Train a Model

Roboflow ダッシュボードで最先端の技術を用いてモデルをトレーニングします。

Roboflowのインターフェースでコンピュータビジョンモデルをトレーニングできます。

Roboflowは2つのトレーニングオプションを提供します：

• Roboflow Train：本格的なプロダクション用モデルを作成するのに最適な当社のフラッグシップトレーニングサービス。

• Roboflow Instant: 数分でテストに適したモデルをトレーニングします。

画像アノテーションのバッチを承認すると、Instantモデルが自動的にトレーニングされます。これらのモデルはすぐに使用できます。

Roboflowでトレーニングされたモデルは、オンデバイス推論サーバーであるInference、またはWorkflowsを使ったServerless Hosted API、Workflowsによるバッチ処理、あるいはご自身のモデルAPIエンドポイントを使ってクラウドにデプロイできます。

詳細は ライセンスガイダンス をお読みください。Roboflowでトレーニングされたモデルのライセンスについて詳しく説明しています。

モデルをトレーニングする

コンピュータビジョンモデルをトレーニングするには、まず データセットバージョンを生成してください.

「Custom Train」ボタンをクリックしてトレーニングジョブの構成を開始します：

モデルアーキテクチャを選択する

次に、モデルアーキテクチャを選択する必要があります。これはモデルをトレーニングするために使用される機械学習技術です。

トレーニングできるモデルアーキテクチャは、設定したプロジェクトの種類によって異なります：

• オブジェクト検出: RF-DETR、Roboflow 3.0、YOLOv11、YOLOv12、および YOLO-NAS モデルをトレーニングできます。

• 分類: ViT と ResNet。

• インスタンスセグメンテーション： RF-DETR Seg（プレビュー）、Roboflow 3.0、および YOLO11。

• キーポイント検出： Roboflow 3.0 および YOLO11。

• マルチモーダル: Florence 2、PaliGemma 2、および Qwen-2.5 VL。

オブジェクト検出では、RF-DETRが最良の精度を提供します。インスタンスセグメンテーションでは、RF-DETR Seg（プレビュー）が最良の精度を提供します。

プロジェクトの種類で利用可能なアーキテクチャを選択し、「Continue」をクリックしてください：

モデルサイズを選択する

次に、モデルのサイズを設定する必要があります。

モデルサイズは選択したアーキテクチャによって異なります。たとえば、最先端のオブジェクト検出モデルであるRF-DETRは、Nano、Small、Medium、および Base を提供します：

Roboflow 3.0については、FastとAccurateのトレーニングオプションがすべてのユーザーに提供されます。Medium、Large、および Extra Large は有料ユーザーのみ利用可能です。

チェックポイントを選択する

トレーニングオプションを選択した後、チェックポイントからトレーニングするかどうかを尋ねられます。以下のタブは各モデルタイプの構成オプションを示しています。

オブジェクト検出

選択肢は3つあります：

• Train from a Previous Checkpoint： すでに動作するモデルを持っていてそれを改善したい場合に最適です。

• Train from Public Checkpoint: 最初のモデルバージョンに最適、または前回のトレーニングが期待通りの結果を出さなかった場合に適しています。

• Train from Random Initialization: 上級ユーザー向けのみ、このオプションは空白の状態からトレーニングを行います。ほとんどのユーザーはこのオプションを使用すると結果が悪化します。

分類/セマンティックセグメンテーション

トレーニングオプションはどのように選べば良いですか？

新しいオブジェクト検出プロジェクトには、Public Checkpointからのトレーニングを推奨します。デフォルトでは、Microsoft COCOデータセットでトレーニングされたモデルからのトレーニングを提供します。分類およびセマンティックセグメンテーションについては、ImageNetからのトレーニングのみをサポートしています。

Universeでホストされているプロジェクトに基づいたチェックポイントからトレーニングすることもできます（オブジェクト検出のみ）。そのためには、まず Universeでプロジェクトにスターを付けてください。その後、プロジェクトはRoboflowのWebアプリケーションでトレーニングチェックポイントとして利用可能になります。

さらに、以前のバージョンのモデルに基づいたチェックポイントからトレーニングすることもできます（オブジェクト検出、インスタンスセグメンテーション、キーポイント検出のみ）。この方法はより迅速なトレーニングプロセスを可能にします。以前のチェックポイントからのトレーニングは、モデルが高い性能を達成している場合にのみ推奨します。

チェックポイントからのトレーニングとは、 Transfer Learningを活用していることを意味します。Transfer Learningは選択したモデルからトレーニングを初期化します。これによりトレーニング時間を短縮し、トレーニングスコアの向上が期待できます。

スクラッチからのトレーニングは、 not Transfer Learningを利用していないことを意味します。これによりモデル重みはランダムな初期値でトレーニングが開始されます。

トレーニングジョブを開始する

チェックポイントを選択したら、Start Trainingをクリックしてください。

データセットはZIP化され、Roboflowクラウドでトレーニング用に準備されます。

データセットの準備が完了すると、トレーニングにかかる時間の見積もりが表示されます：

データセットが大きいほど、またデータセット内の画像が大きいほど、モデルのトレーニングに時間がかかります。

トレーニングプロセスが完了したらメールでお知らせします。ほとんどの場合、24時間以内に完了します。

Pricing

Roboflowでのトレーニングはジョブの時間に基づいて課金されます。詳しくは当社の クレジットページ.

をご覧ください。学生や研究者でプロジェクトのためにクレジットが必要な場合は、 追加クレジットを申請できます。.