最も単純なサンプルコード

ファイルからモデルを読み込み、推論を実行する最も単純なサンプルコードです。

• C#
• VB

---

C# 版

• 画像分類の場合: L.14- SimpleSample()
• アノマリー検出の場合: L.14- SimpleSample()
• 多視点画像分類の場合: L.110- SimpleSampleMultiView()
• 多視点アノマリー検出の場合: L.110- SimpleSampleMultiView()
• セマンティックセグメンテーションの場合: L.192- SimpleSampleSegmentation()
• パノプティックセグメンテーションの場合: L.192- SimpleSampleSegmentation()
• 物体検出の場合: L.284- SimpleSampleObjectDetection()
• マルチラベル画像分類の場合: L.14- SimpleSample()

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using FVIL;
using FVIL.Data;
using FVIL.PDL;
 
namespace SamplesCS
{
    partial class Program
    {
        static void SimpleSample(String modelPath, String imagePath)
        {
            try
            {
                var has_license = Model.CheckLicense();
                if (false == has_license) { throw new Exception("no license"); }
 
                // モデルファイルの読込を含むコンストラクタ ( インスタンスを作成して LoadModel() をする場合と同等 )
                Model model = new Model(modelPath);
 
                // 推論対象画像の読込
                CFviImage image = new CFviImage(imagePath);
 
                // モデルの推論バックエンドの確認
                Console.WriteLine($"backend: {model.ModelBackend}");
 
                // 推論対象画像の有効性確認
                var is_valid_img = model.IsValidImage(image);
                if (false == is_valid_img) { throw new Exception("invalid image"); }
 
                switch (model.ModelCategory)
                {
                    case ModelCategory.Classification:// 画像分類
                        {
                            // 推論実行
                            var scores = model.PredictClassification(image);
 
                            // スコアをコンソール出力
                            for (var i_score = 0; i_score < scores.Length; i_score++)
                            {
                                Console.WriteLine($"label{i_score}: {scores[i_score]}");
                            }
 
                            // 推論実行 ( 最大スコアのみを取得 )
                            var top_score_pair = model.PredictClassification(image, ref scores);
                            Console.WriteLine($"top label{top_score_pair.Item1}, score{top_score_pair.Item2}");
                        }
                        break;
                    case ModelCategory.AnomalyDetection:// アノマリー検出
                        {
                            // 閾値を任意に設定して推論実行 ( double から float キャストに注意 )
                            var threshold = 10.0;
                            var tuple = model.PredictAnomaly(image, (float)threshold);
 
                            // タプルで受け取った結果をアンパック
                            var is_anomaly = tuple.Item1;
                            var max_anomaly = tuple.Item2;
 
                            // コンソール出力
                            var str_is_anomaly = is_anomaly ? "anomaly" : "normal";
                            Console.WriteLine($"{str_is_anomaly}, max_anomaly={max_anomaly}");
                        }
                        break;
                    case ModelCategory.MultiLabelClassification:// マルチラベル画像分類
                        {
                            // 推論実行
                            var scores = model.PredictMultiLabelClassification(image);
 
                            // スコアをコンソール出力
                            for (var i_score = 0; i_score< scores.Length; i_score++)
                            {
                                Console.WriteLine($"label{i_score}: {scores[i_score]}");
                            }
 
                            // 推論実行 ( スコア閾値を満たすラベルのインデックスとそのスコアの取得 )
                            float score_threshold = 0.5f;// 省略可能、省略されたときは 0.5f で実行される
                            var dict = model.PredictMultiLabelClassification(image, ref scores, score_threshold);
 
