Azure Custom Visionとは？2028年9月の提供終了と移行先の選び方

Azure Custom Visionは、自社で集めた画像にタグを付けるだけで画像分類モデルと物体検出モデルを学習できる、Microsoftのマネージドサービスです。ただし2026年9月現在、このサービスは提供終了が公式に告知されています。Microsoftは2028年9月25日にサービスを停止し、それ以降はAPI呼び出しが失敗すると明記したうえで、移行計画の作成期限として2026年9月25日という日付を示しています。日本語の解説記事はこの告知に追随していないものがほとんどなので、まずスケジュールから確認していきます。

まとめ：提供終了までの残り期間と、いま取るべき判断

Custom Visionは2028年9月25日に提供終了し、それ以降は呼び出しが失敗します。移行ガイドが示す当面の期限は2026年9月25日で、これは移行計画を立てておくべき日付です。稼働中のシステムを抱えているなら、いま着手すべきは追加学習ではなく移行先の選定になります。

移行先としてMicrosoftが挙げるのは、Azure Machine LearningのAutoML、Foundryモデルカタログの生成AIモデル、Azure Content Understandingの3系統です。このうちAutoMLだけが分類と物体検出の両方を従来型の機械学習で置き換えられますが、GPUのVM SKUが必須で、学習データはJSONLから作ったMLTableで渡します。Custom Visionの「ブラウザだけで完結する」性質は引き継げません。料金は東日本リージョンで予測が1,000件あたり318.64円、学習が1時間あたり1,593.2円、無料のF0プランなら月1万回の予測まで0円です。

提供終了スケジュールと、新規採用してよい条件

公式が示す2つの日付：2026年9月25日と2028年9月25日

Custom Visionの各ドキュメント冒頭には、日本語版でも「Microsoft は、Azure Custom Vision サービスの提供終了を予定しています。Microsoft は、2028 年 9 月 25 日まで、既存のすべての Azure Custom Vision のお客様を完全にサポートします」という重要通知が入っています。移行ガイドはさらに踏み込み、停止後の挙動を「calls made to the service will fail」、つまり呼び出しが失敗すると書いています。段階的な機能縮小ではなく、期日でAPIが止まる形です。

もう一つの日付が2026年9月25日です。これはサービスが止まる日ではなく、移行計画を立てておくべき期限としてMicrosoftが示したものです。本記事の公開時点で、この日付まで残り数週間しかありません。2028年まで2年あるという読み方は、公式が想定している進み方とはずれています。

いま新規に採用してよい条件と、避けるべき条件

これから新規にCustom Visionを選ぶかどうかは、システムの想定寿命で切り分けられます。数週間から数か月で終わるPoCや、画像分類が業務要件として成立するかを見極める検証段階であれば、ブラウザで50枚ほど集めれば結果が出るCustom Visionは今でも最短ルートです。F0プランなら費用もかかりません。

一方、3年以上運用する本番システムの中核に置くのは避けるべきです。2028年9月25日以降は再学習も推論もできなくなるため、いま組み込めば運用開始から間もなく移行工数が発生します。Compactドメインでエクスポートしたモデルをエッジ側に持っている場合も同じで、学習側のポータルとAPIが止まれば再学習の手段を失います。エクスポート済みのファイルが手元に残ることと、モデルを更新し続けられることは別の話です。

画像分類と物体検出でできること、公式が認める不得意領域

分類と検出の使い分け：座標の要否という判断基準

Custom Visionの機能は2つです。画像分類は画像全体に1つ以上のラベルを付け、物体検出は同じことをしたうえで、そのラベルが見つかった画像内の座標を返します。判断基準は単純で、「その物が写っているか」を知りたいなら分類、「どこに、いくつ写っているか」まで必要なら検出です。

物体検出は1枚の画像あたり学習時300領域、予測時200領域までを扱えます。分類は1画像あたり最大100タグです。棚の商品を数える、部品の欠品位置を返すといった用途は検出側になります。手法そのものの選び方は物体検出とは？仕組み・代表手法の比較から実装判断までエンジニア向けに解説で整理しています。

不得意なのは微細な差異：公式が「最適ではない」と書くケース

公式ドキュメントは、Custom Visionが「画像間の主な違いをすばやく認識するために最適化されている」一方、「画像の微妙な違いの検出（たとえば、品質保証のシナリオにおける僅かな割れやへこみの検出）には最適ではありません」と明記しています。ここは営業資料では省かれがちですが、外観検査でCustom Visionを検討するときに最初に読むべき一文です。

