FungiTastic-M データセットを用いた YOLO11 インスタンスセグメンテーションのファインチューニング
【目次】
概要
主要技術: COCOフォーマットからYOLO11インスタンスセグメンテーション形式への自動変換
論文: "FungiTastic: A multi-modal dataset and benchmark for image categorization" (ArXiv 2024)
データセット仕様: FungiTasticは650,000画像以上(350,000観測)を含む6,000種菌類分類用データセット。FungiTastic-Mサブセットは6属67,000画像で、SAM(Segment Anything Model)とGrounding DINOによる自動生成後、専門家による手動修正済みセグメンテーションマスクを提供する。
新規性・特徴: Russula(ベニタケ属)、Boletus(イグチ属)、Amanita(テングタケ属)、Clitocybe(カヤタケ属)、Agaricus(ハラタケ属)、Mycena(クヌギタケ属)の6属を対象としたインスタンスセグメンテーション学習データをYOLO11で利用可能な形式に自動変換する。
アプリケーション例:
- 野生キノコの識別システム
- キノコの判別支援アプリ
- 菌類カウントシステム
体験価値: データセットの形式変換を確認。YOLO11によるインスタンスセグメンテーションの確認。
事前準備
Python 3.12 のインストール
Pythonのインストールを行い、Pythonのプログラムを実行する環境を整える。扱う環境は、Windows搭載パソコンである。金子研究室では、Python 3.12.10を推奨する。
[Windows での Python 3.12 のインストール手順を見るには、ここをクリック]
Windows での Python 3.12 のインストール
以下のいずれかの方法でPython 3.12をインストールする。Pythonがインストール済みの場合、この手順は不要である。
方法 1:winget によるインストール
【インストールコマンドの実行方法】
管理者権限でコマンドプロンプトを起動する(手順:Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」)。そして、コマンド全体をコマンドプロンプトにコピー&ペーストする。
--scope machine を指定することで、システム全体(全ユーザー向け)にインストールされる。このオプションの実行には管理者権限が必要である。インストール完了後、コマンドプロンプトを再起動するとPATHが反映される。
REM Python 3.12 をシステム領域にインストール
winget install --id Python.Python.3.12 -e --scope machine --silent --accept-source-agreements --accept-package-agreements --override "/quiet InstallAllUsers=1 PrependPath=1 Include_test=0 Include_pip=1 Include_launcher=1 InstallLauncherAllUsers=1 TargetDir=\"C:\Program Files\Python312\""
if not "%ERRORLEVEL%"=="0" ( color 0c & echo Python 3.12 のインストールに失敗しました & ping 127.0.0.1 -n 6 >nul & color )
REM Python と Scripts を PATH 先頭に追加
powershell -NoProfile -Command "$p='C:\Program Files\Python312'; $s=\"$p\Scripts\"; if(Test-Path $p){$k=[Microsoft.Win32.Registry]::LocalMachine.OpenSubKey('SYSTEM\CurrentControlSet\Control\Session Manager\Environment',$true); $c=$k.GetValue('Path','',[Microsoft.Win32.RegistryValueOptions]::DoNotExpandEnvironmentNames); $t=$k.GetValueKind('Path'); $new=$c; if((';'+$new+';') -notlike \"*;$p;*\"){$new=$p+';'+$new}; if((';'+$new+';') -notlike \"*;$s;*\"){$new=$s+';'+$new}; if($new -ne $c){$k.SetValue('Path',$new,$t)}; $k.Close()}"
REM 現在のセッションにも反映(システムPATHを再取得して連結)
for /f "usebackq tokens=2,*" %A in (`reg query "HKLM\SYSTEM\CurrentControlSet\Control\Session Manager\Environment" /v Path`) do set "PATH=%B"
REM pip / wheel の更新
python -m pip install --no-user -U pip wheel
if not "%ERRORLEVEL%"=="0" ( color 0c & echo pip / wheel の更新に失敗しました & ping 127.0.0.1 -n 6 >nul & color )
方法 2:インストーラーによるインストール
- Python公式サイト(https://www.python.org/downloads/)にアクセスし、「Download Python 3.x.x」ボタンからWindows用インストーラーをダウンロードする。
- ダウンロードしたインストーラーを実行する。
- 初期画面の下部に表示される「Add python.exe to PATH」にチェックを入れてから「Customize installation」を選択する。このチェックを入れ忘れると、コマンドプロンプトから
pythonコマンドを実行できない。 - 「Install Python 3.xx for all users」にチェックを入れ、「Install」をクリックする。
インストールの確認
コマンドプロンプトで以下を実行する。
python --version
バージョン番号(例:Python 3.12.x)が表示されればインストール成功である。「'python' は、内部コマンドまたは外部コマンドとして認識されていません。」と表示される場合は、インストールが正常に完了していない。
Python の開発環境 Visual Studio Code のインストールと Python 用の設定
Python の開発環境Visual Studio Code(プログラムを編集するソフトウェア。以下、VS Code)を整える。
[Windows での Visual Studio Code のインストールと Python 用の設定手順を見るには、ここをクリック]
Windows での Visual Studio Code のインストールと Python 用の設定手順
1. VS Code と拡張機能のインストール
以下のコマンドにより,既存の VS Code を削除し,全ユーザー共有の設定で再インストールしたうえで,拡張機能(VS Code に機能を追加するソフトウェア)をまとめて導入する.