                            // スコア閾値を満たしたものだけをコンソール出力
                            foreach(var kv in dict)
                            {
                                Console.WriteLine($"label{kv.Key}: {kv.Value}");
                            }
                        }
                        break;
                    case ModelCategory.MultiViewCNN:
                    case ModelCategory.MultiViewAD:
                    case ModelCategory.SemanticSegmentation:
                    case ModelCategory.PanopticSegmentation:
                    case ModelCategory.ObjectDetection:
                    case ModelCategory.Unknown:
                    default: throw new NotImplementedException($"unmatch model-category={model.ModelCategory}");
                }
            }
            catch (CFviException ex)
            {
                Console.WriteLine($"ErrorCode={ex.ErrorCode}, Message={ex.Message}");
                Console.WriteLine(ex.StackTrace);
            }
            catch (Exception ex)
            {
                Console.WriteLine($"Message={ex.Message}");
                Console.WriteLine(ex.StackTrace);
            }
        }
 
        static void SimpleSampleMultiView(String modelPath, String imageFolder)
        {
            try
            {
                var has_license = Model.CheckLicense();
                if (false == has_license) { throw new Exception("no license"); }
 
                // モデルファイルの読込を含むコンストラクタ ( インスタンスを作成して LoadModel() をする場合と同等 )
                Model model = new Model(modelPath);
 
                // モデルの推論バックエンドの確認
                Console.WriteLine($"backend: {model.ModelBackend}");
 
                // 推論対象画像の読込と有効性の確認
                List<CFviImage> target_images = new List<CFviImage>();
                for (var i_img = 0; i_img < model.NumViews; i_img++)
                {
                    // imageFolder フォルダ内に、0-index の通し番号の画像が保存されていることを想定
                    var img_path = System.IO.Path.Combine(imageFolder, String.Format("{0}.bmp", i_img));
                    var image = new CFviImage(img_path);
 
                    // 推論対象画像の有効性確認
                    var is_valid_img = model.IsValidImage(image);
                    if (false == is_valid_img) { throw new Exception("invalid image"); }
 
                    // 推論対象画像のリストに追加
                    target_images.Add(image);
                }
 
                // モデル種別のエラーチェック
                switch (model.ModelCategory)
                {
                    case ModelCategory.MultiViewCNN:// 多視点画像分類
                        {
                            // 推論実行
                            var scores = model.PredictMultiViewCNN(target_images);
                            // スコアをコンソール出力
                            for (var i_score = 0; i_score < scores.Length; i_score++)
                            {
                                Console.WriteLine($"label{i_score}: {scores[i_score]}");
                            }
 
                            // 推論実行 ( 最大スコアのみを取得 )
                            var top_score_pair = model.PredictMultiViewCNN(target_images, ref scores);
                            Console.WriteLine($"top label{top_score_pair.Item1}, score{top_score_pair.Item2}");
                        }
                        break;
                    case ModelCategory.MultiViewAD:// 多視点アノマリー検出
                        {
                            // 閾値を任意に設定して推論実行 ( double から float キャストに注意 )
                            var threshold = 10.0;
                            var tuple = model.PredictMultiViewAD(target_images, (float)threshold);
 
                            // タプルで受け取った結果をアンパック
                            var is_anomaly = tuple.Item1;
                            var max_anomaly = tuple.Item2;
 
                            // コンソール出力
                            var str_is_anomaly = is_anomaly ? "anomaly" : "normal";
                            Console.WriteLine($"{str_is_anomaly}, max_anomaly={max_anomaly}");
                        }
                        break;
                    case ModelCategory.Classification:
                    case ModelCategory.AnomalyDetection:
                    case ModelCategory.SemanticSegmentation:
                    case ModelCategory.PanopticSegmentation:
                    case ModelCategory.Unknown:
                    default: throw new NotImplementedException($"unmatch model-category={model.ModelCategory}");
                }
            }
            catch (CFviException ex)
            {
                Console.WriteLine($"ErrorCode={ex.ErrorCode}, Message={ex.Message}");
                Console.WriteLine(ex.StackTrace);
            }
            catch (Exception ex)
            {
                Console.WriteLine($"Message={ex.Message}");
                Console.WriteLine(ex.StackTrace);
            }
        }
 
        static void SimpleSampleSegmentation(String modelPath, String imagePath)
        {
            try
            {
                var has_license = Model.CheckLicense();
                if (false == has_license) { throw new Exception("no license"); }
 
