Hello 画像データ: 画像分類データセットを作成して画像をインポートする

Google Cloud コンソールを使用して画像分類データセットを作成します。データセットを作成したら、Cloud Storage の公開バケットにある画像を指す CSV を使用して、それらの画像をデータセットにインポートします。

このチュートリアルは、次のページから構成されています。

  1. プロジェクトと環境を設定します。

  2. 画像分類データセットを作成して画像をインポートします。

  3. AutoML 画像分類モデルをトレーニングします

  4. モデルのパフォーマンスを評価して分析します

  5. エンドポイントにモデルをデプロイして、予測を送信します

  6. プロジェクトをクリーンアップします

各ページは、前のページのチュートリアルの手順をすでに実施していることを前提としています。

画像データ入力ファイル

このチュートリアルで使用する画像ファイルは、こちらの Tensorflow のブログ記事で使用されている花のデータセットからのものです。これらの入力画像は Cloud Storage の公開バケットに保存されます。この公開バケットには、データのインポートに使用する CSV ファイルも置かれています。このファイルには 2 つの列があります。最初の列には Cloud Storage 内の画像の URI、2 番目の列には画像のラベルを記述します。行の例をいくつか示します。

gs://cloud-samples-data/ai-platform/flowers/flowers.csv:

gs://cloud-samples-data/ai-platform/flowers/daisy/10559679065_50d2b16f6d.jpg,daisy
gs://cloud-samples-data/ai-platform/flowers/dandelion/10828951106_c3cd47983f.jpg,dandelion
gs://cloud-samples-data/ai-platform/flowers/roses/14312910041_b747240d56_n.jpg,roses
gs://cloud-samples-data/ai-platform/flowers/sunflowers/127192624_afa3d9cb84.jpg,sunflowers
gs://cloud-samples-data/ai-platform/flowers/tulips/13979098645_50b9eebc02_n.jpg,tulips

画像分類データセットを作成してデータをインポートする

Google Cloud コンソールにアクセスして、データセットを作成し、画像分類モデルをトレーニングするプロセスを開始します。

プロンプトが表示されたら、Cloud Storage バケットに使用したプロジェクトを必ず選択します。

  1. [Vertex AI スタートガイド] ページで [データセットを作成] をクリックします。

    Vertex AI ダッシュボード

  2. このデータセットの名前を指定します(省略可)。

  3. [データタイプと目標の選択] セクションの [画像] タブで、[画像分類(単一ラベル)] ラジオボタンを選択します。[リージョン] プルダウン メニューで、[US Central] を選択します。

    新しいデータセット ウィンドウ

  4. [作成] を選択して、空のデータセットを作成します。[作成] を選択すると、データのインポート ウィンドウに進みます。

  5. [インポート ファイルを Cloud Storage から選択] を選択し、画像の場所とラベルデータが記述された CSV ファイルの Cloud Storage URI を指定します。このクイックスタートでは、CSV ファイルは、gs://cloud-samples-data/ai-platform/flowers/flowers.csv にあります。[インポート ファイルのパス] フィールドに、次の行をコピーして貼り付けます。

    • cloud-samples-data/ai-platform/flowers/flowers.csv

    インポート ウィンドウを選択する

  6. [続行] を選択して、画像のインポートを開始します。インポートには数分かかります。完了すると、次のページが表示され、データセットに対して識別されたすべての画像(ラベル付きの画像とラベルなし画像の両方)が表示されます。

次のステップ

このチュートリアルの次のページの手順に沿って AutoML モデルのトレーニング ジョブを開始する。