ヘアクラックや微小な打痕のように、欠陥が画像全体の数パーセントしか占めない検査タスクは、撮像条件（照明・レンズ・解像度）の設計から入るか、欠陥領域を切り出す前処理を挟まないと精度が出ません。ラベルあたり50枚という公式の推奨枚数も、「主な違い」を学ばせる前提の目安です。

料金プランと上限値：東日本リージョンの実額

従量課金の単価（2026年9月7日時点）

Azureの小売価格API（Retail Prices API）から東日本リージョンの日本円建て単価を取得すると、次の値になります。

他社記事で見かける315.111円や1,575.551円といった値は、以前の価格改定時点のものです。単価は為替に連動して改定されるため、見積もりを作るときは記事の数字を写さず、Retail Prices APIか料金ページで当日の値を取り直してください。分類モデル1本を数十回学習し直しても学習費は数千円規模に収まる一方、コストの主役になるのは本番稼働後の予測トランザクションです。

F0とS0の上限：無料枠で止まる位置

無料プランで先に当たるのは、予測回数よりも反復数とプロジェクト数です。反復の上限20はF0とS0で共通なので、学習をやり直し続けると有料プランでも古い反復を削除する必要があります。タグ設計を変えながら試行錯誤する段階では、プロジェクトを作り直すよりタグを整理するほうが枠を使いません。

入力要件と、予測画像が30日残る点

受け付ける画像形式はjpg、png、bmp、gifで、学習画像は6MB、予測画像は4MBまでです。縦横は256ピクセル以上10,240ピクセル以下、アスペクト比は25:1を超えてはいけません。256ピクセル未満の画像も受理はされますが、内部で拡大されると明記されています。細部を見せたい検査画像を小さく縮めて送ると、この拡大処理で情報が失われます。

見落としやすいのが、予測に送った画像がF0とS0のいずれでも30日間サービス側に保存される点です。これは次の学習データに回せるようにするための挙動で、保存させたくない場合はSDKの-WithNoStore系メソッドを使います。個人情報を含む画像を扱う案件では、この選択を設計段階で決めておく必要があります。

ドメイン選択とエッジ実行向けエクスポート

用途別ドメインの一覧と選び分け

ドメインは学習の出発点になる基盤モデルの種類で、プロジェクト設定から選びます。REST API経由でプロジェクトを作る場合はドメインIDの指定が必要です。

汎用3種の関係は公式の注記で整理されています。推論速度と学習時間を短くしたいならGeneral [A2]、データ量が多く精度を優先するならGeneral [A1]で、無印のGeneralは3つの中で推論に最も時間がかかります。なおGeneral [A1]は結果が決定的ではなく、同じ学習データでもmAPが約1ポイント上下します。学習をやり直して精度が微妙に動いても、それは設定ミスではありません。

Compactドメインとエクスポート形式

モデルをオフラインで動かすには、Compact系のドメインを選んで学習し直す必要があります。エクスポートのドキュメントが挙げる形式は、TensorFlow（Android向け）、TensorFlow.js、CoreML（iOS 11以降）、ONNX（Windows ML／Android／iOS）、Vision AI Developer Kit、Dockerコンテナの6種類です。Compactドメインの解説ページはこれに加えてTensorFlow Liteを挙げており、ページによって列挙が揃っていません。実際に選べる形式は、対象の反復でExportを開いたときの選択肢で確認してください。物体検出のGeneral (compact)だけはVision AI Developer Kit形式に対応しない、という除外も明記されています。代表的な組み合わせはAndroidにTensorFlow、iOSにCoreML、Windows MLにONNXですが、ONNXは3プラットフォームすべてに対応するため排他ではありません。変換後の実行環境についてはTensorFlow Lite（LiteRT）とは？改称後の位置づけ・モデル変換・NPU実行を実装目線で解説が参考になります。

この実測値はIntel Xeon E5-2690とNVIDIA Tesla M60での測定で、前処理と後処理の時間は含みません。物体検出のGeneral (compact)は独自の後処理ロジックを必要とし、その実装例はエクスポートしたzipに同梱されています。後処理を自前で書きたくないなら[S1]を選ぶよう公式が案内しています。もう一点、エクスポートしたモデルがクラウドのPrediction APIと厳密に同じ結果を返す保証はないと明記されています。前処理の実装差が出力差につながるため、エッジ側の精度はエッジ側で測り直してください。

学習からPrediction API呼び出しまでの流れ

ポータルでの手順は、リソース作成、プロジェクト作成、画像アップロードとタグ付け、Train、Performanceタブでの評価という順です。ここまではノーコードで進みます。プログラムから推論する場合に一段追加されるのが、反復の公開です。

