Labellioを用いたごちうさの画像認識

ディープラーニングを利用して画像認識モデルを一から作るのは初心者にとってはなかなか難しいものです。

しかし、その手間を一気に解消し、画像の多クラス分類問題を自作することができる Labellio という Web サービスがあったので使ってみました!

スポンサーリンク

Labellioのできること

その名前からもわかる通り、画像をラベル付けし、相当するクラスに分類することができます。自分でプログラミングする必要は一切ありません。

説明は具体例を見た方が早いので、使い方とその結果を見てみましょう。

モデル構築

Labellio は GitHub か Google アカウントで利用できます。

画像とラベルデータは自分で用意したものを使うことができます。ここでは、より簡単に利用できる、検索エンジンによるモデル構築を行います。

まず、モデル名を決めて使用する検索エンジンを選びます。Flickr は 写真共有向けの SNS なので、今回は Bing で。

次に、クラス名を入力します。ここに入力されたワードで検索し、ラベルを付けていきます。

 

「ココア」で飲み物が出てくると困るので、すべてに「ちゃん」を付けました。あと、フルネームにすると、作品によってはフィギュアとかの画像も読み込むので、このラベルが検索ワードになることを考えると割と重要です。

Add を押すと、画像を Bing から拾ってきます。

その後に continue を押し、確認画面で全ラベルのデータがあることを確認して次へ進むと、学習し始めます。学習が終わるまでしばし待ちましょう。

学習結果

学習は数分で終わり、結果は折れ線グラフで確認できます。正確性は 82% 程度に収束しました。

これを用いて、任意の画像を認識、多クラス分類してみましょう!

画像認識させてみる

Test Model タブでこのモデルを実際にテストすることができます。

認識させたい画像は予めダウンロードしたものをアップロードして入力するか、検索して URL を入力します。Browsing Training Data にある画像は学習に用いた画像なので、それ以外で適当に見繕ってきます。

 

初めから若干意地悪して、学習データに多かったアニメのシーンでないものを拾ってきましたが、51% の確率 (的なもの) でチノだと見抜きました。one hot ベクトルでは正しく出ています。

では、二人いると?

labellio-4

絶対的な千夜の存在感。学習時に顔が一つだったので、一つの顔しか認識できないのか?

課題

簡単に画像認識できる Web サービスではありますが、Bing の画像検索に難があったり、自作データではなく検索結果からでは学習に利用する画像を選択できなかったり。

自分でデータを作って zip にしてアップロードした方がより精度が上がりそうです。

まとめ

画像認識をちょっとかじるなら、超簡単に使えるのでオススメです!

スポンサーリンク

コメントを残す