[AutoML Vision] GCPのAutoML Vision Classficationでお菓子の分類を試してみました

2020.06.21

この記事は公開されてから1年以上経過しています。情報が古い可能性がありますので、ご注意ください。

1 はじめに

CX事業本部の平内(SIN)です。

Google Cloud Platform(以下、GCP)で提供される Cloud AutoML Vision(以下、AutoML Vision)では、独自のデータセットで画像認識のモデルを作成できます。


https://cloud.google.com/vision/overview/docs#automl-vision

AutoML Visionについては、ここDevelopers.IOでも、既に紹介されています。

今回は、最近、作業でよく利用している、お菓子のデータで、この AutoLM Visionを試してみました。

すいません、内容については、上記のブログ同じです。

2 データ準備

データは、動画から切り出した「お菓子」の画像から、以下の3種類(NOIR,OREO,PRIME)を使用しました。
参考:[Amazon SageMaker] 回転台を使って撮影した動画で、Amazon SageMaker Ground Truth形式のデータセット(Image Classification)を作ってみました

各ラベルの画像は20枚づつ(合計60枚)としました。 なお、データ数は、ラベルあたり最低10件が必要で、ドキュメント上の推奨は、1,000件以上となっています。

1 ラベルあたり 1,000 件以上のサンプルを目標にしてください。
参考:AutoML Vision 初心者向けガイド -データの準備-

ラベル付与の作業が省略できるよう、ラベル名称をフォルダ名として画像を配置し圧縮ファイル(DataSet.zip)を作成しました。

3 データセット作成

コンソールデータセットから、新しいデータセットを選択し、新しくデータセットを作成します。

データセット名に、適当な名前をつけ(ここでは、3_kinds_of_sweetsとしました)、単一ラベルの分類を選択して、データセットを作成をクリックします。

4 インポート

新しく作成されたデータセットの「インポート」タブで、先ほど作成したデータ(DataSet.zip)を設定します。

パソコンからの画像をアップロードをチェックし、ファイル選択で先の圧縮ファイルを選択します。 また、Clud StrageのURLを指定して、続行します。

5 イメージ

イメージ」タブでは、設定されたデータが一覧できます。今回送信した圧縮ファイルは、ラベル名のフォルダで構成されていたため、送信完了と同時に、ラベルの付与が終わっています。

6 トレーニング

続いて、「トレーニング」タブで トレーニングを開始 を選択します。

モデル名(model_sampleとしました)を設定し、Cloud hostedがチェックされた状態で続行をクリックします。

Set a node hour budgetは、そのままで、トレーニングを開始をクリックします。
※「トレーニング後にモデルを1ノードにデプロイする」は、チェックしていません。

この後、トレーニングが完了するまで待機です。(時間がかかります)

データセットの一覧では、ステータスが、実行中: モデルのトレーニングとなっていることが確認できます。

7 トレーニング完了

学習時間は、約2時間でした。学習が終わると、「トレーニング」のタブは、以下のような表示に変わります。

8 評価

評価」タブは、以下のようになっていました。

9 テストと使用(デプロイ)

推論を行うには、「テストと使用」タブからデプロイが必要です。

モデルをデプロイ」をクリックすると、以下のダイアログが表示されるので、デプロイ先は1のまま、「デプロイ」します。

10 推論

「UPLOAD IMAGES」で、推論が可能です。

下記は、いくつかの画像を試してみたものです。

11 デプロイ削除

最後に、「デプロイを削除」を選択します。

下記の状態になれば、デプロイ削除は完了です。デプロイ中は、課金対象になりますので、使用が終わったら、忘れずに削除することが必要です。


参考:クリーンアップ

12 最後に

今回は、AutoML Visionで提供されるサービスのうち、画像分類(AutoML Visio Classfication)について試してみました。

このサービスは、丁度、Amazon RecognitionCustom Labels(イメージ分類)と同じような位置づけになると思いまが、AutoML Visionでは、運用のためのデプロイは、AutoML Visio Edgeというサービスになっているようです。

次回、こちらも試してみたいと思います。

13 参考リンク


AutoML Vision のドキュメント
AutoML Vision - Part 1 (AI Adventures)
AutoML Vision - Part 2 (AI Adventures)
AutoML Vision の料金