Google Cloud

Cloud OnAir 番組レポート : AutoML Vision で学ぶ実践的機械学習

2018年12月6日

Google Cloud Japan Team

Cloud OnAir は、Google Cloud の製品をわかりやすく解説し、最新の情報などをいち早く皆様にお伝えする Online 番組です。

今回の放送は、「Cloud AutoML Vision を実践的に学ぶ」をテーマにお送りしました。Cloud AutoML Vision は機械学習の高度な知識が無くてもカスタム機械学習モデルを作成することができるサービスです。ブラウザから学習させたい画像ファイルをアップロードしてラベル付けをするだけのシンプルな操作で学習モデルを作ることができます。

AutoML Vision を使ってみよう

番組は、Google Cloud が提供する機械学習サービスを整理したあと、早速、Cloud AutoML Vision の使い方をデモンストレーションも交えて紹介します。ここでは、花の画像（たんぽぽ、バラ、ひまわりなど）を分類して、ラベル付けをする例を取り上げます。学習モデルのトレーニングからテストデータによるモデルの評価、改善、デプロイまでの一連の流れを解説します。

AutoML Vision は学習済みモデルを自動で API 化するので、既存アプリケーションに組み込むことも容易です。また、操作も容易な GUI を提供しており、作成した複数の学習モデルのバージョン管理や、モデルの精度をさらに高めるために、追加で学習することも容易です。本格的に利用する上でのさまざまな機能が組み込まれています。約 15 分間の解説をご覧いただくことで、AutoML Vision でいかに簡単に機械学習ができるかを体感いただけることでしょう。

学習モデルを評価する

AutoML Vision を使うことで、容易に学習モデルを作ることはできますが、そのモデルを上手に活用して、より良い効果を得るためには、検討すべきこともあります。

AutoML Vision によって得られたカスタム学習モデルを使って、何かの画像を識別する際に、重要な精度指標があります。Precision と Recall です。例えば、何かを正常か異常かを判別しようとする場合、Precision と Recall は次のように定義することができます。

Precision: 異常と判断したものの中で本当に異常だったものの割合
Recall: 本当に異常なもの中で、正しく異常を発見できた割合

これらの 2 つの精度を高めるようにするには、判定しきい値（Score threshold）を決めなければなりません。判定しきい値は、学習モデルによる予測結果に影響します。判定しきい値を下げることで、Recall は上がりますが、一方、判定しきい値を上げると、Precision が上がります。最終的な値の決定は、何を予測するために学習モデルを利用するか、すなわち利用目的に依存します。目的に応じた適切な値を見つける作業が必要となります。AutoML Vision は、GUI で判定しきい値を簡単に変更する機能を提供します。実際の操作画面も交えて番組の中で紹介します。