> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/get-started/ja/gaido/model-training.md).

# モデルの学習

このガイドでは、30秒の動画から、APIから呼び出せる学習済みの物体検出モデルまでを作成します。Roboflowが動画からフレームを取り出し、Auto Labelがバウンディングボックスを描画し、データセット上でモデルを学習します。この例ではじゃがいも検出モデルを作成しますが、任意の独自の対象に置き換えることもできます。

{% stepper %}
{% step %}

### プロジェクトを作成する

次の場所でサインインしてください [app.roboflow.com](https://app.roboflow.com)、またはアカウントをお持ちでない場合は作成してください。「Projects」タブを開き、 [プロジェクト](https://docs.roboflow.com/datasets/create-and-upload/create-a-project)を作成します。このガイドでは、Object DetectionプロジェクトタイプとTraditionalアノテーションツールを使用します。

{% embed url="<https://media.roboflow.com/quickstart/step1.mp4>" %}
{% endstep %}

{% step %}

### データをアップロードする

[データをアップロードする](https://docs.roboflow.com/datasets/create-and-upload/adding-data) をプロジェクトに追加します。Roboflowは画像、動画、アノテーションファイル、PDFを受け付けます。このガイドでは30秒の動画をアップロードし、そこから1秒あたり1.4フレームを抽出して42枚の画像を得ます。まだデータがない場合は、代わりに [Roboflow Universeからデータセットをインポートする](https://docs.roboflow.com/datasets/create-and-upload/adding-data/roboflow-universe) こともできます。

{% embed url="<https://media.roboflow.com/quickstart/step2.mp4>" %}
{% endstep %}

{% step %}

### Auto Labelでラベル付けする

選択して [Auto Label](https://docs.roboflow.com/datasets/annotate/annotate/ai-labeling/auto-label) を開き、クラス名または対象の簡単な説明を入力します（ここでは `potato`）。信頼度しきい値はデフォルトより少し高めに設定します。しきい値が高いほど、Auto Labelは確信のあるボックスだけを残します。いくつかのじゃがいもを見逃す可能性はありますが、レビュー時に欠けているボックスを追加するほうが、誤ったボックスを修正するより速いです。

{% embed url="<https://media.roboflow.com/quickstart/step3-autolabel.mp4>" %}
{% endstep %}

{% step %}

### アノテーションを確認する

各画像でAuto Labelの結果を確認します。ボックスが正しければ、その画像を承認します（`A`）。正しくない場合は、手動で、または [Smart Select](https://docs.roboflow.com/datasets/annotate/annotate/ai-labeling/smart-select)を使って、ボックスを削除・修正・追加できます。Smart Selectは、対象をクリックするとボックスを自動で描画します。ここでは42枚すべての画像を確認し、すべて承認されるようにします。

{% embed url="<https://media.roboflow.com/quickstart/step4-verify-labelassist.mp4>" %}
{% endstep %}

{% step %}

### バージョンを作成して学習する

承認済みの画像をデータセットに追加し、 [トレーニング、検証、テストの各セットに分割します](https://docs.roboflow.com/datasets/versions/dataset-versions/create-a-dataset-version)。ここでは [RF-DETR](https://docs.roboflow.com/models/supported-models/rf-detr) （Medium）を使用します。Roboflowが構築した、高速で高精度な検出モデルだからです。次にデータセットのバージョンを作成し、学習を開始します。

モデルの学習中は、 [ライブ学習グラフ](https://docs.roboflow.com/models/evaluate/training-results)を確認できます。このモデルは約45分で完了し、完了するとメールが届きます。モデルを開いて、 [評価指標](https://docs.roboflow.com/models/evaluate/evaluate-trained-models) （mAP、precision、recall、F1）を確認します。

{% embed url="<https://media.roboflow.com/quickstart/step5-version-training.mp4>" %}
{% endstep %}

{% step %}

### モデルをデプロイする

これでモデルを実行できます。 [Workflow](https://docs.roboflow.com/workflows)で使うことも、単独でデプロイすることもできます。このガイドでは、クラウドホスト型の [Serverless Cloud API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api)を使用します。モデルのデプロイページでPythonスクリプトをコピーし、依存関係をインストールして、自分の画像の1つを指定して実行します。スクリプトはモデルの予測結果をJSONとして出力します。

{% embed url="<https://media.roboflow.com/quickstart/step6-deploy.mp4>" %}
{% endstep %}

{% step %}

### 結果を可視化する

バウンディングボックスを表示するには、 [supervision](https://supervision.roboflow.com)を使って画像上に描画します。これはRoboflowのオープンソースのアノテーションライブラリです。次のコマンドでインストールします。 `pip install supervision`。その後、JSONの予測結果を読み込み、それぞれのじゃがいもの周りにボックスを描画します。元のPythonスクリプトに次の行を追加してください：

```python
detections = sv.Detections.from_inference(result)

image = cv2.imread(image_path)
image = sv.BoxAnnotator().annotate(image, detections)

cv2.imwrite("annotated.jpg", image)
```

各ボックスは、モデルが見つけたじゃがいもを示しています：

<figure><img src="/files/4fc176ef1ddf27bb9a13cb0cc9de5c73ee0d5564" alt="Potatoes on a conveyor, each marked with a bounding box"><figcaption><p>supervisionでフレーム上に描画された学習済みモデルの予測結果。</p></figcaption></figure>
{% endstep %}
{% endstepper %}

## 次に進むには

* 作成する [Workflow](https://docs.roboflow.com/workflows/build/create-a-workflow) を使って、ロジック、可視化、その他のステップと連携させます。
* モデルを自分のハードウェアで実行します。詳しくは [Run a Model Locally](/get-started/ja/gaido/run-a-model-locally.md)をご覧ください。必要なのはバージョンページのmodel\_idです（この例では `erikrf/potatoes-daysm-1-rfdetr-medium-t1`).
* モデルを動画ストリームで実行します。詳しくは [Run a Model on a Video](/get-started/ja/gaido/run-a-model-on-a-video.md).
* より多くの画像にラベルを付けて再学習し、精度を向上させます。詳しくは [Evaluate Trained Models](https://docs.roboflow.com/models/evaluate/evaluate-trained-models).