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」アプリ / Kingyo AI Navi App
Search
moonlight-aska
May 15, 2023
Technology
0
240
「Kingyo AI Navi」アプリ / Kingyo AI Navi App
2023年 5月14日開催の「【滋賀】GCPUG in Shiga #3 ~はじめてのAutoML・BigQuery」のLT資料です.
moonlight-aska
May 15, 2023
Tweet
Share
More Decks by moonlight-aska
See All by moonlight-aska
【入門】プロンプトの書き方のコツ / Tips for writing prompts
aska
0
160
CHATGPT。はじめの一歩 / ChatGPT. Get Started
aska
0
110
Kingo AI Navi LINEをもっと使い倒せ!!
aska
0
110
Depth画像で物体検知やってみたー。/ Objects Detection with Depth Images
aska
0
710
Kingyo AI Naviアプリ開発 / Kingyo AI Navi App
aska
0
410
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
540
AutoML Vision Edge + ML Kit for Firebase ⇒ Kingyo Classification
aska
1
670
Kingyo AI Navi
aska
0
640
ピープルカウンタ、その後。/ People Counter
aska
0
580
Other Decks in Technology
See All in Technology
AWS 怖い話 WAF編 @fillz_noh #AWSStartup #AWSStartup_Kansai
fillznoh
0
130
振り返りTransit Gateway ~VPCをいい感じでつなげるために~
masakiokuda
3
210
ソフトウェアQAがハードウェアの人になったの
mineo_matsuya
3
200
衛星運用をソフトウェアエンジニアに依頼したときにできあがるもの
sankichi92
1
1k
CDK Vibe Coding Fes
tomoki10
1
630
データ戦略部門 紹介資料
sansan33
PRO
1
3.3k
第64回コンピュータビジョン勉強会「The PanAf-FGBG Dataset: Understanding the Impact of Backgrounds in Wildlife Behaviour Recognition」
x_ttyszk
0
240
Talk to Someone At Delta Airlines™️ USA Contact Numbers
travelcarecenter
0
160
公開初日に Gemini CLI を試した話や FFmpeg と組み合わせてみた話など / Gemini CLI 初学者勉強会(#AI道場)
you
PRO
0
1.3k
無理しない AI 活用サービス / #jazug
koudaiii
0
100
Bill One 開発エンジニア 紹介資料
sansan33
PRO
4
13k
Introduction to Bill One Development Engineer
sansan33
PRO
0
260
Featured
See All Featured
Agile that works and the tools we love
rasmusluckow
329
21k
No one is an island. Learnings from fostering a developers community.
thoeni
21
3.4k
The World Runs on Bad Software
bkeepers
PRO
70
11k
The Illustrated Children's Guide to Kubernetes
chrisshort
48
50k
Music & Morning Musume
bryan
46
6.7k
Large-scale JavaScript Application Architecture
addyosmani
512
110k
Fight the Zombie Pattern Library - RWD Summit 2016
marcelosomers
233
17k
[Rails World 2023 - Day 1 Closing Keynote] - The Magic of Rails
eileencodes
35
2.4k
Code Reviewing Like a Champion
maltzj
524
40k
The Invisible Side of Design
smashingmag
301
51k
The Web Performance Landscape in 2024 [PerfNow 2024]
tammyeverts
8
700
The Myth of the Modular Monolith - Day 2 Keynote - Rails World 2024
eileencodes
26
2.9k
Transcript
GCPUG SHIGA #3 LT 「Kingyo AI Navi」アプリ 2023.5.14 CODE for
YAMATOKORIYAMA Moonlight 明日香
今日お話しすること 「Kingyo AI Navi」アプリの紹介と 金魚認識モデルをVertex AIに移行したお話
自己紹介 Facebook moonlight.aska Twitter @moonlight_aska Blog みらいテックラボ http://mirai-tec.hatenablog.com NARA ➢
