クラシック画像分類 2.5.0¶

画像全体を分類します。現在のプリセットは ResNet50、ResNet18、ResNet101、MobileNetV3_small_x0_35、MobileNetV3_large_x1_0 で、同梱設定ファイルが存在するものだけ表示します。

分類データセットのフォルダーを一つ選択します。train_list.txt、val_list.txt、Label.txt を優先し、リストがない場合は train/クラス名、val/クラス名 を認識します。既存の学習・検証セットを保持し、自動再分割は行いません。クラス ID と名前順を確認し、学習・推論・エクスポートで一致させてください。

サイズと最適化¶

入力は正方形の辺長で、0 は設定継承です。変更すると学習・検証クロップ、モデル入力、出力前処理を同期します。Resize の短辺は元の分類比率 256/224 に従い、全処理を単純な非クロップ変形に置き換えるわけではありません。

入力サイズは業務で必要な細部に合わせてください。このページにはクラシック検出の高さ・幅の個別指定や「検証サイズのみ変更」モードはありません。学習率、オプティマイザー、重み減衰、ウォームアップ、AMP、workers はクラシック共通パラメーターに従い、分類エンジン固有の設定構造へ適用します。

指標¶

分類エンジンが実際に出力した学習・検証の正解率、損失などを表示します。検出の Precision/Recall/mAP として解釈することはできません。指標の種類はモデル設定によって異なり、返されていない項目の曲線を作成することはありません。

自動エクスポートとデプロイ¶

学習終了後、実験の export フォルダーへ自動エクスポートします。通常のファイルは次のとおりです。

inference.pdmodel
inference.pdiparams
inference.pdiparams.info
ImageSize.txt
inference_cls.yaml
class_names.txt

ImageSize.txt、クラス対応表、inference_cls.yaml は今回の最終設定から生成します。汎用 ImageNet 設定を利用者が手作業で置き換える必要はありません。配備用 YAML は相対パスを使用するため、エクスポート先を作業ディレクトリとし、実機に合わせて配備プログラムのデバイスを設定してください。

「モデル推論検証」は学習チェックポイント .pdparams と学習設定を使用します。エクスポートした .pdmodel をこの画面の重み入力として直接使うものではありません。両者の用途は異なります。

全設定は分類パラメーター表を参照してください。