                // モデルファイルの読込を含むコンストラクタ ( インスタンスを作成して LoadModel() をする場合と同等 )
                Model model = new Model(modelPath);
 
                // 推論対象画像の読込
                CFviImage image = new CFviImage(imagePath);
 
                // モデルの推論バックエンドの確認
                Console.WriteLine($"backend: {model.ModelBackend}");
 
                // 推論対象画像の有効性確認
                var is_valid_img = model.IsValidImage(image);
                if (false == is_valid_img) { throw new Exception("invalid image"); }
 
                switch (model.ModelCategory)
                {
                    case ModelCategory.SemanticSegmentation:// セマンティックセグメンテーション
                        {
                            // 検出結果の領域を表す二値画像を取得したいカテゴリ ( ラベル ) の番号をキーに持つ辞書
                            var category_masks = new Dictionary<UInt32, CFviImage>();
                            category_masks.Add(1, new CFviImage(image.HorzSize, image.VertSize, ImageType.BIN, 1));// 0 は背景なので、1 が最初のカテゴリ ( ラベル )
                            category_masks.Add(2, new CFviImage());// ペアとなる値には画像サイズやチャネル数、型の異なる画像を入力することが可能 ( 内部で自動調整されるため )
                            category_masks.Add(5, new CFviImage());// 連番でなくても良いので、必要なカテゴリ ( ラベル ) のみを指定することが可能
 
                            // 推論実行
                            var segm_result_image = model.PredictSemanticSegmentation(image, category_masks);
                            //var segm_result_image = model.PredictSemanticSegmentation(image);
 
                            // ここでは単に各カテゴリの二値画像をリージョンに変換して領域の面積のみを表示
                            foreach (var kv in category_masks)
                            {
                                var category_id = kv.Key;
                                var category_image = kv.Value;
                                var region = new CFviRegion(category_image);
                                Console.WriteLine($"No.{category_id}: area={region.Area}");
                            }
                        }
                        break;
                    case ModelCategory.PanopticSegmentation:
                        {
                            // パノプティックセグメンテーション固有の検出パラメータの設定 ( ここではデフォルト値と同じ値を設定 )
                            model.SetPanopticSegmentationParams(1024, 0.1, 32, 0);
 
                            // 検出結果の領域を表す二値画像を取得したいカテゴリ ( ラベル ) の番号をキーに持つ辞書
                            var category_masks = new Dictionary<UInt32, List<CFviImage>>();
                            category_masks.Add(1, new List<CFviImage>());// 0 は背景なので、1 が最初のカテゴリ ( ラベル )
                            category_masks.Add(2, new List<CFviImage>() { new CFviImage() });// ペアとなる値のリストには既に画像が存在しているリストを入力することも可能 ( 内部でリストはクリアされるため )
                            category_masks.Add(5, new List<CFviImage>());// 連番でなくても良いので、必要なカテゴリ ( ラベル ) のみを指定することが可能
 
                            // 推論実行
                            var segm_result_image = model.PredictPanopticSegmentation(image, category_masks);
                            //var segm_result_image = model.PredictPanopticSegmentation(image);
 
                            // ここでは単に各カテゴリの二値画像をリージョンに変換して領域の面積のみを表示
                            foreach (var kv in category_masks)
                            {
                                var category_id = kv.Key;
                                var mask_images = kv.Value;
                                for(var i=0;i<mask_images.Count; i++)
                                {
                                    var region = new CFviRegion(mask_images[i]);
                                    Console.WriteLine($"category={category_id}: no.={i}, area={region.Area}");
                                }
                            }
                        }
                        break;
                    case ModelCategory.Classification:
                    case ModelCategory.AnomalyDetection:
                    case ModelCategory.MultiViewCNN:
                    case ModelCategory.MultiViewAD:
                    case ModelCategory.Unknown:
                    default: throw new NotImplementedException($"unmatch model-category={model.ModelCategory}");
                }
            }
            catch (CFviException ex)
            {
                Console.WriteLine($"ErrorCode={ex.ErrorCode}, Message={ex.Message}");
                Console.WriteLine(ex.StackTrace);
            }
            catch (Exception ex)
            {
                Console.WriteLine($"Message={ex.Message}");
                Console.WriteLine(ex.StackTrace);
            }
        }
 
