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

【概要】 FungiTastic-M データセットの67,000菌類画像のセグメンテーションマスクについて,COCOフォーマットからYOLO形式への変換。6属菌類対象(ベニタケ属、イグチ属など)。Windows環境で,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を実行。

【目次】

  1. 概要
  2. 事前準備
  3. プログラムコード
  4. 使用方法
  5. 実験・探求のアイデア

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:

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

  1. 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。
  2. ダウンロードしたインストーラーを実行する。
  3. 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。
  4. 「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.

  1. 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
  2. Python: Select Interpreter と入力する
  3. 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

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:

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

画像品質実験

応用実験

未知菌類検出実験

季節変化追跡実験

混在環境実験

撮影環境比較実験