> 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/workflows/ja/burokku/blocks/visualize-predictions/model-comparison-visualization.md).
# モデル比較可視化
2つの異なるモデルの予測を比較し、片方のモデルのみが物体を検出した領域を色分けして、重なっている予測はそのままにし、モデルの一致と不一致を可視化します。
## このブロックの仕組み
このブロックは、2つのモデル（Model A と Model B）からの画像と予測を受け取り、モデル間の違いを強調する視覚的な比較オーバーレイを作成します。このブロックは：
1. 画像と2組の予測（predictions\_a と predictions\_b）を入力として受け取ります
2. 各モデルが予測した領域のマスクを作成します（利用可能な場合はバウンディングボックスまたはセグメンテーションマスクを使用）
3. 4つの異なる領域を識別します：
* Model A のみが予測した領域（color\_a で色付け、デフォルトは緑）
* Model B のみが予測した領域（color\_b で色付け、デフォルトは赤）
* 両方のモデルが予測した領域（そのままにして、元の画像を表示したままにする）
* どちらのモデルも予測しなかった領域（background\_color で色付け、デフォルトは黒）
4. 指定された不透明度を使って、識別された領域に色付きオーバーレイを適用します
5. モデルの違いを色分けして視覚的に区別した注釈付き画像を返します
このブロックは、モデルがどこで一致しているか（変更のない領域）と、どこで不一致があるか（色分けされた領域）を簡単に把握できる、並列比較の可視化を作成します。両方のモデルが予測した領域はそのまま残され、元の画像が「透けて」見えることで、モデルの合意が明確に示されます。この可視化は、モデルの強み、弱み、検出挙動の違いを特定するのに役立ちます。このブロックは、物体検出の予測（バウンディングボックスを使用）にも、インスタンスセグメンテーションの予測（マスクを使用）にも対応しており、さまざまなモデルタイプの比較に柔軟に使えます。
## 一般的な使用例
* **モデル評価と比較**: モデル評価、ベンチマーク、または選定ワークフローのために、2つのモデルの検出性能を並べて比較し、どこで一致・不一致があるか、または検出挙動が異なるかを特定します
* **モデル開発とデバッグ**: モデルのバージョン、アーキテクチャ、または設定の違いを可視化して、変更が検出挙動にどう影響するかを理解し、改善の機会を特定し、またはモデル性能の問題をデバッグします
* **アンサンブルモデル分析**: アンサンブルワークフローで異なるモデルの予測を比較し、モデルの一致パターンを理解し、補完的な強みを特定し、またはアンサンブルの意思決定のために合意領域を分析します
* **学習データ分析**: モデルの予測を正解アノテーション、または学習実行間で比較して、検出の違いのパターンを特定し、学習改善を検証し、またはデータセット全体でのモデル挙動を分析します
* **A/Bテストとモデル選定**: 候補モデルを視覚的に比較して相対的な性能を評価し、検出の違いを特定し、またはデプロイのための情報に基づいたモデル選定を行います
* **品質保証と検証**: モデルの一貫性を検証し、エッジケースでの性能を比較し、または品質保証、検証、コンプライアンスのワークフローのためにモデル間の体系的な違いを特定します
## 他のブロックへの接続
このブロックの注釈付き画像は次に接続できます:
* **モデルブロック** （例：Object Detection Model、Instance Segmentation Model）を使用して、比較のために異なるモデルから predictions\_a と predictions\_b を受け取ります
* **データ保存ブロック** （例：Local File Sink、CSV Formatter、Roboflow Dataset Upload）を使用して、ドキュメント化、レポート作成、または分析のために比較可視化を保存します
* **Webhookブロック** 比較可視化を外部システム、API、またはWebアプリケーションに送信し、ダッシュボード、モデル監視ツール、または評価インターフェースで表示します
* **通知ブロック** （例：Email Notification、Slack Notification）を使用して、モデル性能監視のためのアラートやレポートに視覚的証拠として比較可視化を送信します
* **動画出力ブロック** モデル比較可視化を付けた注釈付き動画ストリームや録画を作成し、ライブでのモデル評価、性能監視、または後処理分析に活用します
### 型識別子
ステップで次の識別子を使用してください `"type"` フィールド： `roboflow_core/model_comparison_visualization@v1` ワークフローにこのブロックをステップとして追加するには。
### プロパティ
| **名前** | **型** | **説明** | 参照 |
| ------------------ | ------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | -- |
| `name` | `str` | このステップの一意の識別子を入力してください。 | ❌ |
| `copy_image` | `bool` | このオプションを有効にすると、可視化用に入力画像のコピーを作成し、元の画像を保持します。複数の可視化を重ねる場合に使用してください。 | ✅ |
| `color_a` | `str` | Model A のみが予測した領域（Model B は予測しなかった領域）を強調表示するための色です。色名（例: 'GREEN'、'BLUE'）、16進カラーコード（例: '#00FF00'、'#FFFFFF'）、またはRGB形式（例: 'rgb(0, 255, 0)'）で指定できます。デフォルトは GREEN で、Model A 独自の予測を示します。 | ✅ |
| `color_b` | `str` | Model B のみが予測した領域（Model A は予測しなかった領域）を強調表示するための色です。色名（例: 'RED'、'BLUE'）、16進カラーコード（例: '#FF0000'、'#FFFFFF'）、またはRGB形式（例: 'rgb(255, 0, 0)'）で指定できます。デフォルトは RED で、Model B 独自の予測を示します。 | ✅ |
| `background_color` | `str` | どちらのモデルも予測しなかった領域に使用する色です。色名（例: 'BLACK'、'GRAY'）、16進カラーコード（例: '#000000'、'#808080'）、またはRGB形式（例: 'rgb(0, 0, 0)'）で指定できます。デフォルトは BLACK で、両方のモデルが検出を逃した領域を示します。 | ✅ |
| `opacity` | `float` | 比較オーバーレイの不透明度。0.0（完全に透明）から1.0（完全に不透明）までの範囲です。色分けされたオーバーレイが元の画像の上にどれだけ透けて見えるかを制御します。値が低いほど元画像の詳細がより見える透明なオーバーレイになり、値が高いほど色の強調が強い不透明なオーバーレイになります。見やすさのバランスが取れた一般的な値は 0.5〜0.8 です。 | ✅ |
