Lobe の画像分類のモデルの概要 (プレビュー)

[このトピックはプレリリース ドキュメントであり、変更されることがあります。]

Lobe は、カスタムの機械学習モデルを構築、管理、使用できる、無料の使いやすい Microsoft デスクトップ アプリケーションです。 Lobe では、画像分類モデルを作成して、画像をコンテンツを表す ラベル に分類できます。 Power Apps や Power Automate で使用するために、Lobe モデルを AI Builder に直接アップロードできます。

重要

  • これはプレビュー機能です。
  • プレビュー機能は運用環境での使用を想定しておらず、機能が制限されている可能性があります。 これらの機能を公式リリースの前に使用できるようにすることで、顧客が一足先にアクセスし、そこからフィードバックを得ることができます。
  • この機能は、地域ごとに段階的に展開されており、あなたの地域ではまだ利用できない可能性があります。

Lobe でのモデルを準備する方法の概要は次のとおりです。

  • 画像をインポートしてラベルを付けます。

  • モデルのトレーニングを行います。

  • トレーニング結果を評価します。

  • モデルを使用して、さまざまなシナリオで試します。

  • モデルをエクスポートして、アプリで使用します。

AI Builder カスタム物体検出モデル を以前使用していた場合は、Lobe についても十分に理解しているはずです。

ビジネス シナリオ

以下に、Lobe が Power Apps と Power Automate で機械学習のアイデアを運用に導入した例をいくつか示します。

  • 製造ラインの不具合を特定する。

  • 棚が空になると警告する。

  • 環境内のサインを特定する。

  • コンテンツに基づいて、ユーザーが送信した画像をフィルターまたは検証する。

  • 荷物が到着したら通知する。

  • オンライン小売の画像を使用する。

  • フィールド内の画像に関する情報を入力します。

画像分類とは ?

画像分類は、画像をラベルに分類して、コンテンツ全体を表すものです。 画像分類モデルは、画像からテクスチャ、色、形状などのパターンを見つけることを学習します。 これらのパターンを使用して、ラベルを識別できます。

例えば、Contoso 保険請求 という名前プロジェクトには、へこみ割れたガラス という名前のラベルがあり、車両への損傷の種類を示します。 保険調査員は、これらの画像を使用して保険会社の賠償責任を判断します。

車両ラベルの車のへこみ画像のスクリーンショット。

Lobe の画像分類を使用して、コンピューターですべてのモデルをトレーニングします。 この方法でトレーニングする場合、AI Builder クレジットは使用しません。 Lobe は Microsoft Power Platform と統合されており、Power Apps と Power Automate で使用するためにモデルを AI Builder にエクスポートする機能を追加しています。

Lobe をダウンロードする

  1. Power Apps または Power Automate にサイン インします。

  2. AI Builder > 詳細を確認 > 画像 > 画像分類 を選択します。

    画像分類のスクリーンショット

  3. 次のページで、ローブをダウンロード を選択して、Lobe アプリをコンピューターにダウンロードしてインストールします。

Lobe の画像分類を使用する

  1. Lobe 内で、新たなプロジェクト > インポート を選択して新しいプロジェクトを作成します。

    Lobe インポート画面のスクリーンショット。

  2. 画像をインポートしてラベルを付け、分類モデルをトレーニングします。 この方法については、Lobe ヘルプ サイト を参照してください。

  3. (オプション) Lobe のツアーをして、Lobe のホーム ページ でビデオを見て、画像分類をよりよく理解します。

画像の数量とオブジェクトのバランスを考慮する

モデルを正確にトレーニングするのに十分な画像をアップロードし、各オブジェクトを表すのに十分な画像があることを確認する必要があります。 これにより、モデルをトレーニングする際の一貫性が向上します。

十分な数の画像を選択するためのヒントについては、データ量とデータ バランス を参照してください。

モデル アーキテクチャを調整する

Lobe はプロジェクトに最適なモデル アーキテクチャを決定しますが、変更することもできます。 プロジェクトを変更すると、完了したトレーニングがリセットされ、新しいモデルが自動的にトレーニングされます。

Microsoft Power Platform ユーザーの推奨事項は次のとおりです。

  • スピード: 迅速な応答時間を必要とするアプリまたはフローには、既定値としてこの設定を使用します。

  • 正確性: ジョブをバッチ処理したり、処理要件を遅くしたりするアプリまたはフローには、この設定を使用します。

次のステップ

画像分類モデルを Lobe から AI Builder にエクスポートする (プレビュー)