> 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/chtoriaru/compare-models.md).

# 2つのモデルを比較

このチュートリアルでは、 [ワークフロー](https://docs.roboflow.com/workflows) を使用して、同じ画像上で2つの異なるインスタンスセグメンテーションモデルを実行し、それらの予測を定性的に比較します。

このガイドでは、COCOデータセットの80クラスで事前学習されたYOLOモデルを使用しますが、特定の対象物に対して独自にカスタム学習した微調整済みモデルと組み合わせると、Workflowsはさらに強力になります。

**難易度：** 簡単\
**完了までの時間：** 5分

## 前提条件

{% tabs %}
{% tab title="クラウド接続" %}
このチュートリアルに必要なのは [無料のRoboflowアカウント](https://app.roboflow.com/workflows) だけで、セットアップ不要のServerless Hosted API上で実行できます。これは始めるための最も簡単な方法で、後からワークフローをセルフホスト環境へ移行することもできます。

また、プラットフォームUI左上の「Running on」セレクターをクリックし、 `localhost` またはサーバーのIPを指定することで、クラウドプラットフォームからローカルで動作しているInference Serverに接続することもできます。

アカウントを作成したら、 [新しい（空の）ワークフローを作成し、](https://docs.roboflow.com/workflows/build/create-a-workflow)以下へ進んでください。
{% endtab %}

{% tab title="切り離し" %}
切り離しモードでは、RoboflowアカウントやAPIキーなしで、Inference ServerとWorkflow Builder UIの両方をローカルで実行します。切り離しモードでは、リモートデプロイ、監視、クラウドのモデルハブやデータセット管理プラットフォームとの統合といったクラウド接続機能は利用できず、独自のアクセス制御を実装する責任はあなたにあります。

Roboflowアカウントなしで自分のマシン上で実行するには、 [セルフホストのインストール手順](https://docs.roboflow.com/deployment/self-hosted/self-hosted) に従い、開発モードでInference Serverを起動します（ `inference server start --dev`).

その後、 `localhost:9001/build` でローカルのWorkflows builderに移動し、紫色の「Create a Workflow」ボタンを使って空のワークフローを作成します。促された場合は、「Build My Own」を選択してください。
{% endtab %}
{% endtabs %}

これで空のワークフローができ、構築を始められる状態になりました。

![空のワークフロー](https://media.roboflow.com/workflows/guides/compare-models/01-empty-workflow.webp)

## Workflowの名前を変更する

Workflowsには説明的な名前を付けて、見分けやすくするのがベストプラクティスです。そのためには、Editor UIの左上にある「編集」アイコンをクリックし、名前とエンドポイントURLを更新します。この識別子は、後でAPI経由でこのWorkflowを参照するときに使います。

![Workflowの名前を変更](https://media.roboflow.com/workflows/guides/compare-models/02-rename.webp)

## 最初のモデルを追加する

このWorkflowには、2つのインスタンスセグメンテーションモデルを追加します。セグメンテーションモデルは、画像内の対象物を検出し、その輪郭を予測します。物体のサイズを測定したり、背景から切り出したりする必要があるユースケースに最適です。

「Add Block」ボタンをクリックして Models を選択し、タスクタイプとして Instance Segmentation を選びます。

![最初のモデルを追加](https://media.roboflow.com/workflows/guides/compare-models/03-add-first-model.webp)

ここでは、事前学習済みのYOLOv8 Segmentationモデルを使用します。Roboflowですでにモデルを学習済みの場合は、代わりに微調整済みモデルのいずれか、またはRoboflow Universeで他のユーザーが共有したモデルIDを選ぶこともできます。これらのモデルが識別する一般的な80クラスではなく、目的の対象物を予測するモデルです。

![YOLOv8 Segmentationを選択](https://media.roboflow.com/workflows/guides/compare-models/04-select-yolov8-seg.webp)

