AutoML を使用して小さなオブジェクト検出モデルをトレーニングする (プレビュー) (v1)

適用対象:Azure Machine Learning SDK v1 for Python

この記事では、Azure Machine Learning の自動 ML を使用して、高解像度画像内の小さなオブジェクトを検出するようにオブジェクト検出モデルをトレーニングする方法について説明します。

通常、オブジェクト検出用のコンピューター ビジョン モデルは、比較的大きなオブジェクトを含むデータセットに対して適切に機能します。 ただし、メモリや計算上の制約のために、これらのモデルは、高解像度画像内の小さなオブジェクトを検出するタスクではパフォーマンスが低下する傾向にあります。 高解像度画像は、通常は大きいため、モデルへの入力の前にサイズが変更されます。それにより、その機能は (最初の画像サイズに比べて) より小さなオブジェクトを検出するように制限されます。

この問題の解決に役立つように、自動 ML では、パブリック プレビューのコンピューター ビジョン機能の一部としてタイリングをサポートしています。 自動 ML のタイリング機能は、小さなオブジェクト検出のためのタイリングの機能に関する記事にある概念に基づいています。

タイリング時、各画像はタイルのグリッドに分割されます。 隣接するタイルは、幅と高さのディメンションで互いに重複しています。 タイルは、次の図に示すように、元の画像からトリミングされます。

前提条件

• Azure Machine Learning ワークスペース。 ワークスペースを作成するには、「ワークスペース リソースの作成」を参照してください。

• この記事では、コンピューター ビジョン タスク用の自動機械学習の実験を構成する方法に関するある程度の知識を前提にしています。

サポートされているモデル

タイリングを使用した小さな物体の検出は、物体検出タスク用の画像の自動 ML でサポートされているすべてのモデルでサポートされています。

トレーニング中にタイリングを有効にする

タイリングを有効にするには、tile_grid_size パラメーターを (3, 2) などの値に設定できます。ここで、3 は幅のディメンションに沿ったタイルの数であり、2 は高さのディメンションに沿ったタイルの数です。 このパラメーターが (3, 2) に設定されている場合、各画像は 3 x 2 個のタイルのグリッドに分割されます。 タイルの境界付近にあるすべてのオブジェクトがいずれかのタイルに完全に含まれるように、各タイルは隣接するタイルと重複しています。 この重複は、tile_overlap_ratio パラメーターによって制御できます。その既定値は 25% です。

タイリングが有効になると、画像全体とそこから生成されたタイルがモデル経由で渡されます。 これらの画像とタイルは、モデルに渡される前に、min_size と max_size のパラメーターに従ってサイズが変更されます。 この余分なデータの処理のために、計算時間が比例して増加します。

たとえば、tile_grid_size パラメーターが (3, 2) である場合、計算時間はタイリングなしのときより約 7 倍長くなります。

tile_grid_size の値は、ハイパーパラメーター空間で文字列として指定できます。

parameter_space = {
    'model_name': choice('fasterrcnn_resnet50_fpn'),
    'tile_grid_size': choice('(3, 2)'),
    ...
}

tile_grid_size パラメーターの値は、画像のディメンションと、その画像内のオブジェクトのサイズによって異なります。 たとえば、画像内により小さなオブジェクトが存在する場合、タイルの数は多い方が役立ちます。

データセットに対してこのパラメーターの最適な値を選択するには、ハイパーパラメーター検索を使用できます。 それを行うには、ハイパーパラメーター空間でこのパラメーターの値の選択を指定できます。

parameter_space = {
    'model_name': choice('fasterrcnn_resnet50_fpn'),
    'tile_grid_size': choice('(2, 1)', '(3, 2)', '(5, 3)'),
    ...
}

推論中のタイリング

タイリングを使用してトレーニングされたモデルがデプロイされると、推論中にもタイリングが発生します。 自動 ML では、トレーニングの tile_grid_size 値を使用して、推論中にタイルを生成します。 次の図に示すように、画像全体とそれに対応するタイルがモデル経由で渡され、それらからのオブジェクトの提案がマージされて最終的な予測が出力されます。

トレーニングではタイリングを有効にせず、推論中にのみ有効にするオプションもあります。 それを行うには、トレーニングのためにではなく、推論中にのみ tile_grid_size パラメーターを設定します。

それにより、一部のデータセットでパフォーマンスが向上する可能性があり、またトレーニング時のタイリングに付随する追加コストも発生しません。

タイリング ハイパーパラメーター

タイリング機能を制御するために使用できるパラメーターを次に示します。

サンプルの Notebook

オブジェクト検出モデルの設定とトレーニングの詳細なコード例については、オブジェクト検出のサンプル ノートブックを参照してください。

次のステップ

• モデルをデプロイする方法と場所についてさらに詳しく学習する。
• ジョブごとに提供されるパフォーマンス グラフおよびメトリックの定義と例については、「自動化機械学習実験の結果を評価する」を参照してください。
• チュートリアル: AutoML と Python を使用して物体検出モデル (プレビュー) をトレーニングする。
• 「コンピューター ビジョン タスクで使用できるハイパーパラメーター」を参照してください。
• AutoMLのコンピュータービジョンモデルでONNX を使用して予測を行います。