お世話になっております。
領域検出において、検出したい対象物の画像内での位置は学習に影響するのでしょうか？
例えば画像内の右上のあたりに対象物が写っている画像ばかりで学習を行った場合、左下に対象物が写っている画像に対しては反応が弱くなる…という事になるのか懸念しております。
もしそうであれば、学習データ自動生成の「反転」などで対応できそうですが
背景が均一でない模様があるような場合もその対応で良いのでしょうか？（背景情報も学習に影響する？）
質問ばかりで申し訳ありませんが、ご教授頂けますと幸いです。
ご質問ありがとうございます。
基本的に位置情報はほとんど学習に影響を与えないです。
ただし、背景が変わってしまう場合や向きが変わる(結果的に背景も変わる)場合は学習に影響を及ぼします。
また、位置によって照明の明るさが変わってしまう場合は、結果的に背景が変わってしまうので、
この場合も学習に影響を及ぼします。
ご指摘いただいた通り、背景の影響をかなり受けますので、
検査時に発生しうる背景パターンをある程度AIに覚えさせる必要があります。
その際に、ご提示いただいた「反転」を含む以下の設定を行うことで、
背景パターンを増やすことが出来ます。
迅速なご回答ありがとうございます。
位置情報よりも背景の方が影響してくるのですね。
非常に有用な情報ありがとうございます。
さらに重ねて質問させて頂きたく存じます。
特定の背景にある対象物の画像しか用意できない場合は、データ自動生成での対応は難しいのでしょうか？
極端例ですが、背景が赤青緑の横３色／検査時には背景は変化しない／対象物はどの位置にでも発生する可能性がある、という前提で
用意できる画像が、対象物が画像の上の方＝赤背景にある画像ばかりである場合
この画像を反転などさせても「赤背景にある対象物」に変わりはない為、「青緑背景にある対象物」への反応には効果が薄い、という認識で合っていますでしょうか。
こういった状況だと、とにかく「青緑背景にある対象物」の画像データを用意するほかないでしょうか？
一般的には、背景色が異なってしまう場合には、ご記載いただいた通り、データ自動生成では効果が薄いケースが多いと思います。
他のユーザー様では、背景を準備して撮影している方が目的を速く達成できることがほとんどです。
MENOUのツールでは、少量の学習画像で背景の違いを吸収できると思いますので、
背景を用意した方が確実なAIを作ることが出来ると思います。
ただ上記はあくまでも一般論ですので、弊社から最適なご提案をさせていただきたいと思います。
以下のトピックをご参考にワークスペースをアップロードして頂ければ、サポートをさせていただきたいと思います。
ご返信ありがとうございます。
やはり想定されるパターンの画像をN増しするのが最善ですよね。
実際に検討していたのが不均一な背景にある傷の検出で
ある位置に発生した傷に対して反応が弱いようでしたので気になり、また「反転」の使いどころに迷ったため質問させて頂いた次第です。
自然発生の傷なので位置をコントロールするようなことができず、思うような画像データを揃え辛いのが悩みどころではありますが…
まだ教育途中ですが今の結果でも検出自体は成功していますので、もう少し様子見していきたいと思います。
ありがとうございました。