Google Cloud AutoML Vision は、誰でも簡単にカスタム機械学習モデルを作成することができるサービスです。WEBブラウザから Cloud AutoML Vision に学習させたい画像ファイルをアップロードしてラベル付けをするだけで、カスタム機械学習モデルをトレーニングすることができます。そこで今回は、Google Cloud AutoML Vision の使い方をまとめてみました。
Google Cloud Platform の利用登録
Cloud AutoML Vision を使うには、まず初めに Google Cloud Platform の利用登録が必要になります。（Cloud AutoML Vision は Google Cloud Platform が提供するサービスのひとつです）登録用のGoogleアカウントを１つ用意しましょう。
Google Cloud Platform トップページの「無料トライアル」をクリックし、Googleアカウントでログインします。
Google Cloud Platform の無料トライアルの登録画面が表示されますので、住んでいる国を選択し、各種利用規約を確認したら「同意して続行」をクリックします。
次の画面で「住所」「名前」「電話番号」「クレジットカード番号」（これらの項目は必須です）を入力し、「無料トライアルを開始」をクリックします。
以上で登録完了です。しばらくすると Google Cloud Platform のコンソール（管理画面）が表示されます。
プロジェクトの作成
Cloud AutoML Vision 用に新しいプロジェクトを作成します。（不要になったらプロジェクトを削除するだけで片付けができるので便利です。）
「プロジェクトを選択」（もしくは「My First Project」）をクリックします。
「新しいプロジェクト」をクリックします。
適当なプロジェクト名を入力して、「作成」をクリックします。
1分ほどでプロジェクトが作成されますので、作成したプロジェクトを選択します。（自動で選択される場合もあります）プロジェクト名の下に表示されている「プロジェクトID」はこの後に使いますのでメモしておきましょう。
Cloud AutoML Vision の有効化
続いて、Cloud AutoML Vision を有効化します。
左上のハンバーガー「≡」メニューの一番下にある「Vision」をクリックします。
下のような画面が表示されますので、「Get started with AutoML」をクリックします。
先ほど作成したプロジェクトの「プロジェクトID」を選択して「CONTINUE」をクリックします。（2018年8月8日現在 AutoML Vision は BETA版です）
「SET UP NOW」をクリックします。Google Cloud Storage に機械学習モデルのトレーニングに使う画像を保存するためのバケッドが作成されます。（Cloud AutoML Vision を使うには、課金が有効になっている必要があります）また、「MANUAL SETUP」をクリックすると、この作業を手動で行うためのコマンドが表示されます。
10分ほどで Cloud AutoML Vision が有効化され、下のような画面が表示されます。
トレーニング用画像の準備
カスタム機械学習モデルにトレーニングさせる画像を準備します。学習させる画像についてのポイントは次の通りです。
- AutoML Visionモデルは、現実世界のオブジェクトの写真に最適化されている
- 予測が行われるデータの品質や状態に可能な限り近いものでなければならない
- 人間がラベル付け(分類)できないラベルは予測できない
- 1ラベルあたり約1000のトレーニング画像を推奨
参考資料：Preparing your training data | Cloud AutoML Vision
また、1モデルあたり最低でも２つのラベル(分類)が必要になります。
今回は、アンパンマンとバイキンマンを撮影した100枚ほどの写真を使って、カスタム機械学習モデルをトレーニングしてみたいと思います。
データセットの作成
Cloud AutoML Vision の画面で「NEW DATASET」をクリックします。
適当なデータセット名を入力して「Import images later」を選択します。（次に続きます）
今回準備したトレーニング用の画像には、アンパンマンとバイキンマンが両方写っている写真もあります。そのため１枚の画像に複数のラベル付けをできるように「Enable multi-label classification」にチェックを入れて「CREATE DATASET」をクリックします。（１枚の画像に１つのラベル付けのみする場合は、このチェックは必要ありません）
カスタム機械学習モデルのトレーニング
いよいよ今回の本題です。準備したトレーニング用画像をラベル付け(分類)して、カスタム機械学習モデルをトレーニングします。
トレーニング用画像のアップロード
「ADD IMAGES」から「Upload from your computer」を選択します。
準備した画像をすべて選択して「開く」をクリックしてアップロードします。（アップロードが完了するまでしばし待ちます）
ラベル付け
続いて「IMAGES」の「ADD LABEL」をクリックします。
ラベル「anpan_man」「baikin_man」を作成します。
あとはひたすら画像をラベル付け(分類)していきます。（まとめてラベル付けできるのが便利ですね）
トレーニングの実行
ラベル付けが終わったら、「TRAIN」タブを選択して「START TRAINING」ボタンをクリックしてトレーニングを開始します。（各ラベルには最低でも100枚の画像が必要とのことです。今回は少し足りませんでしたが、さらに画像を追加して再トレーニングすることもできます）
確認画面が表示されますので、「START TRAINING」ボタンをクリックします。（今回はトレーニング用画像が少ないので無料枠におさまるようです）
トレーニングが終わるまでしばし待ちます。トレーニングが終了するとメールで通知してくれます。
分類テスト
作成したカスタム機械学習モデルで分類できるかテストしてみます。（分類テストに使った画像は、トレーニングに使ったのもではありません）
分類テストをするには「PREDICT」タブを選択します。（画像に写っているものを PREDICT（予測）するという考え方のようです）「UPLOAD IMAGES」をクリックして分類させる画像を選択すれば解析がはじまります。（たまに「Model is warming up. Please try again later.」のエラーが発生することがあります）
アンパンマンは、ほぼ100%「アンパンマン」と分類されました。
バイキンマンはトレーニング用画像が少なかったためか、アンパンマンとも分類されています。
おわりに
今回は100枚程度の画像をトレーニングさせてみましたが、画像を準備するにもラベル付けするにもなかなか大変でした(^^;) 機械学習の仕組みは Cloud AutoML が提供してくれるので、利用者側ではいかにトレーニングを効率的に行うのかがキモになってくると思います。次回は、作成した カスタム機械学習モデルを API 経由で利用する手順 をまとめてみたいと思います。
コメント