この **参照** 列は、で利用可能な動的値を使ってプロパティをパラメータ化できる可能性を示します `ワークフロー` 実行時。参照 *バインディング* 詳細は。
### 入力と出力のバインディング
利用可能な接続は、そのバインディング種別によって異なります。どのバインディング種別が `モデル比較の可視化` のバージョン `v1` あるか確認してください。
入力と出力のバインディング
* 入力
* `image` ([*`image`*](/workflows/ja/gaido/developer-guide/kinds/image.md)): 可視化対象の画像。
* `copy_image` ([*`boolean`*](/workflows/ja/gaido/developer-guide/kinds/boolean.md)): このオプションを有効にすると、可視化用に入力画像のコピーを作成し、元の画像を保持します。複数の可視化を重ねる場合に使用してください。
* `predictions_a` (*Union\[*[*`rle_instance_segmentation_prediction`*](/workflows/ja/gaido/developer-guide/kinds/rle-instance-segmentation-prediction.md)*,* [*`object_detection_prediction`*](/workflows/ja/gaido/developer-guide/kinds/object-detection-prediction.md)*,* [*`instance_segmentation_prediction`*](/workflows/ja/gaido/developer-guide/kinds/instance-segmentation-prediction.md)*,* [*`keypoint_detection_prediction`*](/workflows/ja/gaido/developer-guide/kinds/keypoint-detection-prediction.md)*]*）：Model A（比較対象の1つ目のモデル）からの予測です。物体検出、インスタンスセグメンテーション、またはキーポイント検出の予測に対応できます。Model A のみが予測した領域（Model B は予測しなかった領域）は color\_a で色付けされます。予測タイプに応じて、バウンディングボックスまたはマスクを使用します。
* `color_a` ([*`string`*](/workflows/ja/gaido/developer-guide/kinds/string.md)）：Model A のみが予測した領域（Model B は予測しなかった領域）を強調表示するための色です。色名（例: 'GREEN'、'BLUE'）、16進カラーコード（例: '#00FF00'、'#FFFFFF'）、またはRGB形式（例: 'rgb(0, 255, 0)'）で指定できます。デフォルトは GREEN で、Model A 独自の予測を示します。
* `predictions_b` (*Union\[*[*`rle_instance_segmentation_prediction`*](/workflows/ja/gaido/developer-guide/kinds/rle-instance-segmentation-prediction.md)*,* [*`object_detection_prediction`*](/workflows/ja/gaido/developer-guide/kinds/object-detection-prediction.md)*,* [*`instance_segmentation_prediction`*](/workflows/ja/gaido/developer-guide/kinds/instance-segmentation-prediction.md)*,* [*`keypoint_detection_prediction`*](/workflows/ja/gaido/developer-guide/kinds/keypoint-detection-prediction.md)*]*）：Model B（比較対象の2つ目のモデル）からの予測です。物体検出、インスタンスセグメンテーション、またはキーポイント検出の予測に対応できます。Model B のみが予測した領域（Model A は予測しなかった領域）は color\_b で色付けされます。予測タイプに応じて、バウンディングボックスまたはマスクを使用します。
* `color_b` ([*`string`*](/workflows/ja/gaido/developer-guide/kinds/string.md)）：Model B のみが予測した領域（Model A は予測しなかった領域）を強調表示するための色です。色名（例: 'RED'、'BLUE'）、16進カラーコード（例: '#FF0000'、'#FFFFFF'）、またはRGB形式（例: 'rgb(255, 0, 0)'）で指定できます。デフォルトは RED で、Model B 独自の予測を示します。
* `background_color` ([*`string`*](/workflows/ja/gaido/developer-guide/kinds/string.md)）：どちらのモデルも予測しなかった領域に使用する色です。色名（例: 'BLACK'、'GRAY'）、16進カラーコード（例: '#000000'、'#808080'）、またはRGB形式（例: 'rgb(0, 0, 0)'）で指定できます。デフォルトは BLACK で、両方のモデルが検出を逃した領域を示します。
* `opacity` ([*`float_zero_to_one`*](/workflows/ja/gaido/developer-guide/kinds/float-zero-to-one.md)）：比較オーバーレイの不透明度。0.0（完全に透明）から1.0（完全に不透明）までの範囲です。色分けされたオーバーレイが元の画像の上にどれだけ透けて見えるかを制御します。値が低いほど元画像の詳細がより見える透明なオーバーレイになり、値が高いほど色の強調が強い不透明なオーバーレイになります。見やすさのバランスが取れた一般的な値は 0.5〜0.8 です。
* 出力
* `image` ([`image`](/workflows/ja/gaido/developer-guide/kinds/image.md)): ワークフロー内の画像。
JSON 定義の例
```json
{
"name": "",
"type": "roboflow_core/model_comparison_visualization@v1",
"image": "$inputs.image",
"copy_image": true,
"predictions_a": "$steps.object_detection_model.predictions",
"color_a": "GREEN",
"predictions_b": "$steps.object_detection_model.predictions",
"color_b": "RED",
"background_color": "BLACK",
"opacity": 0.7
}
```