        static void SimpleSampleObjectDetection(String modelPath, String imagePath)
        {
            try
            {
                var has_license = Model.CheckLicense();
                if (false == has_license) { throw new Exception("no license"); }
 
                // モデルファイルの読込を含むコンストラクタ ( インスタンスを作成して LoadModel() をする場合と同等 )
                Model model = new Model(modelPath);
 
                // 推論対象画像の読込
                CFviImage image = new CFviImage(imagePath);
 
                // モデルの推論バックエンドの確認
                Console.WriteLine($"backend: {model.ModelBackend}");
 
                // 推論対象画像の有効性確認
                var is_valid_img = model.IsValidImage(image);
                if (false == is_valid_img) { throw new Exception("invalid image"); }
 
                switch (model.ModelCategory)
                {
                    case ModelCategory.ObjectDetection:// 物体検出
                        {
                            // 推論実行
                            var detections = model.PredictObjectDetection(image);
 
                            // 検出結果をコンソール出力
                            foreach (ObjectDetectionData detection in detections)
                            {
                                CFviRectangle box = detection.Box;
                                Console.WriteLine($"ClassId: {detection.ClassId}, Score: {detection.Score:0.000}, " + 
                                    $"Box: (({box.Left:0.0},{box.Top:0.0}),({box.Right:0.0},{box.Bottom:0.0}))");
                            }
                        }
                        break;
                    default: throw new NotImplementedException($"unmatch model-category={model.ModelCategory}");
                }
            }
            catch (CFviException ex)
            {
                Console.WriteLine($"ErrorCode={ex.ErrorCode}, Message={ex.Message}");
                Console.WriteLine(ex.StackTrace);
            }
            catch (Exception ex)
            {
                Console.WriteLine($"Message={ex.Message}");
                Console.WriteLine(ex.StackTrace);
            }
        }
    }
}

---

VB 版

• 画像分類の場合: L.9- SimpleSample()
• アノマリー検出の場合: L.9- SimpleSample()
• 多視点画像分類の場合: L.87- SimpleSampleMultiView()
• 多視点アノマリー検出の場合: L.87- SimpleSampleMultiView()
• セマンティックセグメンテーションの場合: L.154- SimpleSampleSegmentation()
• パノプティックセグメンテーションの場合: L.154- SimpleSampleSegmentation()
• 物体検出の場合: L.233- SimpleSampleObjectDetection()
• マルチラベル画像分類の場合: L.9- SimpleSample()

Imports System
Imports System.Collections.Generic
Imports System.IO
Imports FVIL
Imports FVIL.Data
Imports FVIL.PDL
 
Namespace SamplesCS
    Partial Class Program
        Private Shared Sub SimpleSample(modelPath As String, imagePath As String)
            Try
                Dim has_license = PDL.Model.CheckLicense()
                If False = has_license Then
                    Throw New Exception("no license")
                End If
 
                ' モデルファイルの読込を含むコンストラクタ ( インスタンスを作成して LoadModel() をする場合と同等 )
                Dim model As Model = New Model(modelPath)
 
                ' 推論対象画像の読込
                Dim image As CFviImage = New CFviImage(imagePath)
 
                ' モデルの推論バックエンドの確認
                Console.WriteLine($"backend: {model.ModelBackend}")
 
                ' 推論対象画像の有効性確認
                Dim is_valid_img = model.IsValidImage(image)
                If False = is_valid_img Then
                    Throw New Exception("invalid image")
                End If
 
