画像分類 — モデル分析
画像モデル分析タブでは、トレーニング済みの.ptまたは.onnxファイルを読み込み、推論、検証、グラフ作成のツールを提供します。ページは左パネル（コントロールと結果タブ）と右パネル（推論プレビュー、幅40%）に分かれています。
入力ファイル
| 入力 | 選択する内容 |
|---|---|
| モデル | トレーニング済みの.pt（PyTorch）または.onnxモデルファイルを参照する |
| 画像 | 推論を実行する画像のフォルダ（トレーニングデータである必要はない） |
| data.yaml | プロジェクトのYAMLファイル（検証には必須、推論のみの場合は任意） |
推論設定
| パラメータ | 説明 | デフォルト値 |
|---|---|---|
| Conf | 信頼度しきい値 — このスコアを下回る検出結果は破棄される | 0.25 |
| IoU | NMSしきい値 — 破棄前のバウンディングボックスの重なりを制御する | 0.45 |
| ImgSz | モデル入力用の画像サイズ — トレーニング時のサイズと一致している必要がある | 640 |
推論の実行
- モデルファイルと画像フォルダを選択する
- 必要に応じてConf、IoU、ImgSzを調整する
- **「▶ Run Inference（推論を実行）」**をクリックする
- 完了すると、予測テーブルが自動的に開く
予測テーブルの列：画像（ファイル名）・検出数（オブジェクトの総数）・平均信頼度（平均信頼度スコア）。
注意
検出数が0と表示される場合は、信頼度しきい値が高すぎないか、モデルが同じクラスでトレーニングされているか、ファイルの選択が正しいかを確認してください。
推論プレビューパネル
| 操作 | 方法 |
|---|---|
| 特定の画像を表示する | 予測テーブル内の任意の行をクリックする |
| 画像を移動する | ◀ Prev／Next ▶ ボタンを使用するか、テーブルの行をクリックする |
| ズーム | プレビュー画像上でマウスホイールをスクロールする |
| パン | プレビュー画像をクリックしてドラッグする |
| フルスクリーン | 画像をダブルクリックする。閉じるにはEscapeキーを押す |
| ズームのリセット | 「Charts」ツールバー内の「↺ Reset View（ビューをリセット）」ボタン |
検証の実行
- モデルファイルと
data.yamlを選択する - **「📊 Run Validation（検証を実行）」**をクリックする
- 完了すると、検証メトリクスタブが自動的に開く
| メトリクス | 意味 |
|---|---|
| mAP@0.50 | IoU 0.50における平均適合率（mAP） — 主要なYOLO精度メトリクス |
| mAP@0.50:0.95 | IoU 0.50～0.95にわたって平均化されたmAP — より厳密な指標 |
| Precision（適合率） | 検出結果のうち正しかった割合（誤検出が少ない） |
| Recall（再現率） | 実際のオブジェクトのうち検出された割合（見逃しが少ない） |
| クラスごとのAP50 | 各クラス個別のAP@0.50 — 弱いクラスを特定する |
「Charts」タブ — PR曲線とF1曲線
- 適合率-再現率（PR）曲線 — さまざまな信頼度しきい値における適合率と再現率のトレードオフ。曲線下の面積がmAPスコアに相当します。曲線が右上隅に近いほど、モデルの性能が良いことを示します。
- F1-信頼度曲線 — 信頼度しきい値に対するF1スコアをプロットしたもの。ピークは、本番運用に最適なConf値を示します。
ヒント
PR曲線が低い再現率で急激に低下する場合、モデルは多くのオブジェクトを見逃しています。低い適合率で低下する場合、モデルは誤検出を多く生成しています。これを参考にして、しきい値の調整、追加データの収集、またはより大きなモデルバリアントの採用を検討してください。