【インストールコマンドの実行方法】
管理者権限でコマンドプロンプトを起動する(手順:Windows キーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」)。そして,コマンド全体をコマンドプロンプトにコピー&ペーストする。
インストールコマンド
REM ============================================================
REM Microsoft Visual Studio Code
REM ============================================================
REM Build Tools + Desktop development with C++(VCTools)+ 追加コンポーネント(一括)
REM 未インストール時: winget で新規インストール
REM インストール済み時: setup.exe modify でコンポーネント追加(バージョンは変更しない)
winget list --id Microsoft.VisualStudio.BuildTools 2>nul | findstr /i "BuildTools" >nul 2>&1
if %ERRORLEVEL% EQU 0 (
for /f "usebackq delims=" %P in (`"C:\Program Files (x86)\Microsoft Visual Studio\Installer\vswhere.exe" -products Microsoft.VisualStudio.Product.BuildTools -property installationPath`) do start /wait "" "C:\Program Files (x86)\Microsoft Visual Studio\Installer\setup.exe" modify --installPath "%P" --add Microsoft.VisualStudio.Workload.VCTools --add Microsoft.VisualStudio.Workload.MSBuildTools --add Microsoft.VisualStudio.Component.VC.CMake.Project --add Microsoft.VisualStudio.Component.VC.Llvm.Clang --add Microsoft.VisualStudio.Component.VC.Llvm.ClangToolset --add Microsoft.VisualStudio.Component.Windows11SDK.26100 --add Microsoft.VisualStudio.Component.VC.v143.x86.x64 --includeRecommended --quiet --norestart --nocache
if not "%ERRORLEVEL%"=="0" ( color 0c & echo Build Tools のコンポーネント追加に失敗しました & ping 127.0.0.1 -n 6 >nul & color )
) else (
winget install --scope machine --id Microsoft.VisualStudio.BuildTools -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --override "--quiet --wait --norestart --nocache --add Microsoft.VisualStudio.Workload.VCTools --includeRecommended --add Microsoft.VisualStudio.Workload.MSBuildTools --add Microsoft.VisualStudio.Component.VC.CMake.Project --add Microsoft.VisualStudio.Component.VC.Llvm.Clang --add Microsoft.VisualStudio.Component.VC.Llvm.ClangToolset --add Microsoft.VisualStudio.Component.Windows11SDK.26100 --add Microsoft.VisualStudio.Component.VC.v143.x86.x64"
if not "%ERRORLEVEL%"=="0" ( color 0c & echo Build Tools のインストールに失敗しました & ping 127.0.0.1 -n 6 >nul & color )
)
REM 全ユーザー共有の拡張機能フォルダ
if not exist "C:\ProgramData\vscode-extensions" mkdir "C:\ProgramData\vscode-extensions"
icacls "C:\ProgramData\vscode-extensions" /grant "Everyone:(OI)(CI)M" /T
REM スタートメニューのショートカットを --extensions-dir 付きで再作成
if exist "C:\ProgramData\Microsoft\Windows\Start Menu\Programs\Visual Studio Code" rmdir /s /q "C:\ProgramData\Microsoft\Windows\Start Menu\Programs\Visual Studio Code"
if exist "C:\ProgramData\Microsoft\Windows\Start Menu\Programs\Visual Studio Code.lnk" del "C:\ProgramData\Microsoft\Windows\Start Menu\Programs\Visual Studio Code.lnk"
powershell -NoProfile -Command "$s=New-Object -ComObject WScript.Shell; $lnk=$s.CreateShortcut('C:\ProgramData\Microsoft\Windows\Start Menu\Programs\Visual Studio Code.lnk'); $lnk.TargetPath='C:\Program Files\Microsoft VS Code\Code.exe'; $lnk.Arguments='--extensions-dir \"C:\ProgramData\vscode-extensions\"'; $lnk.Save()"
REM ショートカットの検証
powershell -NoProfile -Command "$s=New-Object -ComObject WScript.Shell; $lnk=$s.CreateShortcut('C:\ProgramData\Microsoft\Windows\Start Menu\Programs\Visual Studio Code.lnk'); Write-Host 'TargetPath:' $lnk.TargetPath; Write-Host 'Arguments:' $lnk.Arguments"