Performanceタブで対象の反復を選び、Publishで公開名を付けます。公開が完了すると反復の横にPublishedのラベルが表示され、Prediction URLボタンから予測用のエンドポイントとPrediction-Keyが取得できます。この公開を飛ばすと、学習が終わっていてもPrediction APIからは呼べません。.NETのクライアントライブラリでは、公開名を渡して次のように呼び出します。

var result = predictionApi.ClassifyImageAsync(project.Id, publishedModelName, byteData);

メソッド名の末尾に-WithNoStoreが付く系統を選ぶと、推論に使った画像をサービス側に残しません。逆に付けない場合は30日間保持され、次の学習データとして追加できます。戻り値のImagePredictionにはラベル名と確信度、物体検出であればバウンディングボックスの座標が入ります。

Azure AI Vision（Image Analysis）との違いと、両方が終わる意味

混同されやすいのがAzure AI VisionのImage Analysisです。こちらは学習済みモデルで、タグ付け、キャプション生成、OCR、人物検出などをそのまま呼びます。自分のラベルで学習させることはできません。自社固有のカテゴリを判別したいならCustom Vision、汎用的な物体名やテキストを取り出したいならImage Analysis、という住み分けでした。過去形なのは、両方に終了予定が付いているためです。

Image Analysis 4.0のドキュメント冒頭にも、2028年9月25日に廃止され以降は呼び出しが失敗するという注意書きが入っています。さらに遡ると、Image Analysis 4.0のModel customization（カスタム画像分類・カスタム物体検出）とProduct Recognitionは2025年3月31日に廃止済みで、当時の移行先として案内されたのが「一般提供中で同等機能を持つ」とされたCustom Visionでした。Image Analysisのページには今もその案内が残っており、公式ドキュメント同士で食い違っています。

Azureで自社データから画像分類・検出モデルを作るマネージドサービスは、Image Analysisのカスタム機能からCustom Visionへ移された後、そのCustom Visionも2028年に終わります。移行先を選ぶ基準は「Custom Visionと同じ操作感か」ではなく「基盤として続くか」です。他社製品も含めて汎用の画像解析APIを比較するなら、画像解析APIとは？主要4サービスの料金・無料枠を比較して選ぶで料金と無料枠を並べています。

移行先3系統の実務比較と、ノーコード運用の引き継ぎ不可

Azure Machine Learning AutoML：GPUクラスタとMLTableが前提

分類と物体検出の両方を従来型の機械学習で置き換えられるのは、この選択肢だけです。対応タスクはimage_classification、image_classification_multilabel、image_object_detection、image_instance_segmentationの4種類で、Custom Visionには無かったインスタンスセグメンテーションが増えます。学習データはJSONLから作ったMLTableで渡し、AutoMLジョブの投入には最低10枚、実用にはラベルあたり10枚から15枚が目安と書かれています。

実務上の分岐点は計算リソースです。公式は「AutoMLの画像タスクはGPUのSKUを必要とし、NCおよびNDファミリをサポートする」と明記しています。東日本リージョンのStandard_NC6s_v3は従量課金で1時間あたり668.1881円、優先度の低いLow Priorityで133.6695円、Spotで123.4811円です。単価だけを見るとCustom Visionの学習1時間1,593.2円より安く見えますが、AutoMLは複数のトライアルを回して探索するため所要時間の性質が違い、さらにワークスペースやストレージの費用が別に乗ります。単価の比較で移行コストを見積もらないでください。Azure Machine Learning全体の費用構造はAzure Machine Learningとは？料金・できること・SageMakerとの違いと導入判断【2026年7月時点】にまとめています。

FoundryモデルとContent Understanding：生成AIによる分類

もう一つの系統が生成AIです。Foundryモデルカタログのモデルにプロンプトを組んで自前の判定ロジックを作る方法と、マネージドのAzure Content Understandingでカスタム分類ワークフローを作る方法があります。Content Understandingは画像だけでなく文書、音声、動画も同じ枠組みで扱い、抽出した値に確信度スコアと出典位置を付けて返します。

ここで一つ、公式ドキュメント間の時差に注意が必要です。Custom Visionの移行ガイドはContent Understandingを「現在パブリック プレビュー段階」と書いていますが、Content Understanding側の版別表では API バージョン2025-11-01が一般提供として本番利用推奨になっています。移行ガイドの記述のほうが古いままです。プレビューだから見送る、という判断をする前に、Content Understanding本体のドキュメントで現在の提供状態を確認してください。Foundry全体の構成はAzure AI Foundryとは？Azure OpenAIとの違い・使えるモデル・料金（現Microsoft Foundry）で整理しています。

