Custom Vision Service：Dev Basics／Keyword

Custom Vision Serviceを利用すると、何点かの画像をアップロード／タグ付けすることで、画像分類を行うためのカスタムモデルを作成可能だ。

[かわさきしんじ，Insider.NET編集部]

印刷

通知 連載「％」の新着をメールで通知

鬯ｯ�ｯ�ｽ�ｯ�ｽ�ｽ�ｽ�ｮ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｫ鬯ｯ�ｩ陋ｹ�ｽ�ｽ�ｽ�ｽ�ｨ鬩幢ｽ｢�ｽ�ｧ髫ｰ�ｽ竏橸ｿｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｹ鬯ｮ�ｫ�ｽ�ｴ鬮ｮ諛ｶ�ｽ�｣�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�｢�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽPost

Shareシェア

はてなブックマーク

SharePocket Button

連載目次

　Custom Vision Serviceは、Microsoftが提供するCognitive Servicesの1つ。何点かの画像をアップロード／タグ付けすることで、画像を分類するための分類子（classifier）を開発者が独自にカスタマイズしたり、その学習結果をAPIから利用したりできるようにするもの。本稿執筆時点（2018年1月22日）ではプレビュー版となっている。

Custom Vision Serviceの使い方

　Custom Vision Serviceを利用するには、MicrosoftアカウントでCustom Vision Serviceにサインインする必要がある。

Custom Vision Serviceのトップページ

　サインインしたら、次のような手順でカスタムモデルを作成していく。

1. 画像のアップロードとタグ付け
2. トレーニング
3. 評価

　ここでは「無料写真素材 東京デート」という著作権フリーで写真素材を提供しているサイトで配布されている東京タワーと東京スカイツリーの画像を利用させてもらうことにした。幾つかの画像をダウンロードしておき、これをCustom Vision Serviceにアップロードして学習させてみることにする。学習後に、東京タワーの写真を与えて、それが東京タワーと分類されるかを確認してみよう（ドキュメントを見ると、カテゴリーごとに30枚ほどの画像が必要とあるが、ここでは5枚程度で試してみる）。

　Custom Vision Serviceにサインインすると、次のようにプロジェクトを新規に作成するページが表示される。

プロジェクトの新規作成ページ

　［New Project］をクリックして、プロジェクト名とその説明を適当に入力する。［Domains］には［Landmarks］を指定した。

プロジェクトを新規に作成しているところ

　最後に［Create project］ボタンをクリックすれば、プロジェクトが作成される。プロジェクトの作成直後は画像が1つも登録されていないので、画像を追加するように促される。

［Add images］ボタンをクリック

▼

［Browse local files］ボタンをクリック

画像の追加

　［Add images］ボタンをクリックしたら、表示されたページで［Browse local files］ボタンをクリックすると、［開く］ダイアログが表示されるので、ここで追加する画像を選択する。選択すると、タグの入力画面になるので、タグを指定してやる。以下は東京スカイツリーの画像を指定して、「tokyo sky tree」とタグ付けしたところだ。

アップロードする画像を指定して「tokyo sky tree」とタグ付け

　最後に［Upload X files］ボタンをクリックすれば、画像のアップロードが行われる。同様にして東京タワーの画像もアップロードしてタグ付けしておく。ここまで行ったところを以下に示す。

画像のアップロードが終わったところ

　画像をアップロードしたら、上の画像にある緑色のボタンをクリックして、学習を実行する。学習が終わると次のようなページが表示される。

学習結果

　2つの円グラフにあるPrecisionとRecallは作成した分類子がどれくらい役立つかを示すもので、アップロードした画像を利用して自動的に行われたテストの結果からこれらの値が算出されている。それぞれ次のような意味を持っている。

• Precision（適合率）
• Recall（再現率）

　適合率と再現率については「そろそろ本気で機械学習の評価方法について学習するよ」などを参照されたい。この場合の適合率（精度）とは「テストによる推測結果がどれだけ正しいか」を、再現率は「正しい分類（画像のタグ付け結果）をテストがどれだけ推測できたか」を意味する。

　次に筆者が撮影した東京タワーの画像を利用して、これが実際に正しく東京タワーと分類されるかを試してみよう。これには緑色のボタンにある［Quick Test］ボタンをクリックする。ここでは［Browse local files］ボタンをクリックして、ローカルファイルを指定している。

［Quick Test］ペーンで画像を指定

　下の［Results］欄を見ると、正しく分類されたことが分かる。

この画像では「tokyo tower」の「Probability」（可能性）が100％となった

　このようにCustom Vision Serviceを利用すると、GUIを利用して簡単に画像分類を行うためのモデルを作成して、それを利用できる。実際にはプログラムからREST APIを呼び出すことも可能だ（これについては機会をあらためて紹介しよう）。