REM ファイル / フォルダ右クリックの「Code で開く」を登録
reg add "HKLM\SOFTWARE\Classes\*\shell\VSCode\command" /ve /d "\"C:\Program Files\Microsoft VS Code\Code.exe\" --extensions-dir \"C:\ProgramData\vscode-extensions\" \"%1\"" /f
reg add "HKLM\SOFTWARE\Classes\Directory\shell\VSCode\command" /ve /d "\"C:\Program Files\Microsoft VS Code\Code.exe\" --extensions-dir \"C:\ProgramData\vscode-extensions\" \"%1\"" /f
reg add "HKLM\SOFTWARE\Classes\Directory\Background\shell\VSCode\command" /ve /d "\"C:\Program Files\Microsoft VS Code\Code.exe\" --extensions-dir \"C:\ProgramData\vscode-extensions\" \"%V\"" /f
REM --extensions-dir 付きで起動する code.cmd ラッパを作成
REM (%* を echo で書くと対話的 cmd で失われるため、PowerShell で [char]37+'*' を書き出す)
powershell -NoProfile -Command "$pct=[char]37; $q=[char]34; $c='@echo off'+[char]13+[char]10+$q+'C:\Program Files\Microsoft VS Code\bin\code.cmd'+$q+' --extensions-dir '+$q+'C:\ProgramData\vscode-extensions'+$q+' '+$pct+'*'+[char]13+[char]10; [IO.File]::WriteAllText('C:\ProgramData\vscode-extensions\vscode.cmd',$c,[Text.Encoding]::ASCII)"
REM 拡張機能のインストール
set "CODE=C:\Program Files\Microsoft VS Code\bin\code.cmd"
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --uninstall-extension GitHub.copilot
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --uninstall-extension GitHub.copilot-chat
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension ms-python.python
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension ms-python.vscode-pylance
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension ms-python.debugpy
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension MS-CEINTL.vscode-language-pack-ja
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension saoudrizwan.claude-dev
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension rust-lang.rust-analyzer
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension tamasfe.even-better-toml
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension anthropic.claude-code
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --install-extension almenon.arepl
"%CODE%" --extensions-dir "C:\ProgramData\vscode-extensions" --list-extensions --show-versions
REM settings.json を作成(自動更新オフ、Python、Claude Code 設定)
if not exist "%APPDATA%\Code\User" mkdir "%APPDATA%\Code\User"
python -c "import json,os;data={'update.mode':'none','update.enableWindowsBackgroundUpdates':False,'extensions.autoUpdate':False,'python.defaultInterpreterPath':r'C:\Program Files\Python312\python.exe','claudeCode.environmentVariables':[{'name':'ANTHROPIC_API_KEY','value':'not-needed'},{'name':'ANTHROPIC_AUTH_TOKEN','value':'ollama'},{'name':'ANTHROPIC_BASE_URL','value':'http://localhost:11434'},{'name':'ANTHROPIC_MODEL','value':'glm-4.7-flash'},{'name':'CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC','value':'1'}]};p=os.path.join(os.environ['APPDATA'],'Code','User','settings.json');open(p,'w',encoding='utf-8').write(json.dumps(data,indent=4));print('Done:',p)"
REM 自動更新の抑止ポリシー(settings.json に加えて、レジストリ側でも明示的にオフ)
reg add "HKLM\SOFTWARE\Policies\Microsoft\VSCode" /v "UpdateMode" /t REG_SZ /d "none" /f
echo === セットアップ完了 ===
2. Python インタプリタの選択
同一マシンに複数の Python がインストールされている場合,VS Code で使用する Python 本体(インタプリタ:Python プログラムを解釈・実行するソフトウェア)を選択する必要がある.
