Model を学習

Roboflow ダッシュボードで最先端技術を使って model を学習します。

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では2つのトレーニングオプションを提供しています：

• Roboflow Custom Train: 本製品の主力トレーニングサービスで、本番運用可能なモデルの作成に最適です。

• Neural Architecture Search: 新しいモデルアーキテクチャを見つけ出し、同時にファインチューニングします。

また、最初の画像アノテーションのバッチを承認すると、 Roboflow Instant Model が自動的にトレーニングされます。これらのモデルは、すぐに自動ラベリングやデプロイに使用できます。

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、Workflowsを使用したBatch Processing、あるいはモデルAPIエンドポイントを使って、クラウド上のServerless Hosted APIでデプロイできます。

こちらの ライセンスガイドライン を読んで、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学んでください。

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、プロジェクトのナビゲーション内にある「Train」を開いてください。

「Custom Training」ボタンをクリックして、トレーニングジョブの設定を開始します：

Neural Architecture Search (NAS)

物体検出およびインスタンスセグメンテーションのプロジェクトでは、 Neural Architecture Search (NAS) を単一のモデルアーキテクチャを選ぶ代わりに使用できます。NASは複数のモデル構成を自動的にトレーニングして評価し、その後、精度とレイテンシ要件に基づいて最適なものを推奨します。

NASを使用するには、トレーニングエンジンを選択する際にNASオプションを選んでください。NASには少なくとも15枚の検証画像が必要です。

NASのトレーニングチャートの詳細については、 トレーニング結果を表示.

モデルアーキテクチャを選択

次に、モデルアーキテクチャとサイズを選択する必要があります。これは、モデルのトレーニング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。 サポートされているモデルの表 を参照して、トレーニング互換性の詳細を確認してください。

物体検出では、RF-DETRが最も高い精度を提供します。インスタンスセグメンテーションでは、RF-DETR Seg (Preview) が最も高い精度を提供します。

モデルサイズは、選択したモデルのアーキテクチャによって異なります。たとえば、最先端の物体検出モデルであるRF-DETRは、Nano、Small、Medium、Baseを提供しています。Medium、Large、Extra Largeは有料ユーザーのみ利用できます。 SAM3 モデルのトレーニングは、 usage-based billing.

を含む有料プランで利用できます。プロジェクトタイプで利用可能なアーキテクチャを選択し、次に「Continue」をクリックしてください：

チェックポイントを選択

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。以下のタブには、各モデルタイプの設定オプションが表示されています。

Object Detection

3つのオプションがあります：

• 以前のチェックポイントからトレーニング： すでに動作するモデルがあり、それを改善したい場合に最適です。

• Public Checkpointからトレーニング： 最初のモデルバージョンや、以前のトレーニング実行で期待した結果が得られなかった場合に最適です。

• ランダム初期化からトレーニング： 上級ユーザー向けのみ、このオプションではゼロからトレーニングを開始します。ほとんどのユーザーはこのオプションを使うと結果が悪くなります。

Classification/Semantic Segmentation

どのトレーニングオプションを選べばよいですか？

新しい物体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ています。ClassificationおよびSemantic Segmentationでは、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くチェックポイントからトレーニングできます（物体検出のみ）。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。すると、そのプロジェクトが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、モデルの以前のバージョンに基づく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（物体検出、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）。この方法では、より高速なトレーニングプロセスが可能です。モデルが高い性能を発揮している場合に限り、モデルの以前のチェックポイントからのトレーニングを推奨します)。

チェックポイントからトレーニングするということは、 Transfer Learningを使用しているということです。Transfer Learningは、選択したモデルからモデルのトレーニングを開始します。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を向上させることができます。

最初からトレーニングするということは、 ない Transfer Learningを使用していないということです。これにより、モデルの重みはランダムな初期値でトレーニング開始されます。

トレーニングジョブを開始

トレーニング元となるチェックポイントを選んだら、「Start Training」をクリックしてください。

その後、データセットはzip化され、Roboflowクラウドでのトレーニング用に準備されます。

トレーニング開始前に、トレーニング概要で予想所要時間とクレジット費用が表示されます：

データセットが大きいほど、またデータセット内の画像サイズが大きいほど、モデルのトレーニングにかかる時間は長くなります。

トレーニングプロセスが完了すると、メールが届きます。ほとんどの場合、24時間以内です。

料金

Roboflowでのトレーニング料金は、トレーニングジョブの所要時間に基づいています。詳細は クレジットページ.

をご覧ください。学生または研究者で、取り組んでいる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.