まず、アノテーションを行う画像群をDeep Learning Toolへインポートします。アノテーション実行画面では、各画像に対して適切なクラスを設定することができます。また、レビュー画面ではアノテーション結果の確認や修正も可能です。

分類モデルのトレーニングは、わずか3ステップで簡単に実行できます。まず、トレーニングに使われる数百枚の画像を、どのような比率でトレーニング用、評価用、テスト用に振り分けるかの設定をします。次に、事前学習ネットワークとして使用するモデルデータを選択します。最後に、学習率やエポック数などの主要なパラメータを設定することでトレーニングを開始できます。

トレーニング実行中は、学習過程でのエラー率を随時確認することができます。またトレーニング実行後は、検証用画像に対する判定結果全てをマトリクスで確認することが可能であり、偽陰性/偽陽性の割合なども確認できます。Deep Learning Toolでは評価結果に関する様々な指標を簡単に確認することができるため、開発効率が大幅に向上します。

領域を検出するセグメンテーション機能は、アノテーション作業に膨大な工数が発生しますが、AIを組み合わせたインテリジェントな機能が解決します。アノテーションしたい領域を囲う最小外接矩形を作成し、対象領域をクリックします。たったこの操作で、自動的に領域を抽出することが可能です。その抽出した領域を後から拡張・除去することも可能です。ディープラーニングツールは最小の工数で最大のデータ品質向上を実現します。