- コマンドパレット(コマンド名で機能を呼び出す VS Code の入力欄)を開く(
Ctrl+Shift+P) Python: Select Interpreterと入力する
- 表示される一覧から,使用する Python(例:
C:\Program Files\Python312\python.exe)を選択する.
Git のインストール(Windows 上) [クリックして展開]
管理者権限のコマンドプロンプトで以下を実行する.管理者権限は,winget の --scope machine オプションでシステム全体にインストールするために必要となる.
REM Git をシステム領域にインストール
winget install --scope machine --id Git.Git -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --override "/VERYSILENT /NORESTART /NOCANCEL /SP- /CLOSEAPPLICATIONS /RESTARTAPPLICATIONS /COMPONENTS=""icons,ext\reg\shellhere,assoc,assoc_sh"" /o:PathOption=Cmd /o:CRLFOption=CRLFCommitAsIs /o:BashTerminalOption=MinTTY /o:DefaultBranchOption=main /o:EditorOption=VIM /o:SSHOption=OpenSSH /o:UseCredentialManager=Enabled /o:PerformanceTweaksFSCache=Enabled /o:EnableSymlinks=Disabled /o:EnableFSMonitor=Disabled"
Wget のインストール
コマンドプロンプトを管理者として実行(手順:Windowsキーまたはスタートメニュー > cmd と入力 > 右クリック > 「管理者として実行」)し、以下を実行する:
winget install --scope machine wget -e --silent
必要なPythonライブラリのインストール
コマンドプロンプトを管理者として実行(手順:Windowsキーまたはスタートメニュー > cmd と入力 > 右クリック > 「管理者として実行」)し,以下を実行する:
pip install requests tqdm numpy pathlib
プログラムコード
# FungiTasticデータセットYOLO変換プログラム
# COCOフォーマットセグメンテーションマスクをYOLO形式に自動変換
# 論文: "FungiTastic: A multi-modal dataset and benchmark for image categorization" (ArXiv 2024)
# GitHub: https://github.com/BohemianVRA/FungiTastic/tree/dev/dataset
# 特徴: 67,000画像・6属菌類対象の専門家修正済みセグメンテーションマスク変換ツール
# Russula/Boletus/Amanita/Clitocybe/Agaricus/Mycena属対応、Windows環境最適化
# 前準備: pip install requests tqdm numpy pathlib
# git, pythonコマンドの環境変数設定が必要
import os
import json
from pathlib import Path
import shutil
import subprocess
import tempfile
from tqdm import tqdm
# 定数定義
CLASSES = ["Russula", "Boletus", "Amanita", "Clitocybe", "Agaricus", "Mycena"]
CLASS_NAMES_JP = ["ベニタケ属", "イグチ属", "テングタケ属", "カヤタケ属", "ハラタケ属", "クヌギタケ属"]
REPO_URL = "https://github.com/BohemianVRA/FungiTastic/"
IMG_EXTENSIONS = ["*.jpg", "*.jpeg", "*.png", "*.bmp", "*.tiff"]
# 出力ディレクトリ設定
user_documents = Path.home() / "Documents"
output_dir = user_documents / "FungiTastic-M"
print("FungiTastic YOLO変換プログラム開始")
print("対象: Russula(ベニタケ属), Boletus(イグチ属), Amanita(テングタケ属)")
print(" Clitocybe(カヤタケ属), Agaricus(ハラタケ属), Mycena(クヌギタケ属)")
print("データセット: 67,000画像(Train: 46,842, Val: 9,412, Test: 10,738)")
# データセットダウンロード処理
print("FungiTasticデータセットをダウンロード中...")
if (output_dir / "annotations").exists():
print("データセットが既に存在します。")
else:
print("FungiTasticリポジトリをクローン中...")
print(f"git clone実行ディレクトリ: {os.getcwd()}")
# GitHubリポジトリクローン(dev/datasetブランチ使用)
subprocess.run([
"git", "clone", "-b", "dev", REPO_URL
], check=True, shell=True)
# 出力ディレクトリ作成
output_dir.mkdir(parents=True, exist_ok=True)
# 公式ダウンロードスクリプト実行(dev/datasetブランチの重要情報活用)
print("FungiTastic-M(セグメンテーションマスク付き)をダウンロード中...")