## 2つ目のモデルを追加する

次に、最初のモデルの横に2つ目のモデルを追加して、実行フローを分岐させます。Workflowsは、可能な場合に実行を自動的に並列化して、より高速に処理します。これを行うには、最初のモデルブロックの横にある「Fork」ボタンをクリックします。

![分岐を作成](https://media.roboflow.com/workflows/guides/compare-models/05-fork-branch.webp)

その後、2つ目の Instance Segmentation Model ブロックを追加するよう選択します。

![2つ目のモデルを追加](https://media.roboflow.com/workflows/guides/compare-models/06-add-second-model.webp)

そして、YOLOv11 Segmentationモデルを実行するように設定します。

![YOLOv11 Segmentationを選択](https://media.roboflow.com/workflows/guides/compare-models/07-select-yolov11-seg.webp)

## モデル比較

次に、Model Comparison Visualizationブロックを追加します。これは2つの異なるモデルからの予測を受け取り、それらの違いを可視化します。

追加した2つのモデルブロックのうち、いずれかの出力にある「+」ボタンをクリックします。

![可視化を追加](https://media.roboflow.com/workflows/guides/compare-models/08-add-visualization-block.webp)

次に、Model Comparison Visualizationブロックを選択します。

![Model Comparison Visualizationを選択](https://media.roboflow.com/workflows/guides/compare-models/09-select-model-comparison.webp)

次に、2つ目の入力を2つ目のモデルが出力した予測に接続する必要があります。これはブロック設定サイドバーで行います。ここでは、色や不透明度などの追加設定も変更できます。

![追加の入力を接続](https://media.roboflow.com/workflows/guides/compare-models/10-wire-block-inputs.webp)

## 出力をカスタマイズ

インスタンスセグメンテーションモデルは、検出された物体の複雑な形状を表すために多くのデータを返します。測定のような下流タスクには便利ですが、このチュートリアルでは可視化だけが重要なので、応答を簡素化するために追加の出力を削除できます。

不要な出力を削除するには、「Outputs」ブロックをクリックし、2つのモデルブロックから来る予測のゴミ箱アイコンを使用します。

![不要な出力を削除](https://media.roboflow.com/workflows/guides/compare-models/11-modify-outputs.webp)

これで、出力は1つだけになります。Model Comparison Visualizationブロックから来る画像です。

![整理された出力](https://media.roboflow.com/workflows/guides/compare-models/12-pruned-outputs.webp)

## 結果をテストする

これでWorkflowをテストする準備ができました。Builder UIの右上にある「Test Workflow」をクリックし、画像を追加して「Run」をクリックします。

![Workflowをテスト](https://media.roboflow.com/workflows/guides/compare-models/13-test-workflow.webp)

生成された可視化では、2つのモデルの予測の比較が表示されます。暗い領域はどちらのモデルも予測しておらず、明るい領域は両方のモデルが予測しており、緑の領域はModel A（YOLOv8）のみが予測し、赤の領域はModel B（YOLOv11）のみが予測しています。

これを見ると、この画像ではYOLOv11の方がYOLOv8よりも良い性能を示していることがわかります。YOLOv8が見逃した2人を検出し、人の足や脚をより正確に捉え、またプレイヤーの輪郭において背景の一部を誤って予測していません。

![最終出力](https://media.roboflow.com/workflows/guides/compare-models/visualization.jpeg)

## 次のステップ

このチュートリアルでは、Workflowの設定方法、複数モデルの並列実行、カスタマイズされた入力を使ったブロック設定の方法を学びました。このWorkflowを使って他の事前学習済みモデルを評価したり、自分のモデルの性能を反復的に改善し、初期ベースラインと比較しながら時間経過に伴う結果を可視化したりできます。

次に、どのように [モデル自体を変更せずに小さな物体に対するモデルの性能を向上させるか](/workflows/ja/chtoriaru/detect-small-objects.md) を学びましょう。