html.md) タブを使用して設定を変更できます。 それぞれについて、最初のスクリーンショットは、 データ タブの画像特徴量を展開することによって画像を探索します。 2番目は 高度なオプション > 画像オーグメンテーション タブのプレビューを示しています。

## プランクトンの種類の特定

このデータセットには、ISIIS水中撮影システムで撮影された微生物と水中のごみに関する何万もの画像が含まれています。

それらを24のクラスに分類するには：

- 浮いているプランクトンと破片が水中を移動するため、それらは重力に関係なく、任意の方向に配置することができます。 この例では、左右反転および上下反転を有効にし、回転を最大値に設定できます。
- データセットが準備され、ラベルが付けられた場合の画像がトリミングされるので、ほとんどの画像は同様のマージンで中央に配置されます。 このため、Shift（シフト）またはScale（スケール）は有効にしません。
- 画像にはさまざまな不明瞭性があります。 必要に応じて少しのBlur（ぼかし）を有効にします。
- 識別対象のプランクトンの障害物となる形状のインスタンスは多くありません。 さらに、画像は非常に低解像度であるため、特定の小さなパターンまたはピクセルに過剰適合する可能性は低いと思われます。 この2つの理由により、Cutout（切り抜き）は有効にしないでください。

## 食料品の分類

このデータセットには、ハンドヘルド型カメラを使用して食料品店で撮影された果物、野菜、乳製品の多くのの画像が含まれています。

それらを83のクラスに分類するための設定の提案：

- ビン内での果物や野菜の向きはどちらでも構いませんが、常に写真の下部（右側を上）に地面がある状態で写真を撮影します。上下反転を有効にしないことをお勧めします。
- 左右反転は果物や野菜には妥当かもしれませんが、乳製品の紙パックの場合はどうでしょうか。モデルで紙パックの特定のテキストやロゴを認識する必要があるかどうか、裏表が逆であると認識されにくいかどうかを検討します。他のほとんどのクラスでメリットがあると思われるので左右反転を使用しますが、左右反転なしのモデルとも比較する必要があります（高度なチューニング）。
- ほとんどの写真は腕の長さに相当する距離から撮影されているので、Scale（スケール）を有効にする必要はないと思われます。
- 写真はさまざまな角度から撮影されていて、対象物が常に中央に配置されているわけではありません。 これに対処するには、Rotation（回転）とShift（シフト）を適用します。
- 写真の解像度は一貫しているようですが、同じ果物の品種を区別するために非常に些細な詳細が必要になる場合があります。 そのため、Blur（ぼかし）は有効にしません。
- また、食料品の明らかな閉塞がないため、最初にCutout（切り抜き）なしで試してみます。高度なチューニングを使用してCutoutを試してみることも検討してください。

## 電力線を見つける

このデータセットには、郊外の数千枚の航空写真が含まれています。 この例は、電力線が含まれている画像を特定するのに役立ちます。

以下の点に注意してください。

- 写真は上空から撮影されていて、飛行機の飛行方法に応じてさまざまな角度で地面を捉えることができるため、左右反転、上下反転、および最大回転を有効にします。
- 写真はさまざまな高度から撮影されているので、Scale（スケール）を有効にします。
- 写真には中央揃えや一貫した余白がないので、Shift（シフト）を有効にします。
- 写真にはさまざまな不透明性/解像度レベルがあるので、Blur（ぼかし）を有効にします。
- 鳥、樹木、または地面の変色は、電力線と地面の間のコントラストを低下させる可能性があり、モデルが電力線を検出するのを困難にする可能性があります。Cutout（切り取り）を有効にして、モデルが電力線の任意の部分をより確実に検出できるかどうかを確認するために、電力線の一部を検出するのが難しい可能性がある多くのインスタンスをシミュレートします。