subprocess.run([
"python", "dataset/download.py",
"--metadata", "--images", "--masks",
"--subset", "m",
"--size", "300",
"--save_path", str(output_dir)
], cwd="FungiTastic", check=True, shell=True)
print(f"ダウンロード完了: {output_dir}")
# メイン処理
print("YOLO形式に変換中...")
print(f"{output_dir.name}/")
print("├── images/ (元のまま)")
print("├── annotations/ (元のまま)")
print("└── yolo_dataset/ (新規作成)")
print(" ├── classes.txt (6つの菌類属名)")
print(" ├── images/train/ (画像ファイル)")
print(" └── labels/train/ (YOLOラベルファイル)")
# 出力ディレクトリ作成
yolo_dir = output_dir / "yolo_dataset"
train_img_dir = yolo_dir / "images" / "train"
train_label_dir = yolo_dir / "labels" / "train"
train_img_dir.mkdir(parents=True, exist_ok=True)
train_label_dir.mkdir(parents=True, exist_ok=True)
# クラス定義ファイル作成
classes_file = yolo_dir / "classes.txt"
with open(classes_file, 'w', encoding='utf-8') as f:
for i, cls in enumerate(CLASSES):
f.write(f"{cls}\n") # {CLASS_NAMES_JP[i]}は学習時不要のためコメント化
# COCOアノテーションファイル検索
annotation_files = []
search_patterns = [
"**/annotations/*.json",
"**/*annotation*.json",
"**/*.json"
]
for pattern in search_patterns:
files = list(output_dir.glob(pattern))
if files:
annotation_files = files
break
converted_count = 0
# アノテーション変換処理
for ann_file in tqdm(annotation_files, desc="変換中"):
with open(ann_file, 'r', encoding='utf-8') as f:
data = json.load(f)
images = data.get('images', [])
annotations = data.get('annotations', [])
categories = data.get('categories', [])
# カテゴリIDとクラス名のマッピング
cat_id_to_name = {cat['id']: cat['name'] for cat in categories}
for img_info in images:
img_id = img_info['id']
img_name = img_info['file_name']
img_width = img_info['width']
img_height = img_info['height']
# 対象画像のアノテーション取得
img_annotations = [ann for ann in annotations if ann['image_id'] == img_id]
valid_annotations = []
for ann in img_annotations:
cat_name = cat_id_to_name.get(ann['category_id'], '')
if cat_name in CLASSES:
class_id = CLASSES.index(cat_name)
# セグメンテーションマスクをYOLO形式に変換
if 'segmentation' in ann and ann['segmentation']:
if isinstance(ann['segmentation'], list) and len(ann['segmentation']) > 0:
segmentation = ann['segmentation'][0]
if len(segmentation) >= 6: # 最低3点必要
# 正規化(0-1範囲)
normalized_seg = []
for i in range(0, len(segmentation), 2):
x = max(0, min(1, segmentation[i] / img_width))
y = max(0, min(1, segmentation[i+1] / img_height))
normalized_seg.extend([x, y])
if normalized_seg:
valid_annotations.append(f"{class_id} " + " ".join(map(str, normalized_seg)))
# YOLOラベルファイルと画像ファイルを保存
if valid_annotations:
# ラベルファイル作成
label_name = Path(img_name).stem + ".txt"
label_path = train_label_dir / label_name
with open(label_path, 'w', encoding='utf-8') as f:
f.write("\n".join(valid_annotations))
# 画像ファイル検索とコピー
search_dirs = ["images", "Pictures", "photos", "train", "val", "test"]
img_found = False
for search_dir in search_dirs:
img_path = output_dir / search_dir / img_name
if img_path.exists():
img_dst = train_img_dir / img_name
shutil.copy2(img_path, img_dst)
converted_count += 1
img_found = True
break
# サブディレクトリも検索
if not img_found:
for img_path in output_dir.rglob(img_name):
if img_path.is_file():
img_dst = train_img_dir / img_name
shutil.copy2(img_path, img_dst)
converted_count += 1
break
print(f"変換完了: {converted_count}画像")
# 結果出力
print("データセット検証中...")
