Skip to content

アプリケーション内で をクリックすると、お使いのDataRobotバージョンに関する全プラットフォームドキュメントにアクセスできます。

ユースケースの例

以下に、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の作成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、データタブのイメージ特徴量を拡張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、膨大な数の顕微鏡で見た微生物や水中のゴミの画像が含まれています。これらは、ISIIS水中撮像システムで撮影されたものです。

それらを24のクラスに分類するには:

  • 浮かんでいるプランクトンやゴミが水中を動く様子により、それらは重力に関係なくどのような方向をも向くことができると考えられます。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イメージがトリミングされるので、ほとんどのイメージ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。

  • イメージ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場合は多くありません。さらに、イメージ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、食料品店で売られている果物、野菜、乳製品をハンドヘルド型カメラで撮影した数千枚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、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、回転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、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切り抜きを試してみることも検討してください。

送電線を見つける

このデータセットには、郊外の空撮画像が数千枚含まれています。この例は、送電線が含まれているイメージ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おり、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、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、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、ぼかしを有効にします。

  • 鳥、樹木、または地面の変色は、送電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、モデルが送電線を検出するのを困難にする可能性があります。切り取りを有効にして、モデルが送電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、送電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。


更新しました February 22, 2022
Back to top