翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。 # アダプターの作成と使用 アダプターは、既存の Rekognition 深層学習モデルに追加できるモジュール式のコンポーネントであり、トレーニング対象のタスクに合わせて機能を拡張できます。アダプターを使って深層学習モデルをトレーニングすることにより、特定のユースケースに関連するイメージ分析タスクの精度を高めることができます。 アダプターを作成して使用するには、Rekognition にトレーニングデータとテストデータを提供する必要があります。そのためには、次のうちいずれかの方法を実行します。 + 一括分析と検証 - Rekognition が分析とラベルの割り当てを行うイメージを一括分析することで、トレーニングデータセットを作成できます。その後、イメージ用に生成された注釈をレビューし、予測を検証または修正します。イメージを一括分析する方法の詳細については、「[Bulk analysis](https://docs.aws.amazon.com/rekognition/latest/dg/bulk-analysis.html)」を参照してください。 + 手動での注釈 - イメージをアップロードし注釈を付けることによりトレーニングデータを作成するときはこの方法を使います。テストデータは、イメージをアップロードして注釈を付けるか、自動分割することにより作成します。 詳細については、以下のトピックをご覧ください。 **Topics** + [ # 一括分析と検証 ](adapters-bulk-analysis.md) + [ # 手動での注釈 ](adapters-manual-annotation.md) # 一括分析と検証 この方法では、トレーニングデータとして使用する大量のイメージをアップロードし、Rekognition を使ってそれらイメージの予測を取得します。それにより、イメージに自動的にラベルが割り当てられます。これらの予測は、アダプターの出発点として使用できます。予測の精度は検証が可能で、アダプターは検証済みの予測に基づいてトレーニングします。これは AWS コンソールで実行できます。 以下のビデオでは、Rekognition の一括分析機能を使用して大量の画像の予測を取得して検証し、それらの予測でアダプターをトレーニングする方法について説明しています。 [![AWS Videos](http://img.youtube.com/vi/https://www.youtube.com/embed/IGGMHPnPZLs?si=5eoidzFPbL6i5FfY/0.jpg)](http://www.youtube.com/watch?v=https://www.youtube.com/embed/IGGMHPnPZLs?si=5eoidzFPbL6i5FfY) ## 一括分析用のイメージのアップロード アダプター用のトレーニングデータセットを作成するには、Rekognition がラベルを予測できるよう、イメージを一括でアップロードします。最善の結果を得るには、10,000 を上限として、できる限り多くのトレーニング用イメージを用意し、それらのイメージで、ユースケースのありとあらゆる側面を表現できるようにします。 AWS コンソールを使用する場合、コンピュータから直接イメージをアップロードしたり、イメージを保存する Amazon Simple Storage Service バケットを提供したりできます。ただし、Rekognition API と SDK を使用する場合は、Amazon Simple Storage Service バケットに保存されているイメージを参照する、マニフェストファイルを提供する必要があります。詳細については「[Bulk analysis](https://docs.aws.amazon.com/rekognition/latest/dg/bulk-analysis.html)」を参照してください。 ## 予測のレビュー イメージを Rekognition コンソールにアップロードすると、Rekognition でそのイメージ用のラベルが生成されます。それにより、これらの予測を真陽性、偽陽性、真陰性、偽陰性のいずれかのカテゴリとして検証できます。予測を検証した後、フィードバックに基づいてアダプターをトレーニングできます。 ## アダプターのトレーニング 一括分析で返された予測の検証が完了すると、アダプターのトレーニングプロセスを開始できます。 ## AdapterId の取得 アダプターのトレーニングが完了すると、アダプターの一意の ID を取得して、Rekognition のイメージ分析 API と共に使用できるようになります。 ## API オペレーションの呼び出し カスタムのアダプターを適用するには、アダプターをサポートしているイメージ分析 API を呼び出す際にその ID を指定します。これにより、イメージの予測精度が高まります。 # 手動での注釈 イメージを手動でアップロードし注釈を付けることによりトレーニングデータを作成するときは、この方法を使います。テストデータは、テストイメージをアップロードしこれに注釈をつけるか、自動分割により、Rekognition でトレーニングデータの一部をテストイメージとして使用することによって作成します。 ## イメージのアップロードと注釈付け アダプターをトレーニングするには、典型的なユースケースの、サンプルイメージのセットをアップロードする必要があります。最善の結果を得るには、10,000 を上限として、できる限り多くのトレーニング用イメージを用意し、それらのイメージで、ユースケースのありとあらゆる側面を表現できるようにします。 ![\[トレーニング画像をインポートするためのオプションを示すインターフェイス。マニフェストファイルをインポートする、S3 バケットからインポートする、コンピュータから画像をアップロードするなどのオプションがある。S3 URI フィールドと、読み取り/書き込みアクセス許可の確保に関する注意が表示されている。\]](http://docs.aws.amazon.com/ja_jp/rekognition/latest/dg/images/adapters-11-traiing-dataset.png) AWS コンソールを使用する場合、コンピュータから直接イメージをアップロードしたり、マニフェストファイルを提供したり、イメージを保存する Amazon S3 バケットを提供したりできます。 ただし、Rekognition API と SDK を使用する場合は、Amazon S3 バケットに保存されているイメージを参照する、マニフェストファイルを提供する必要があります。 イメージの注釈は [Rekognition コンソール](https://console.aws.amazon.com/rekognition)の注釈インターフェイスを使って付けることができます。ラベルを使ってタグ付けすることでイメージに注釈を付けると、トレーニングの「グラウンドトゥルース」が設定されます。また、アダプターをトレーニングする前にトレーニングセットとテストセットを指定するか、自動分割機能を使用する必要があります。データセットの指定とイメージの注釈付けが完了したら、テストセット内の注釈付きイメージに基づいてアダプターを作成できるようになります。その後、アダプターのパフォーマンスを評価できます。 ## テストセットの作成 注釈付きのテストセットを提供するか、自動分割機能を使用します。トレーニングセットは、アダプターを実際にトレーニングするのに使用します。アダプターは、これらの注釈付きイメージに含まれるパターンを学習します。テストセットは、アダプターを完成させる前にモデルのパフォーマンスを評価するために使用します。 ## アダプターのトレーニング トレーニングデータの注釈が完了すると、または、マニフェストファイルを提供すると、アダプターのトレーニングプロセスを開始できます。 ## アダプター ID の取得 アダプターのトレーニングが完了すると、アダプターの一意の ID を取得して Rekognition のイメージ分析 API と共に使用できるようになります。 ## API オペレーションの呼び出し カスタムのアダプターを適用するには、アダプターをサポートしているイメージ分析 API を呼び出す際にその ID を指定します。これにより、イメージの予測精度が高まります。