-
始める前に
Google Cloud Platform プロジェクトの設定、認証、AutoML Vision Object Detection の有効化を行います。
-
トレーニング データの準備
モデルのトレーニングに使用する画像を整理してアノテーションを付ける際のベスト プラクティスについて説明します。
-
トレーニング データを CSV 形式でフォーマットする
モデルのトレーニングに使用するデータセット用に正しい形式の CSV ファイルを作成します。
-
データセットの作成と画像のインポート
データセットを作成し、モデルのトレーニングに使用するトレーニング データをインポートします。
-
インポートしたトレーニング画像にアノテーションを追加する
インポートしたトレーニング画像の境界ボックスとラベル アノテーションを追加、削除または変更します。
-
クラウドでホストされるモデルのトレーニング
カスタムモデルをトレーニングし、トレーニング オペレーションのステータスを取得します。
-
Edge(エクスポート可能)モデルのトレーニング
エクスポート可能なカスタム Edge モデルをトレーニングし、トレーニング オペレーションのステータスを取得します。
-
モデルの評価
モデルのパフォーマンスを評価します。
-
モデルのデプロイ
トレーニングの完了後に使用するモデルをデプロイします。
-
個別に予測を行う
カスタムモデルを使用して、個々の予測画像にラベルや境界ボックスをオンラインで追加します。
-
バッチ予測の作成
カスタムモデルを使用して、一連の予測画像にラベルや境界ボックスをオンラインで追加します。
-
Edge モデルのエクスポート
トレーニング済みの Edge モデル形式を Google Cloud Storage にエクスポートし、エッジデバイスで使用します。
-
モデルのデプロイ解除
モデルの使用が終了した後にモデルのデプロイを解除し、余分なホスティング料金の発生を防ぎます。
-
データセットの管理
プロジェクトに関連付けられたデータセットを管理します。
-
モデルの管理
カスタムモデルを管理します。
-
長時間実行オペレーションによる作業
長時間実行オペレーションのステータスを取得します。
-
Base64 エンコード
ネイティブの base64 ユーティリティを使用して、バイナリ イメージを ASCII テキストデータにエンコードし、API リクエストで送信します。
-
一覧表示でのフィルタの使用
リソース、オペレーション、指標を一覧表示する際に結果をフィルタする方法を学習します。
特に記載のない限り、このページのコンテンツはクリエイティブ・コモンズの表示 4.0 ライセンスにより使用許諾されます。コードサンプルは Apache 2.0 ライセンスにより使用許諾されます。詳しくは、Google Developers サイトのポリシーをご覧ください。Java は Oracle および関連会社の登録商標です。
[{
"type": "thumb-down",
"id": "hardToUnderstand",
"label":"Hard to understand"
},{
"type": "thumb-down",
"id": "incorrectInformationOrSampleCode",
"label":"Incorrect information or sample code"
},{
"type": "thumb-down",
"id": "missingTheInformationSamplesINeed",
"label":"Missing the information/samples I need"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"翻訳に関する問題"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"その他"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"わかりやすい"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"問題の解決に役立った"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"その他"
}]