畳み込みニューラルネットワーク（CNN）の魅力とウォーリーを探せプロジェクトその３

AI/MachineLearning

2024.03.022024.03.13

機械学習の世界に足を踏み入れると、その広がりと可能性に驚かされます。特に、畳み込みニューラルネットワーク（CNN）は、画像分析の分野で優れた成果を上げています。今回は、CNNの基本的な概念から始め、実践的なプロジェクトとして「ウォーリーを探せ」の絵本に挑戦する構想を紹介します。

畳み込みニューラルネットワーク（CNN）の魅力とウォーリーを探せプロジェクトその２

この記事では、Pythonの機械学習ライブラリChainerを使って、人気絵本「ウォーリーを探せ」の主人公ウォーリーを自動認識するプロジェクトに挑戦します。画像認識の基礎から教師データの収集、モデル構築、学習プロセスまでを詳しく解説しています。

検証用データの収集
プログラム実装
検証結果

検証用データの収集

まずは、正解データとして前回も利用した購入した本からウォーリーを再び探してデータを集めていきます。

あまりこの能力の向上はうれしくないですが…順調に私の探索能力が上がっていっており、早いとページを開いて数秒で見つけられるようになってきています。

次に、不正解データを用意します。ここで正解と判断されたくないけど紛らわしいキャラクターを使ってみたいと思います。ウォーリーにはガールフレンドがいるんですが、これがそれなりに似ています。名前は「ウェンダ」というらしいです。見た目はこんな感じです。

プログラム実装

def return_result(data_input):
    model = cnn.MyCNN(2)
    serializers.load_npz("mymodel.npz", model)
    x = Variable(np.array([data_input], dtype=np.float32))
    y = model.forward(x)
    return y

def main():
    train_pathes = {'folder_path': '0'}
    for fil in train_pathes.keys():
        append_data(fil, train_pathes[fil], 'train')
        N = len(x_train_data)
        x_train_data_np = np.array(x_train_data, dtype=np.float32)
        x_train_data_reshape = x_train_data_np.reshape(N, 1, 60, 60)
        x_train_data_reshape /= 255 # to 0-1
 
        for i in range(len(x_train_data_reshape)):
            data_input = x_train_data_reshape[i]
            r_data = return_result(data_input)
            data = np.argmax(r_data.data)
            if data == 1:
                print(str(t_train_data[i]) + 'はウォーリー')
            else:
                print(str(t_train_data[i]) + 'は違う')