SONYのNeural Network Console、リンゴとトマトを分類させる [データサイエンス、統計モデル]
SONYのNeural Network Console、チュートリアルを動かす
http://skellington.blog.so-net.ne.jp/2018-03-07
↑
前回の続きです。
チュートリアルではなく、自分で用意した画像で分類させてみました。
まずは、リンゴの画像から。
続いて、トマトの画像です。
正面から見た画像、切った画像、ニンジンと一緒に写っている画像、絵で描かれた画像などなどを用意しました。
学習に使ったデータは、リンゴ10枚、トマト10枚です。
予測に使ったデータは、リンゴ5枚、トマト5枚です。
学習したモデルに対して、予測スコアを当てはめてみると、意外と良い精度でした。
普通の画像だと、はっきりとトマトかリンゴか分類することができます。
自分が間違うかなと思い用意した画像があります。
・リンゴをつかんでいる画像
緑の葉っぱが写っているので、トマトと間違うのでは?
→ 結果は、しっかりとリンゴと区別していました。
・真上から見た画像
→ こちらのスコアは、0.567となっており、トマトともリンゴとも曖昧な結果になっていました。
人間が見ても、ちょっとわかりにくい画像でしたね。。。
ということで、SONYのNeural Network Consoleを使って遊んでみましたが、意外と使えそうな気がしました。
http://skellington.blog.so-net.ne.jp/2018-03-07
↑
前回の続きです。
チュートリアルではなく、自分で用意した画像で分類させてみました。
まずは、リンゴの画像から。
続いて、トマトの画像です。
正面から見た画像、切った画像、ニンジンと一緒に写っている画像、絵で描かれた画像などなどを用意しました。
学習に使ったデータは、リンゴ10枚、トマト10枚です。
予測に使ったデータは、リンゴ5枚、トマト5枚です。
学習したモデルに対して、予測スコアを当てはめてみると、意外と良い精度でした。
普通の画像だと、はっきりとトマトかリンゴか分類することができます。
自分が間違うかなと思い用意した画像があります。
・リンゴをつかんでいる画像
緑の葉っぱが写っているので、トマトと間違うのでは?
→ 結果は、しっかりとリンゴと区別していました。
・真上から見た画像
→ こちらのスコアは、0.567となっており、トマトともリンゴとも曖昧な結果になっていました。
人間が見ても、ちょっとわかりにくい画像でしたね。。。
ということで、SONYのNeural Network Consoleを使って遊んでみましたが、意外と使えそうな気がしました。