Kingyo AI Navi

59613a9ebdbfacb213e86dd470c52025?s=47 moonlight-aska
March 23, 2019
200

Kingyo AI Navi

2019年3月23日開催の「GCPUG in Nara #3 ~GCPではじめる機械学習」のLT資料です.

59613a9ebdbfacb213e86dd470c52025?s=128

moonlight-aska

March 23, 2019
Tweet

Transcript

  1. NARA GCPUG in Nara #3 LT トータル金魚ナビゲーション Kingyo AI Navi

    開発に向けて 2019.3.23 CODE for YAMATOKORIYAMA Moonlight 明日香
  2. NARA 自己紹介 2 NARA Facebook moonlight.aska Twitter @moonlight_aska Blog みらいテックラボ

    http://mirai-tec.hatenablog.com  鶴田 彰 (aska)  (昔の)得意分野 : パターン認識(画像, 音声, etc) ユーザ適応(レコメンド, etc)  コミュニティ活動 : GCPUG NARA Organizer CODE for YAMATOKORIYAMA
  3. NARA 3 NARA 金魚の街「大和郡山市」 金魚の品種の見極めって意外と難しい 金魚のまちに住んでいるのに、品種がわからないなんて… まだまだ金魚をアピールできる余地がある トータル金魚ナビゲーション Kingyo AI

    Navi
  4. NARA Kingyo AI Naviとは 4 NARA ① 金魚にカメラをかざすと, 金魚の種類を推定!

  5. NARA Kingyo AI Naviとは 5 NARA ② 金魚の特長・飼い方と 必要な道具がわかる! などなど

    ③ 金魚の入手先(生息地)や関連 スポットをマップ上に表示
  6. NARA 6 NARA 今回は, Cloud AutoML Visionで 金魚を見分けてみた話!!

  7. NARA Cloud AutoML Vision 7 NARA https://www.slideshare.net/GoogleCloudPlatformJP/cloud-onair-automl-vision-20181129

  8. NARA AutoML Visionの特徴 8 NARA  独自のデータで画像認識モデルを作成できる.  プログラミングしなくても, シンプルなGUIで簡単に操作できる.

     趣味レベルならほぼ無料で利用できる. (毎月10個のモデルまで, 最初の1時間のモデル学習が無料)
  9. NARA 金魚データセット 9 NARA 22種類 約940サンプル Data Augmentation 約10,000サンプルに水増し

  10. NARA 画像アップロード 10 NARA ① 画像を格納しているディレクトリから, Google Cloud Storageへ ②

    GCSのパスとラベル情報の入ったCSVを作成し, 同じバケットへ $ gsutil cp –m –r ./AutoMLData gs://{PROJECT-ID}-vcm/{DATASET}/img/ $ gsutil cp all_data.csv gs://{PROJECT-ID}-vcm/{DATASET}/csv/ 例) all_data.csv TRAIN, gs://{PROJECT-ID}-vcm/img/AutoMLData/azumanishiki/GF11-00000.jpg, azumanishiki TRAIN, gs://{PROJECT-ID}-vcm/img/AutoMLData/azumanishiki/GF11-00001.jpg, azumanishiki TRAIN, gs://{PROJECT-ID}-vcm/img/AutoMLData/azumanishiki/GF11-00002.jpg, azumanishiki TRAIN, gs://{PROJECT-ID}-vcm/img/AutoMLData/azumanishiki/GF11-00003.jpg, azumanishiki :
  11. NARA 学習 11 NARA 精度(Ave Precision) 81.1% (無料1時間) 91.2% (+2時間;$40)

    性能は金しだい!!
  12. NARA 評価 12 NARA

  13. NARA 評価 13 NARA

  14. NARA 評価 14 NARA True Positive False Negative False Positive

    AutoMLのいいところ ・どんな画像を誤認識したか分かり易い. ・閾値により性能がどうなるか, 確認が容易.
  15. NARA Pythonからの利用!! 15 NARA AutoMLのいいところ ・簡単に, カスタム認識を呼び出し可能!! # Setup automl

    automl_client = automl.AutoMlClient() prediction_client = automl.PredictionServiceClient() model_full_id = automl_client.model_path(project_id, compute_region, model_id) params = {} if args.threshold: params = {"score_threshold" : args.threshold } with open(args.input, 'rb') as image_file: content = image_file.read() payload = {"image": {"image_bytes": content}} # Predict response = prediction_client.predict(model_full_id, payload, params)
  16. NARA 16 NARA 2019.3.16 アイデア部門 金賞受賞!!

  17. NARA 今後やってくこと NARA  イベントで収集した金魚画像データの活用  金魚関連情報の収集とデータベース化  Kingo AI

    Naviアプリ開発 金魚愛[AI]育成プロジェクト
  18. NARA 18 NARA Thank You!