                Select Case model.ModelCategory
                    Case ModelCategory.Classification ' 画像分類
                        ' 推論実行
                        Dim scores = model.PredictClassification(image)
 
                        ' スコアをコンソール出力
                        For i_score = 0 To scores.Length - 1
                            Console.WriteLine($"label{i_score}: {scores(i_score)}")
                        Next
 
                        ' 推論実行 ( 最大スコアのみを取得 )
                        Dim top_score_pair = model.PredictClassification(image, scores)
                        Console.WriteLine($"top label{top_score_pair.Item1}, score{top_score_pair.Item2}")
                    Case ModelCategory.AnomalyDetection ' アノマリー検出
                        ' 閾値を任意に設定して推論実行 ( double から float キャストに注意 )
                        Dim threshold = 10.0
                        Dim tuple = model.PredictAnomaly(image, threshold)
 
                        ' タプルで受け取った結果をアンパック
                        Dim is_anomaly = tuple.Item1
                        Dim max_anomaly = tuple.Item2
 
                        ' コンソール出力
                        Dim str_is_anomaly = If(is_anomaly, "anomaly", "normal")
                        Console.WriteLine($"{str_is_anomaly}, max_anomaly={max_anomaly}")
                    Case ModelCategory.MultiLabelClassification ' マルチラベル画像分類
                        ' 推論実行
                        Dim scores = model.PredictMultiLabelClassification(image)
 
                        ' スコアをコンソール出力
                        For i_score = 0 To scores.Length - 1
                            Console.WriteLine($"label{i_score}: {scores(i_score)}")
                        Next
 
                        ' 推論実行 ( スコア閾値を満たすラベルのインデックスとそのスコアの取得 )
                        Dim score_threshold = 0.5F ' 省略可能、省略されたときは 0.5f で実行される
                        Dim dict = model.PredictMultiLabelClassification(image, scores, score_threshold)
 
                        ' スコア閾値を満たしたものだけをコンソール出力
                        For Each kv In dict
                            Console.WriteLine($"label{kv.Key}: {kv.Value}")
                        Next
 
                    Case Else
                        Throw New NotImplementedException($"unmatch model-category={model.ModelCategory}")
                End Select
            Catch ex As CFviException
                Console.WriteLine($"ErrorCode={ex.ErrorCode}, Message={ex.Message}")
                Console.WriteLine(ex.StackTrace)
            Catch ex As Exception
                Console.WriteLine($"Message={ex.Message}")
                Console.WriteLine(ex.StackTrace)
            End Try
        End Sub
 
        Private Shared Sub SimpleSampleMultiView(modelPath As String, imageFolder As String)
            Try
                Dim has_license = PDL.Model.CheckLicense()
                If False = has_license Then
                    Throw New Exception("no license")
                End If
 
                ' モデルファイルの読込を含むコンストラクタ ( インスタンスを作成して LoadModel() をする場合と同等 )
                Dim model As Model = New Model(modelPath)
 
                ' モデルの推論バックエンドの確認
                Console.WriteLine($"backend: {model.ModelBackend}")
 
                ' 推論対象画像の読込と有効性の確認
                Dim target_images As List(Of CFviImage) = New List(Of CFviImage)()
                For i_img = 0 To model.NumViews - 1
                    ' imageFolder フォルダ内に、0-index の通し番号の画像が保存されていることを想定
                    Dim img_path = Path.Combine(imageFolder, String.Format("{0}.bmp", i_img))
                    Dim image = New CFviImage(img_path)
 
                    ' 推論対象画像の有効性確認
                    Dim is_valid_img = model.IsValidImage(image)
                    If False = is_valid_img Then
                        Throw New Exception("invalid image")
                    End If
 
                    ' 推論対象画像のリストに追加
                    target_images.Add(image)
                Next
 