---

　Custom Vision Serviceを利用すると、何点かの画像をアップロード／タグ付けすることで、画像分類を行うためのモデルを開発者がカスタマイズでき、それを容易に利用できる。プログラムに独自の画像分類機能を持たせるといった場合に活用できるはずだ。

参考資料

• Custom Vision Service：Azure上でのCustom Vision Serviceのトップページ
• Custome Vision Service：Custom Vision Serviceを利用するにはこちらから
• 概要：Custom Vision Serviceのドキュメント
• 無料写真素材 東京デート：本稿で東京タワーと東京スカイツリーの画像の学習に利用した画像を配布しているサイト

「Dev Basics／Keyword」

鬯ｯ�ｯ�ｽ�ｩ髫ｰ�ｳ�ｽ�ｾ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｵ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｺ鬯ｯ�ｯ�ｽ�ｮ�ｽ�ｽ�ｽ�ｦ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｮ鬯ｮ�ｯ�ｽ�ｷ�ｽ�ｽ�ｽ�ｻ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｻ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｿ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ鬯ｯ�ｯ�ｽ�ｯ�ｽ�ｽ�ｽ�ｯ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｨ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｾ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�｣鬯ｯ�ｯ�ｽ�ｯ�ｽ�ｽ�ｽ�ｮ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｴ鬯ｮ�｣髮具ｽｻ�ｽ�ｿ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�･�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｳ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｨ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ鬯ｮ�ｯ隲幢ｽｶ�ｽ�ｽ�ｽ�｣�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�､�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｸ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｲ鬯ｯ�ｯ�ｽ�ｩ髯滂ｿｽ迹ｳ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｿ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ驍ｵ�ｺ�ｽ�､�ｽ縺､ﾂ€�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�｣鬯ｯ�ｯ�ｽ�ｯ�ｽ�ｽ�ｽ�ｮ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｴ鬯ｯ�ｯ�ｽ�ｩ髯晢ｽｶ陞｢�ｽ隴ｯ�ｶ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｭ鬯ｯ�ｮ�ｽ�ｮ�ｽ�ｽ�ｽ�｣�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｿ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｨ鬯ｯ�ｮ�ｽ�ｯ髯具ｽｹ�ｽ�ｺ�ｽ�ｽ�ｽ�ｻ驛｢�ｧ隰�∞�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｿ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｺ鬯ｯ�ｮ�ｽ�｣髯具ｽｹ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｵ鬯ｮ�ｫ�ｽ�ｴ髫ｰ�ｫ�ｽ�ｾ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｴ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ鬮ｫ�ｶ鬮ｮ�｣�ｽ�ｽ�ｽ�｣�ｽ�ｽ陞ｳ闌ｨ�ｽ�｢隰�∞�ｽ�ｽ�ｽ�ｭ鬮ｮ諛ｶ�ｽ�｣�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�｢�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｩ鬯ｯ�ｯ�ｽ�ｩ髯晢ｽｷ�ｽ�｢�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�｢鬯ｮ�ｫ�ｽ�ｴ鬮ｮ諛ｶ�ｽ�｣�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�｢�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｼ鬯ｯ�ｯ�ｽ�ｩ髯晢ｽｷ�ｽ�｢�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�｢鬯ｮ�ｫ�ｽ�ｴ髣包ｽｳ�ｽ�ｻ�ｽ�ｽ�ｽ�ｽ鬮ｫ�ｶ隰撰ｽｺ�ｽ�ｻ郢ｧ謇假ｽｽ�ｽ�ｽ�ｿ�ｽ�ｽ�ｽ�ｽ鬩搾ｽｵ�ｽ�ｺ�ｽ�ｽ�ｽ�､�ｽ�ｽ邵ｺ�､�つ€鬯ｯ�ｯ�ｽ�ｯ�ｽ�ｽ�ｽ�ｮ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｦ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｪ鬯ｯ�ｩ陋ｹ�ｽ�ｽ�ｽ�ｽ�ｶ鬮｣雋ｻ�ｽ�ｨ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｦ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｴ�ｽ�ｽ�ｽ�ｽ驍ｵ�ｺ�ｽ�､�ｽ縺､ﾂ€鬯ｮ�ｯ�ｽ�ｷ鬮｣魃会ｽｽ�ｨ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｷ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｻ鬯ｯ�ｯ�ｽ�ｯ�ｽ�ｽ�ｽ�ｯ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｪ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｭ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｲ鬯ｯ�ｯ�ｽ�ｩ髫ｰ�ｳ�ｽ�ｾ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｵ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｺ鬯ｯ�ｮ�ｽ�ｯ�ｽ�ｽ�ｽ�ｷ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｷ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｶ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ�ｽ New