連載：YOLOで作る画像認識ツール– category –

YOLOの画像認識を稼働させたあとの注意点を解説する連載最終回。画像の圧縮率を変えるだけで検出が大きく減る実験、変化に気づく記録の仕組み、AGPL-3.0のライセンスの確認点、連載全体のまとめと発注者向けチェックリストを紹介します。

YOLOの画像認識APIをDockerで動かすための設計を解説する連載第10回。モデルを外から渡す構成、ヘルスチェック、個人情報を残さないログ、実環境でビルドを確認できていない点、発注者向けチェックリストを紹介します。

YOLOのモデルをONNXに変換してCPUで動かし、推論時間を比べる連載第9回。約2倍速くなった結果と、変換で検出結果が少し変わる点、GPUが必要かの判断材料、発注者向けチェックリストを解説します。

YOLOの結果を、自信の高さで自動採用・人が確認・破棄に振り分ける仕組みを作る連載第8回。人の判断の反映、抜き取り確認、自信が高くても間違う結果の扱い方、発注者向けチェックリストを解説します。

YOLOの学習済みモデルに、果物の写真で追加学習をする手順を解説する連載第7回。レモンやキウイを見つけられるようになった一方で、オレンジを見逃すようになった結果と、検証の数字を信じてはいけない理由を紹介します。

YOLOの精度を適合率・再現率で測る方法を、果物の写真と正解データで解説する連載第6回。正解・誤検出・見逃しの数え方、1枚の写真で結論を出してはいけない理由、発注者が用意するテスト写真の考え方を紹介します。

YOLOの認識結果を、ブラウザで写真の上に枠と個数として表示する画面を作る連載第5回。HTML1枚で作る方法、エラー表示、認証や画面範囲など発注者が決めること、チェックリストを解説します。

YOLOの画像認識をFastAPIでAPI化し、画像を送ると結果がJSONで返る仕組みを作る連載第4回。モデルの起動時読み込み、エラー処理、外部通信の設定、発注者向けチェックリストを解説します。

YOLOの検出結果を種類ごとに数えてCSVへ集計し、フォルダ内の画像をまとめて処理するコードを解説する連載第3回。写真の切り方で個数が変わる落とし穴や、発注者向けチェックリストも紹介します。

YOLOの認識結果を、枠と種類・信頼度のラベルとして画像に描き込む方法を解説する連載第2回。信頼度が高くても間違う例を画像で確認し、発注者向けチェックリストと開発会社への質問例も紹介します。

YOLOの信頼度としきい値を変えると結果がどう変わるかを果物の写真で確認し、認識結果をJSONで出力するまでを解説する連載第1回。見逃しと誤検出の考え方、発注者向けチェックリスト付き。

果物の写真から種類と個数を判定する検品ツールを、PythonとYOLOで作る連載の第0回。全体像、環境構築、画像1枚の認識、学習済みモデルの限界、発注者向けのチェックリストを解説します。