Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Kingyo AI Navi
Search
moonlight-aska
March 23, 2019
0
460
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.
moonlight-aska
March 23, 2019
Tweet
Share
More Decks by moonlight-aska
See All by moonlight-aska
CHATGPT。はじめの一歩 / ChatGPT. Get Started
aska
0
26
「Kingyo AI Navi」アプリ / Kingyo AI Navi App
aska
0
160
Kingo AI Navi LINEをもっと使い倒せ!!
aska
0
49
Depth画像で物体検知やってみたー。/ Objects Detection with Depth Images
aska
0
450
Kingyo AI Naviアプリ開発 / Kingyo AI Navi App
aska
0
320
AutoML Vision Edgeで金魚分類モデルを学習してみた / Kingyo Classification Model with AutoML Vision Edge
aska
0
400
AutoML Vision Edge + ML Kit for Firebase ⇒ Kingyo Classification
aska
1
500
ピープルカウンタ、その後。/ People Counter
aska
0
480
物体検出をPythonで動かしてみる! / Try using YOLOv3 in Python
aska
0
890
Featured
See All Featured
Done Done
chrislema
178
15k
Put a Button on it: Removing Barriers to Going Fast.
kastner
58
3k
It's Worth the Effort
3n
180
27k
5 minutes of I Can Smell Your CMS
philhawksworth
199
19k
Designing the Hi-DPI Web
ddemaree
275
33k
The World Runs on Bad Software
bkeepers
PRO
60
6.6k
Robots, Beer and Maslow
schacon
PRO
154
7.9k
Why Our Code Smells
bkeepers
PRO
330
56k
Embracing the Ebb and Flow
colly
78
4.1k
The Art of Programming - Codeland 2020
erikaheidi
40
12k
A better future with KSS
kneath
230
16k
Optimising Largest Contentful Paint
csswizardry
7
2.3k
Transcript
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
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
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
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!
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
NARA 6 NARA 今回は, Cloud AutoML Visionで 金魚を見分けてみた話!!
NARA Cloud AutoML Vision 7 NARA https://www.slideshare.net/GoogleCloudPlatformJP/cloud-onair-automl-vision-20181129
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)
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
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 :
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!!
NARA 評価 12 NARA
NARA 評価 13 NARA
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.
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)
NARA 16 NARA 2019.3.16 アイデア部門 金賞受賞!!
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
NARA 18 NARA Thank You!