img_count = sum(len(list(train_img_dir.glob(ext))) for ext in IMG_EXTENSIONS)
label_count = len(list(train_label_dir.glob("*.txt")))
success = img_count > 0 and label_count > 0 and img_count == label_count
print(f"画像数: {img_count}枚")
print(f"ラベル数: {label_count}ファイル")
print(f"クラス数: {len(CLASSES)}クラス")
print(f"検証結果: {'成功' if success else '失敗'}")
if not success:
if img_count == 0:
print("画像ファイルが見つかりません")
if label_count == 0:
print("ラベルファイルが見つかりません")
if img_count != label_count:
print("画像数とラベル数が一致しません")
if success and converted_count > 0:
print(f"\n✓ YOLOデータセット生成完了")
print(f"出力先: {yolo_dir}")
print("使用方法: YOLOv8/YOLOv5でインスタンスセグメンテーション学習に使用可能")
print("プログラム実行完了: YOLOデータセットが正常に生成されました")
else:
print("\n✗ データセット生成に失敗しました")
print("プログラム実行失敗: データセット生成でエラーが発生しました")
使用方法
1. 上記のプログラムを実行
プログラムを実行し、データセット変換を完了する。
2. 実行結果を確認する
%USERPROFILE%\Documents\FungiTastic-M\yolo_dataset\フォルダの生成- 変換済み画像数とラベル数の表示
classes.txtファイルの6属菌類リスト確認
3. 出力ファイル構成
YOLOインスタンスセグメンテーション形式の特徴:
- 各画像に対して1つの
.txtファイル - 形式:
class x1 y1 x2 y2 x3 y3 ...(ポリゴン座標列) - 座標は0-1で正規化された値
- クラス番号は0から開始
Documents/FungiTastic-M/
├── yolo_dataset/
│ ├── classes.txt # 6属菌類クラス定義
│ ├── images/train/ # 変換済み画像ファイル群
│ └── labels/train/ # YOLOラベルファイル群
├── images/ # 元画像データ
└── annotations/ # 元COCOアノテーションデータ
4. ファインチューニング実行
変換完了後、生成されたYOLOデータセットでファインチューニングを実行する:
from ultralytics import YOLO
import cv2
import numpy as np
from pathlib import Path
# モデルの読み込み
model = YOLO("yolo11n-seg.pt")
# ファインチューニング実行
print("ファインチューニング開始...")
results = model.train(
data="fungitastic_m.yaml", # 変換後のYOLO形式データセット
epochs=100,
imgsz=640
)
# 学習済みモデルの読み込み
trained_model = YOLO("runs/segment/train/weights/best.pt")
# テスト画像でセグメンテーション実行
test_image_path = Path.home() / "Documents" / "FungiTastic-M" / "yolo_dataset" / "images" / "train"
test_images = list(test_image_path.glob("*.jpg"))[:3] # 最初の3枚をテスト
for img_path in test_images:
# 推論実行
results = trained_model(str(img_path))
# 結果を画面に表示
annotated_frame = results[0].plot()
# OpenCVで画像表示
cv2.imshow(f"Segmentation Result - {img_path.name}", annotated_frame)
cv2.waitKey(0) # キー入力待ち
cv2.destroyAllWindows()
print(f"処理完了: {img_path.name}")
print("セグメンテーション結果確認完了")
実験・探求のアイデア
基本実験
データ量変化実験
- 画像数を25%, 50%, 75%, 100%に変化させてファインチューニング効果を検証
- 学習曲線(損失関数値、精度指標の変化)を比較分析
画像品質実験
- ノイズ追加、明度変更、コントラスト調整の影響を評価
- 実環境での撮影条件変化に対するロバスト性を検証
応用実験
未知菌類検出実験
- 学習した6属以外の菌類画像での誤検出パターンを分析
- 信頼度閾値設定による未知クラス検出手法の開発
季節変化追跡実験
- 同一種の菌類の成長段階別画像で学習し、時系列変化での識別可能性を探る
- 幼菌から成菌までの形態変化に対する検出性能を評価
混在環境実験
- 複数菌類が密集する環境での検出性能を評価
- 重複する菌類の分離精度を定量的に測定
撮影環境比較実験
- 実験室撮影画像と野外撮影画像での性能差を比較
- 照明条件、背景の複雑さが検出精度に与える影響を分析