Workflow を作成する
Workflow は block で構成されており、モデル推論の実行、ロジックの処理、外部サービスとの連携など、特定のタスクを実行します。
利用可能な block の一覧について詳しくは、 block documentation.
概要
このガイドでは、オブジェクト検出モデルを実行し、予測数を数え、モデル結果を可視化する4つの block からなる workflow の作成方法を説明します。こちらが 完成版の workflow テンプレート これに沿って進めてください。
Block 接続
構築を始める前に、block の接続がどのように機能するかを理解しておくことが重要です。
ある位置に block を追加するには、前の block を入力として使用する必要があります。たとえば、上に示した workflow では、 Property Definition block は、次の Object Detection block の後に配置されます。これは、model block を入力として使用するためです。The Bounding Box Visualization block は右側に配置されます。これは、その Property Definition block の出力は使用しませんが、model の出力は参照するためです。
上の例の workflow では、ランタイム時に各ブランチが並列に実行され、他のブランチの block を入力として参照しないため、4つの異なる経路があります。
Builder Assist
Builder Assist は、block を接続したり挿入したりするときに workflow editor がどの程度サポートするかを制御します。右上の navbar にあるトグルでモードを切り替えられます。
モードは3つあります:
Auto （デフォルト）: block を接続または挿入すると、互換性のある入力フィールドと出力フィールドを自動的に接続します。builder は、block を削除または切断した際の下流参照も修復します。
Quick: 推奨される接続と block のおすすめを表示しますが、明示的に承認した場合にのみ適用されます。builder に変更を任せず、ガイダンスだけ欲しい場合に便利です。
Manual: 提案も自動接続もありません。すべての接続を自分で管理します。
選択したモードはローカルに保存されるため、セッションをまたいで保持されます。
Blocks の配置
workflow editor が block の配置を行うこともできます。自動レイアウトボタン（editor toolbar の sitemap アイコン）をクリックすると、現在の block を整列し、表示範囲に収められます。
ボタン横の chevron をクリックすると、2つのオプションを含むメニューが開きます:
「Arrange now」: レイアウトを1回実行します。ボタンをクリックした場合と同じです。
「Arrange automatically」: 有効にすると、block を追加したり接続を変更したりするたびに editor が block を再配置します。block をドラッグするとこのモードは一時停止し、手動で配置したレイアウトが保持されます。
選択は workflow ごとにローカル保存されます。
Workflow の作成
Object Detection Model
まず、 Object Detection Model block を追加します。選択できるのは、 COCOで学習された YOLOv8n のような公開済みの事前学習モデル、または workspace 内の fine-tuned モデルです。ここでは事前学習済みの yolov8n model を使って人物と車両を検出します。
object detection block には、モデルが何を推論するかを決める必須の image パラメータがあります。いくつかのオプションパラメータもあり、主なものを以下で詳しく説明します:
Class Filter: モデルが返す class の一覧。注: モデルは常に学習済みの class のみを返します。これにより、不要な class を除外できます。
Confidence: その confidence を下回る object は返されません。
IoU threshold: threshold が高いほど、重なりの大きい prediction がより多く返されます。0.9 は重なりが90%以下の object が返されることを意味し、0.1 は重なりが10%を超える object は含まれないことを意味します。
Max Detections: モデルが返す object の最大数
Class Agnostic NMS: 重なりフィルタリングで、同じ class の object のみを比較・除外するか、すべての class を対象にするか
Property Definition
property definition block を使うと、画像サイズ、予測された class、検出された object の数など、データから関連情報を抽出できます。この例では、object detection model が見つけた object の数を数えます。
の Data プロパティでは、model の prediction を参照します。For the Operationsには、Count Items を選択します。この設定により、object detection model による prediction 数が返されます。
Bounding Box Visualization
model 結果を可視化するために、bounding box visualization block を追加します。For the image パラメータでは input image を選択します。predictions では model results を選択します。オプションの configuration properties を使って、bounding box の色やサイズを変更することもできます。
Label Visualization
bounding box を描画するだけでなく、prediction の class 名も表示したいはずです。そのために、 Label Visualization block を bounding box visualization の後に追加します。同じ画像に bounding box とラベルの両方を描画するには、参照元の input image を bounding_box_visualization image に設定し、input image を参照しないようにします。これにより、ラベルが bounding box の上に描画されます。
オプションの Text パラメータを変更して、表示テキストを class 名、confidence、class 名と confidence のいずれかに切り替えられます。
変更の保存
「Save」をクリックして、変更を下書きとして保存します。Workflow editor は編集中に自動保存しません。
変更を公開するには、Workflow を publish します。Workflow を deploy している場合は、公開版が Workflow を deploy したすべてのデバイスで実行され始めます。
これで workflow が完成したので、テストする時間です。
最終更新
役に立ちましたか？