                ' モデル種別のエラーチェック
                Select Case model.ModelCategory
                    Case ModelCategory.MultiViewCNN ' 多視点画像分類
                        ' 推論実行
                        Dim scores = model.PredictMultiViewCNN(target_images)
                        ' スコアをコンソール出力
                        For i_score = 0 To scores.Length - 1
                            Console.WriteLine($"label{i_score}: {scores(i_score)}")
                        Next
 
                        ' 推論実行 ( 最大スコアのみを取得 )
                        Dim top_score_pair = model.PredictMultiViewCNN(target_images, scores)
                        Console.WriteLine($"top label{top_score_pair.Item1}, score{top_score_pair.Item2}")
                    Case ModelCategory.MultiViewAD ' 多視点アノマリー検出
                        ' 閾値を任意に設定して推論実行 ( double から float キャストに注意 )
                        Dim threshold = 10.0
                        Dim tuple = model.PredictMultiViewAD(target_images, threshold)
 
                        ' タプルで受け取った結果をアンパック
                        Dim is_anomaly = tuple.Item1
                        Dim max_anomaly = tuple.Item2
 
                        ' コンソール出力
                        Dim str_is_anomaly = If(is_anomaly, "anomaly", "normal")
                        Console.WriteLine($"{str_is_anomaly}, max_anomaly={max_anomaly}")
                    Case Else
                        Throw New NotImplementedException($"unmatch model-category={model.ModelCategory}")
                End Select
            Catch ex As CFviException
                Console.WriteLine($"ErrorCode={ex.ErrorCode}, Message={ex.Message}")
                Console.WriteLine(ex.StackTrace)
            Catch ex As Exception
                Console.WriteLine($"Message={ex.Message}")
                Console.WriteLine(ex.StackTrace)
            End Try
        End Sub
 
        Private Shared Sub SimpleSampleSegmentation(modelPath As String, imagePath As String)
            Try
                Dim has_license = PDL.Model.CheckLicense()
                If False = has_license Then
                    Throw New Exception("no license")
                End If
 
                ' モデルファイルの読込を含むコンストラクタ ( インスタンスを作成して LoadModel() をする場合と同等 )
                Dim model As Model = New Model(modelPath)
 
                ' 推論対象画像の読込
                Dim image As CFviImage = New CFviImage(imagePath)
 
                ' モデルの推論バックエンドの確認
                Console.WriteLine($"backend: {model.ModelBackend}")
 
                ' 推論対象画像の有効性確認
                Dim is_valid_img = model.IsValidImage(image)
                If False = is_valid_img Then
                    Throw New Exception("invalid image")
                End If
 
                Select Case model.ModelCategory
                    Case ModelCategory.SemanticSegmentation ' セマンティックセグメンテーション
                        ' 検出結果の領域を表す二値画像を取得したいカテゴリ ( ラベル ) の番号をキーに持つ辞書
                        Dim category_masks = New Dictionary(Of UInteger, CFviImage)()
                        category_masks.Add(1, New CFviImage(image.HorzSize, image.VertSize, ImageType.BIN, 1)) ' 0 は背景なので、1 が最初のカテゴリ ( ラベル )
                        category_masks.Add(2, New CFviImage()) ' ペアとなる値には画像サイズやチャネル数、型の異なる画像を入力することが可能 ( 内部で自動調整されるため )
                        category_masks.Add(5, New CFviImage()) ' 連番でなくても良いので、必要なカテゴリ ( ラベル ) のみを指定することが可能
 
                        ' 推論実行
                        Dim segm_result_image = model.PredictSemanticSegmentation(image, category_masks)
                        'var segm_result_image = model.PredictSemanticSegmentation(image);
 
                        ' ここでは単に各カテゴリの二値画像をリージョンに変換して領域の面積のみを表示
                        For Each kv In category_masks
                            Dim category_id = kv.Key
                            Dim category_image = kv.Value
                            Dim region = New CFviRegion(category_image)
                            Console.WriteLine($"No.{category_id}: area={region.Area}")
                        Next
                    Case ModelCategory.PanopticSegmentation
                        ' パノプティックセグメンテーション固有の検出パラメータの設定 ( ここではデフォルト値と同じ値を設定 )
                        model.SetPanopticSegmentationParams(1024, 0.1, 32, 0)
 