名前:鶴田 彰 ➢ 所属:エア・ウォーター株式会社 ➢ 資格:金魚マイスター(大和郡山市認定) ➢ 主なコミュニティ活動: GCPUG NARA Organizer CODE for YAMATOKORIYAMA
奈良県大和郡山市はどこ? 大和郡山市 京都市内 大阪市内 神戸市内 JR・近鉄(阪神)で 100分 JR・近鉄で 40分 近鉄で50分
草津市 近鉄・JRで80分
金魚の街「大和郡山市」 金魚の水槽やオブジェなどが街中にあふれている. まだまだ金魚をアピールできる余地がある. 2018年 金魚愛[AI]育成プロジェクト発足
Kingyo AI Naviとは? 機能1 機能2 金魚の写った画像を投稿すると品種を推定 金魚や大和郡山市の情報にアクセス可能
Kingyo AI Naviとは? KCN情報発信スタジオ Kスタ! (2023/2/7) デジタルメッセ奈良
UDC 2018 アイデア部門 金賞受賞 トータル金魚ナビゲーション 「Kingyo AI Navi」 UDC 2019
審査員特別賞受賞 Kingyo AI Navi (LINE版) https://urbandata-challenge.jp/
システム構成 ⇒ Vertex AI Vision
金魚データセットの準備 22種類 データセット作成 1) データ収集 2) ラベリング 3) Cloud Storageにupload
4) csvファイルでインポート
モデル学習
モデルのエクスポート □ AutoML Visionでモデルをエクスポート □ Vertex AI Visionではメタデータ形式のモデルに unzip 引用
: https://www.tensorflow.org/lite/models/convert/metadata?hl=ja
モデルの読み込み # load dict and model def setup_tflite_recog(): # 辞書(金魚の種類)データの読み込み
names = pd.read_csv('./model/dict.txt', header=None) # TFLiteモデルの読み込み interpreter = tf.lite.Interpreter(model_path='./model/model.tflite’) # メモリ確保. モデル読み込み直後に必須 interpreter.allocate_tensors() # 学習モデルの入力層/出力層のプロパティ取得 input_details = interpreter.get_input_details() output_details = interpreter.get_output_details() print('Model loading completed.’) return names, interpreter, input_details, output_details # input_details [{'name': 'image', 'index': 0, 'shape': array([ 1, 224, 224, 3], dtype=int32), 'dtype': <class 'numpy.uint8'>, 'quantization': (0.007874015718698502, 128)}]
推論 def recog_image(img): img = cv2.resize(img, (IMAGE_SIZE, IMAGE_SIZE)) img =
img.reshape(1, IMAGE_SIZE, IMAGE_SIZE, 3) input_data = np.array(img, dtype=np.uint8) # input_detals[0][‘index‘]にデータのポインタをセット interpreter.set_tensor(input_details[0]['index'], input_data) # 推論実行 interpreter.invoke() # output_detals[0][‘index’]に推論結果が保存されている output_data = interpreter.get_tensor(output_details[0]['index']) return output_data[0] # 結果 [[ 5 7 8 9 5 8 9 5 10 6 3 5 4 7 3 5 90 4 7 7 6 43]]
動作例: 入力例:
Vertex AIについて メリット ・機械学習プログラムや認識アルゴリズムに詳しくなくても, データを準備すれば 簡単にカスタムモデルを作成できる. ・ダッシュボードでラベリングから学習, 評価, テストなどが簡単にできるように 工夫されている.
デメリット ・趣味で使うには料金が少し高い. https://cloud.google.com/blog/ja/products/ai-machine-learning/practical-machine-learning-with-automl-series-1
今後やっていきたいこと 現状の課題: ・複数の金魚が泳いでいる水槽で, 金魚が1匹だけ写っている写真 を撮影するのが難しい. ・大和郡山や金魚に関する質問でも, 回答できる質問内容が限られ ている. そこで, ・クラス分類でなくオブジェクト検出を使い,
複数の金魚の種類を 推定できるようにしたい. ・“Bard”または”ChatGPT”を組み込み, 質問に対してより柔軟に 回答できるようにしたい.
最後に、AutoML関連情報 @IT(ITメディア)にて、 「AutoML OSS入門」連載記事共同執筆(全11回) ~ AutoML機能を備えた OSSについて紹介!! • auto-sklearn •
TPOT • AutoGluon(Amazon) • H2O(H2O.ai) • PyCaret • AutoKeras • Ludwig(Uber) • Neural Network Intelligence(Microsoft) • Model Search(Google)
Thank You!
付録: 大和郡山市の金魚系統図 [大和郡山市HPより]