主要な指標
mAP、適合率、再現率のスコアは、 Roboflow Trainでトレーニングされたすべてのモデル、およびRoboflowModelZooのノートブックを通じて提供されます。
地図
- 「コンピュータビジョンでオブジェクト検出モデルを評価する場合、パフォーマンスを評価するために最も一般的に引用される指標は平均平均精度です。 」
精度
- 予測時のモデルの精度の尺度。真の陽性は、推測されたすべての陽性で除算されます。
想起
- 予測システムのパフォーマンスの尺度。リコールは、予測システムが十分に推測しているかどうかを評価するために使用されます。真陽性は、考えられるすべての真陽性で除算されます。
予測
- グラウンドトゥルースを複製するためのモデルによる試み。予測には通常、各クラスの信頼値が含まれています。
オブジェクト検出のための画像への注釈
オブジェクト検出のために画像に注釈を付ける最良の方法（ビデオ）
コンピュータビジョン用の画像にラベルを付けるための7つのヒント（Roboflowブログ）
ミッシングアノテーションとヌルアノテーションの違い（Roboflowブログ）
- Roboflowでのインポートとエクスポートに使用できるフォーマット
データセットの品質管理のための主要なツール
データセット 健康診断
- ドキュメント（データセットヘルスチェック）
データセットヘルスチェック、ガイド付きウォークスルー
不均衡なクラスを処理するための5つの戦略（Roboflowブログ）
前処理と拡張
「ガベージイン、ガベージアウト」
この古い機械学習の格言は、重要な機械学習のポイントを伝えています。入力データが高品質でない限り、モデルの精度は、たとえ最高のコンピュータービジョンアーキテクチャであっても、問題になります。前処理と拡張がコアにあることを理解することで、データサイエンティストは入力データを最大限に活用できます。
前処理
前処理ステップは、サイズ変更やグレースケールへの変換など、すべての画像に対して行われる画像の変更です。前処理ステップは、トレーニング、検証、およびテストセットに適用されます。
前処理ステップは、サイズ変更やグレースケールへの変換など、すべての画像に対して行われる画像の変更です。前処理ステップは、トレーニング、検証、およびテストセットに適用されます。
- 画像前処理とは何ですか？ （ビデオ）
増強
画像拡張ステップは、明るさや回転をランダムに変更するなど、パフォーマンスを向上させるためにデータセットサイズを増やすためだけに設計された画像変更です。画像拡張手順は、トレーニング画像にのみ適用されます。
- 画像拡張入門（ビデオ）
バウンディングボックスレベルの拡張
レベル拡張は、ソース画像のバウンディングボックスのコンテンツを変更するだけで新しいトレーニングデータを生成します。そうすることで、開発者は、問題の状態により適したトレーニングデータの作成をより細かく制御できます。
- バウンディングボックスレベルの拡張（Roboflowブログ）
サードパーティのトレーニング統合（Pro）
AWS、Azure Custom Vision、Google Cloud Vision AutoML
- AWSとAzureCustomVisionでは、サードパーティのキーをプロジェクトのワークスペースに入力する必要があります。これらのアクセスポイントは、Roboflowとの統合を有効にするために、ターゲットのAWSまたはAzureアカウントに設定する必要があります。
ゼロショットオブジェクトトラッキング
- ゼロショットオブジェクトトラッキングとは何ですか？ （ブログ投稿）|ビデオ
- オブジェクト追跡の実装方法（ブログ投稿）
- ゼロショットオブジェクトトラッキング-Githubリポジトリ
モデル制作のヒント
特徴：具体的、達成可能、測定可能
オブジェクト検出の究極のガイド（Roboflowブログ）
- 私たちのモデルは「野生で…」何を経験しますか？
データセットのマージ（Roboflowのドキュメント）