メインコンテンツまでスキップ

画像分類

重要

このタブでの変更は、トレーニングを開始する前に必ず**「💾 Save Configuration（構成を保存）」**をクリックして保存する必要があります。トレーニングは最後に保存された設定を使用します。

モデルバリアント​

バリアント速度／精度最適なユースケース
YOLOv8n（Nano）最速／精度は低め計算リソースが非常に限られたエッジデバイス
YOLOv8s（Small）高速／中程度汎用的なエッジデプロイメント
YOLOv8m（Medium）中程度／高精度高性能なエッジデバイスやデスクトップでの推論
YOLOv8l（Large）低速／最高精度計算リソースが利用可能な場合の最高精度
ヒント

まずYOLOv8nから始めてください。精度が不十分な場合のみ、より大きなバリアントにアップグレードしてください。

タスクタイプ​

タスクタイプ説明
検出クラスラベルと信頼度スコア付きのバウンディングボックスを出力する

データセット形式​

形式説明
YOLOYOLO形式の.txtラベルファイル — デフォルトかつ推奨
COCOCOCO JSONアノテーション形式
Pascal VOCXMLアノテーション形式

画像設定​

パラメータ説明推奨値
画像サイズトレーニング前に画像をリサイズする解像度。大きいほど小さい物体に有利だが、処理は遅くなる。640px
チャンネルRGB（3チャンネル）またはグレースケール（1チャンネル）RGB
トレーニング分割トレーニングに使用するデータセットの割合80%
検証分割検証メトリクスのために確保される割合20%

データオーグメンテーション​

オーグメンテーション効果推奨値
水平反転画像をランダムに左右反転する有効
回転ランダムな角度で回転する有効
明るさランダムに明るくしたり暗くしたりする有効
モザイク4枚のトレーニング画像を1枚のタイルに結合する — 検出に非常に効果的有効
ぼかしガウスぼかしを適用する任意
ノイズランダムなピクセルノイズを追加する任意

推論設定​

パラメータ説明デフォルト値
信頼度しきい値検出結果として返されるための最小信頼度スコア0.25
IoUしきい値信頼度の低いボックスを破棄する前の、バウンディングボックスの重なりに対するNMSしきい値0.45
最大検出数画像ごとに返されるバウンディングボックスの最大数100

トレーニングハイパーパラメータ​

パラメータ説明デフォルト値
エポック数トレーニングデータセットを通過する完全な回数100
Patience早期終了までに改善が見られないエポック数4
バッチサイズトレーニングステップごとの画像数。メモリ不足の場合は減らしてください。16
注意

QAT（量子化を考慮したトレーニング）は、画像プロジェクトでは非表示になります — YOLOはONNXエクスポート時に異なる量子化フローを使用します。

データセットの分割とYAML生成​

トレーニング前に、「前処理」タブからデータセットを分割し、data.yamlを生成してください。

  1. **「Split & Analyze Dataset（データセットを分割して分析）」**をクリックしてdatasets/をスキャンし、不均衡を検出して統計情報を表示する
  2. トレーニング分割（80%）と検証分割（20%）を設定し、分割ボタンをクリックする
  3. **「Generate YAML Files（YAMLファイルを生成）」**をクリックする — プロジェクトのルートにdata.yamlが作成される

分割を行っても画像は元のクラスフォルダ内に保持され、ラベルファイルのみがtrain／valのサブフォルダに振り分けられます。

datasets/
  human_face/
    image1.jpg
    image2.jpg
    labels/
      image1.txt
      image2.txt
    classes.txt
  labels/
    train/   ← トレーニング用ラベル.txtファイル
    val/     ← 検証用ラベル.txtファイル

data.yamlの典型的な内容：

path: /path/to/your/project
train: datasets/images/train
val: datasets/images/val
names:
  0: class_name_1
  1: class_name_2
ヒント

YAMLファイルを生成した後は、クラス名が正しくマッピングされており、ラベルファイル内のクラスID（0始まり）と一致していることを確認してください。