移行の落とし穴：精度ではなく操作性という採用理由

移行を検討するときに最も外しやすい前提がここです。Custom Visionを選んだ理由の多くは精度ではなく、機械学習の知識がない担当者がブラウザだけで学習からデプロイまで到達できることでした。移行ガイドはAutoMLについて「Custom Visionに似たノーコードのスタジオ体験も提供する」と書いていますが、画像タスクの設定手順ページには「AutoMLの画像タスクのオーサリングは現在Azure Machine LearningのPython SDK経由でサポートされる」「MLTableのUIでの作成は現時点でサポートされない」と書かれています。表形式データのノーコード体験と、画像タスクの実際は別物です。

非エンジニアが運用しているCustom Visionプロジェクトは、AutoMLへ移した時点で運用体制ごと変わります。移行計画に入れるべきは学習データの書き出しとフォーマット変換だけではなく、誰がJSONLを生成し、誰がGPUクラスタのコストを管理し、誰が再学習ジョブを回すのかを決めるところまでです。その体制を作れないチームは、AutoMLより先に生成AIによる分類（Content UnderstandingやFoundryモデル）を評価したほうが現実的です。プロンプトで分類基準を書けるなら、学習データの整備そのものが不要になります。

よくある質問

Azure Custom Visionは廃止されるのですか？

提供終了が公式に告知されています。Microsoftのドキュメントには、2028年9月25日にサービスが廃止され、それ以降のAPI呼び出しは失敗すると明記されています。既存顧客へのサポートはその日まで継続されますが、移行ガイドは2026年9月25日までに移行計画を立てるよう求めています。廃止は突然発表されたものではなく、Custom Visionのすべてのドキュメントページ冒頭に重要通知として掲載されています。

Custom Visionの料金はいくらですか。無料で使えますか？

無料のF0プランがあり、月1万回の予測まで0円で使えます。プロジェクト2個、プロジェクトあたり学習画像5,000枚、タグ50個までという制限内であれば、検証は無償で完結します。有料のS0プランは東日本リージョンで、予測が1,000件あたり318.64円、学習が計算時間1時間あたり1,593.2円、画像ストレージが1,000枚あたり111.524円です（2026年9月7日にAzureの小売価格APIで取得した日本円建て単価）。

Custom Vision APIを呼び出すには何が必要ですか？

学習だけでは呼び出せません。Custom Visionポータルの Performance タブで対象の反復を選び、Publish で公開名を付ける手順が必要です。公開後、Prediction URL ボタンから予測エンドポイントとPrediction-Keyを取得し、この2つをクライアントに設定します。SDKでは公開名を引数に渡して推論を実行します。予測に使った画像を保存させたくない場合は、メソッド名に-WithNoStoreが付く系統を選びます。

Azure AI VisionとCustom Visionはどう違いますか？

Azure AI VisionのImage Analysisは学習済みモデルを呼ぶサービスで、タグ付け、キャプション、OCR、人物検出などをそのまま利用します。自分のラベルを学習させることはできません。Custom Visionは自社の画像とタグでモデルを学習させる側です。なおImage Analysis 4.0にも2028年9月25日の廃止予定が告知されており、そのカスタム分類・カスタム物体検出機能は2025年3月31日にすでに廃止されています。

ドメインはどれを選べばよいですか？

迷った場合はGeneral系から選びます。多くのデータセットでは、精度と推論速度のバランスが良く学習時間も短いGeneral [A2]が推奨されています。データ量が多く判別が難しいならGeneral [A1]、料理ならFood、商品カタログ画像ならRetail、ランドマークならLandmarksです。物体検出ではロゴ検出のLogo、棚の商品にProducts on shelvesが用意されています。スマートフォンやエッジ機器で動かす予定があるなら、最初からCompact系のドメインを選んでおくとエクスポート前の学習し直しを避けられます。

関連記事

• Azure Machine Learningとは？料金・できること・SageMakerとの違いと導入判断【2026年7月時点】
• Azure AI Foundryとは？Azure OpenAIとの違い・使えるモデル・料金（現Microsoft Foundry）
• 画像解析APIとは？主要4サービスの料金・無料枠を比較して選ぶ
• 物体検出とは？仕組み・代表手法の比較から実装判断までエンジニア向けに解説
• TensorFlow Lite（LiteRT）とは？改称後の位置づけ・モデル変換・NPU実行を実装目線で解説