roboflowって何？これから数回にわたり、roboflowを使ったAIモデル構築用の学習データを効率良く作成する方法についてご紹介します。 AIモデル構築の経験がある方は、学習データの整備で大変な思いをされていると思います。「データ収集」、「管理」、「作業の割り当て」、「アノテーション」、「レビュー」など非常に多くの作業が必要となります...

今回は、roboflowシリーズ第1回目の「ワークスペースとプロジェクトの作成」についてご説明します。本記事では、以下について説明します。※「プロジェクトの作成」は2/2にて説明します。アカウントの作成、ワークスペースの設定、プロジェクトの作成（次回）roboflowで何ができるか、概要を知りたい方は「はじめてのroboflow」の記事をご参照ください...

プロジェクトとは？「プロジェクト」は、物体検出のモデル・画像分類のモデルなどAIモデル単位に作成します。前回作成したワークスペースページは、以下のようになっていると思います。画面右下に「Hard Hat Sample」と書かれたサンプルプロジェクトがあるので選択してみましょう。選択するとプロジェクトの詳細ページに移動します。このページにて以下の一通りの作業を行うことができます。...

データのアップロード AIモデルを構築する際にまず必要となるのが、アノテーション用の画像の収集・整理です。roboflowでは、画像・動画・アノテーションデータをアップロードすることができます。それぞれ対応しているフォーマットは以下となります。種類 ：対応フォーマット、画像 ：jpg、png、bmp、動画 ：mov、mp4、avi、アノテーションデータ ：26種類 　以下、画像、動画、アノテーションデータのアップロードについて順に説明していきます。...

roboflowでできるアノテーションの種類 roboflowでは、現在3種類のアノテーション機能を提供しています。画像分類：画像の種類を識別：画像に対してクラス（ラベル）を設定する、物体検出：画像の中から対象物の種類と位置を識別：画像内の対象物を矩形選択（バウンディングボックス）し、クラス（ラベル）を設定する、セグメンテーション：画像の中から対象物の種類と輪郭を識別：画像内の対象物の輪郭を多角形図形（ポリゴン）で選択し、クラス（ラベル）を設定す...

Label Assistによる自動ラベリング「Label Assist」は、roboflow上で学習したAIモデル、公開されているAIモデル（COCO）を利用し、自動でアノテーションを行う機能です。一度利用すると手放せなくなる優れた機能です。アノテーションする方は、クラス（ラベル）の確認と位置・サイズの調整に集中することができます。以下、実際に利用している様子です。認識しない場合は「confidence（画面右上）」の値を小さくすることでラベリングされます。...

今回は、roboflowの特徴的な機能の一つであるデータ増強（オーグメンテーション）の方法について解説します。データ増強（オーグメンテーション）は、画像処理を利用し画像を拡大・縮小したり、回転させるなどして学習データを増強する機能です。AIモデルを構築する際に、はじめから十分な学習データを収集するのは大変な作業です。そんな時にデータ増強（オーグメンテーション）を利用し、初期の学習に利用する学習データを短時間で整備することができます。...

シリーズ最後は学習とデプロイについて解説します。これまで作成したデータセットをもとにAIモデルを学習し、学習したAIモデルで推論を試す手順について解説します。本記事をお読みになる前に、アカウントをお持ちでない方（サインアップ）、ワークスペース・プロジェクトの準備がお済みでない方は以下の記事をご確認ください。生成したデータセットを利用した学習方法には2種類の方法があります。roboflow上で学習するデータセットをダウンロードして自分の環境で学習する...

Microsoftから提供されている無料で使えるRPAツール「Power Automate」を使って、roboflowの「Label Assist」を自動化する方法についてご紹介します。 「Label Assist」を利用すると、roboflow上で学習したAIモデルを使って、自動でアノテーションを行うことができます。しかしながら、アノテーションを行う画像を選択する必要があります。今回は、この単調な作業を自動化する方法についてご紹介します。...

YOLOv8 は、 YOLO (You Only Look Once) アーキテクチャを使用する非常に影響力のあるモデル ファミリーの最新作です。YOLOv8 は、 YOLOv3およびYOLOv5での作業で知られるチームである Ultralytics によって開発されました。YOLOv6とYOLOv7によって設定された傾向に従って  、オブジェクト検出だけでなく、インスタンス セグメンテーションと画像分類も自由に使用できます。モデル自体はPyTorchで作成され、CPU と GPU の両方で実行されます。YOLOv5 と同様に、 TF.jsやCoreMLなどのさまざまなエクスポートも多数あります。...