モダン画像分類¶

枠やマスクではなく画像全体を分類し、画像をクラスフォルダーに分けます。既定は入力 960、最大 500 エポック、batch 8、workers 4、AdamW、初期学習率 0.0005、最終倍率 0.01 です。

回転と反転¶

degrees の既定値は 180 で、学習時のランダム回転の最大絶対角度です。0 でこの回転を無効にします。RandAugment 内の重複する Rotate を除き、明示的な回転を追加して強度を管理します。上下・左右反転の既定確率はそれぞれ 0.5 です。

中心クロップ率 crop_fraction¶

このパラメーターは画像の短辺を基準とする保持率です。物体ボックスのクロップや画像のランダム削除ではありません。

例として imgsz=960、比率 0.8 なら、短辺を少なくとも 960/0.8=1200 に拡大してから中央を 960×960 に切り出します。検証とソフトウェア推論は同じ規則です。学習では、この中心領域の前処理後もランダムクロップや他の拡張を適用します。

比率が 1 の場合、短辺の追加拡大は行いませんが、検証・推論では正方形への中央クロップが必要なため、細長い画像の端が切れる場合があります。比率 1 を、すべての縦横比で端を完全に保持する設定と解釈しないでください。

比率と前処理規則を PT・ONNX のメタデータに記録します。ONNX では外部デプロイ向けに .preprocess.json も生成し、ソフトウェアの推論ではモデル内の情報を優先します。このメタデータがない旧モデルにはネイティブの前処理を使用し、旧モデルを遡って変更しません。

出力と指標¶

結果はデータセットと同じ階層の「データセット名_runs」に保存します。グラフには実際の分類正解率などを表示し、物体検出の mAP は表示しません。通常の出力は best.pt、last.pt、デプロイ用 PT、ONNX、クラス Label.txt、前処理情報などです。エクスポート成功ログを確認してください。

その他の設定はモダン共通パラメーターと分類パラメーター表を参照してください。