                        ' 検出結果の領域を表す二値画像を取得したいカテゴリ ( ラベル ) の番号をキーに持つ辞書
                        Dim category_masks = New Dictionary(Of UInteger, List(Of CFviImage))()
                        category_masks.Add(1, New List(Of CFviImage)()) ' 0 は背景なので、1 が最初のカテゴリ ( ラベル )
                        category_masks.Add(2, New List(Of CFviImage)() From {
                        New CFviImage()
                    }) ' ペアとなる値のリストには既に画像が存在しているリストを入力することも可能 ( 内部でリストはクリアされるため )
                        category_masks.Add(5, New List(Of CFviImage)()) ' 連番でなくても良いので、必要なカテゴリ ( ラベル ) のみを指定することが可能
 
                        ' 推論実行
                        Dim segm_result_image = model.PredictPanopticSegmentation(image, category_masks)
                        'var segm_result_image = model.PredictPanopticSegmentation(image);
 
                        ' ここでは単に各カテゴリの二値画像をリージョンに変換して領域の面積のみを表示
                        For Each kv In category_masks
                            Dim category_id = kv.Key
                            Dim mask_images = kv.Value
                            For i = 0 To mask_images.Count - 1
                                Dim region = New CFviRegion(mask_images(i))
                                Console.WriteLine($"category={category_id}: no.={i}, area={region.Area}")
                            Next
                        Next
 
                    Case Else
                        Throw New NotImplementedException($"unmatch model-category={model.ModelCategory}")
                End Select
            Catch ex As CFviException
                Console.WriteLine($"ErrorCode={ex.ErrorCode}, Message={ex.Message}")
                Console.WriteLine(ex.StackTrace)
            Catch ex As Exception
                Console.WriteLine($"Message={ex.Message}")
                Console.WriteLine(ex.StackTrace)
            End Try
        End Sub
 
        Private Shared Sub SimpleSampleObjectDetection(modelPath As String, imagePath As String)
            Try
                Dim has_license = PDL.Model.CheckLicense()
                If False = has_license Then
                    Throw New Exception("no license")
                End If
 
                ' モデルファイルの読込を含むコンストラクタ ( インスタンスを作成して LoadModel() をする場合と同等 )
                Dim model As Model = New Model(modelPath)
 
                ' 推論対象画像の読込
                Dim image As CFviImage = New CFviImage(imagePath)
 
                ' モデルの推論バックエンドの確認
                Console.WriteLine($"backend: {model.ModelBackend}")
 
                ' 推論対象画像の有効性確認
                Dim is_valid_img = model.IsValidImage(image)
                If False = is_valid_img Then
                    Throw New Exception("invalid image")
                End If
 
                Select Case model.ModelCategory
                    Case ModelCategory.ObjectDetection ' 物体検出
                        ' 推論実行
                        Dim detections = model.PredictObjectDetection(image)
 
                        ' 検出結果をコンソール出力
                        For Each detection In detections
                            Dim box = detection.Box
                            Console.WriteLine($"ClassId: {detection.ClassId}, Score: {detection.Score:0.000}, " & $"Box: (({box.Left:0.0},{box.Top:0.0}),({box.Right:0.0},{box.Bottom:0.0}))")
                        Next
 
                    Case Else
                        Throw New NotImplementedException($"unmatch model-category={model.ModelCategory}")
                End Select
            Catch ex As CFviException
                Console.WriteLine($"ErrorCode={ex.ErrorCode}, Message={ex.Message}")
                Console.WriteLine(ex.StackTrace)
            Catch ex As Exception
                Console.WriteLine($"Message={ex.Message}")
                Console.WriteLine(ex.StackTrace)
            End Try
        End Sub
    End Class
End Namespace