Ultralytics AutoTrainのご紹介：ビジョンAIモデルのトレーニングを簡素化する
初期のベースラインから本番環境へのデプロイまで、Ultralytics PlatformのAutoTrainを使用してUltralytics YOLOモデルをトレーニング、比較、改善します。
コンピュータビジョンモデルの構築が1回の実行で完了することはめったにありません。効果的なビジョンAIモデルのトレーニングでは、多くの場合、切断されたツール間を行き来しながら、チームがベースラインの設定、結果の評価、設定の調整、実験の比較、およびそれらの反復を行う必要があります。
本日、Ultralytics PlatformにおいてUltralytics YOLOモデルのトレーニング、比較、および改善を行うよりスマートな方法であるUltralytics AutoTrainを発表します。
Ask AIを通じて利用できるこのアシスタントは、自然言語のリクエストをモデル開発ワークフロー全体のアクションに変換します。ベースラインの設定、制御された実験の実行、結果の解釈、および選択したモデルのエクスポートやデプロイを依頼できます。
Ultralytics AutoTrainとは#
コンピュータビジョンチームは、実行の設定を繰り返したり、実験結果を継ぎ合わせたりするのではなく、現実世界の成果を改善することに時間を費やすべきです。
AutoTrainを使用すると、以下のことが可能です。
- より迅速な開始： すべてのトレーニング設定を手動で構成することなく、ベースラインを作成します。
- 情報に基づいた意思決定： バリデーションメトリクスを使用してモデルを比較し、結果が異なる理由を理解します。
- 体系的な改善： 制御された実験を通じて、モデルのサイズや画像の解像度などの変数をテストします。
- ワークフローオーバーヘッドの削減： データセット、トレーニング実行、メトリクス、エクスポート、およびデプロイを接続した状態に保ちます。
- 本番環境への移行の加速： 同じワークフローから直接、最もパフォーマンスの高いモデルをエクスポートまたはデプロイします。
「次にどの構成を試すべきか？」と尋ねる代わりに、チームは「このモデルは私たちの問題を解決する準備ができているか？」というより価値のある質問に集中できます。
目的に合わせた構築#
AutoTrainは、作業方法に適応します。
製造検査システムを開発しているチームは、欠陥検出のベースラインの設定と画像解像度の比較を依頼できます。物流企業は、どのモデルがコンテナと機器を最もよく識別できるかを評価できます。リテールアプリケーションを構築している開発者は、完了したモデルを比較し、困難なクラスを特定し、次の実験を計画できます。
目的、制限、および計算予算を定義するのはユーザー自身です。AutoTrainは、ワークフローの実行を支援し、結果を明確な次のステップに変換します。
データからデプロイまでの1つの接続されたパス#
AutoTrainは、広範なUltralytics Platformの一部であり、チームはデータセットの管理、画像の注釈付け、モデルのトレーニング、実験のレビュー、成果物のエクスポート、およびエンドポイントのデプロイを行うことができます。
Ask AIアシスタントは、互換性のあるモデルを使用した未注釈画像の自動注釈付け、選択したモデルのONNXなどの形式へのエクスポート、およびデプロイの開始など、周辺のタスクもサポートできます。
つまり、システム間の引き継ぎが減り、ビジュアルデータから動作するビジョンAIアプリケーションまでのパスがより直接的になります。
ビジョンAIワークフロー全体でAutoTrainを活用する#
AutoTrainは、チームが単発のトレーニング実行から、より迅速で構造化された実験ワークフローへと移行するのを支援します。これを使用して、構成のテスト、結果の比較、パフォーマンスの違いの理解、および最も強力なモデルの本番環境への移行をすべてUltralytics Platform内で行うことができます。
たとえば、AutoTrainに次のような依頼が可能です。
- アプローチのテスト： 「データセットの分割やその他の設定を固定したまま、画像サイズ640、800、および960で3つのモデルをトレーニングする。」
- 結果の次のステップへの変換： 「完了したモデルを検証mAP50-95で比較し、パフォーマンスの違いを説明し、次の実験を推奨する。」
- 本番環境への移行： 「最もパフォーマンスの高い完了したモデルをデプロイし、そのエンドポイントのステータスを提供する。」
これらのリクエストは、アクションを開始するだけにとどまりません。モデル開発全体を通じてチームが情報に基づいた意思決定を行えるよう支援し、手動による調整を減らし、初期のベースラインから本番環境に対応するビジョンAIモデルへの明確なパスを作成します。
AutoTrainを使った構築の開始#
最初のモデルをトレーニングする場合でも、本番環境の候補を最適化する場合でも、AutoTrainを使用すると、よりスピード、構造、そして確信を持って実験を進めることができます。
Ultralytics Platformにサインインし、データセットまたはプロジェクトを開き、Ask AIを選択して開始します。AutoTrain documentationで追加のプロンプトとサンプルワークフローを探索してください。
