Tensorflowで"お姉さん"なのか"おばさん"なのかはっきりさせる

https://elv.connpass.com/event/61466/?utm_campaign=event_reminder&utm_source=notifications&utm_medium=email&utm_content=title_link

Transcript

1. 2017/08/04 Tensorflowが目指すだれもができる機会学習 鈴木 省吾(@munaita_) “お姉さん”なのか“おばさん”なのか TensorFlowではっきりさせる
2. 自己紹介 - フリーランス - 元渋谷C社 -> 市ヶ谷O社 - アドテク - サーバー、インフラ - Twitter: @munaita_ - 機械学習ははじめて
3. お手柔らかに
4. 突然ですが
5. 何歳からおじさん・おばさん?
6. 人による
8. 結構みんな気にしてる?
9. TensorFlowで はっきりさせよう
10. データ(カテゴリ?)の定義 定義: 検索エンジンで検索してひっかかった それっぽい画像 1. “お姉さん” 2. “おばさん” 3. “おばあちゃん” ※ モチベーション維持のため女性にしました
11. Bing Search API - 十分な無料枠あり - APIのパラメータ豊富 - Face/Portraitなどのフィルタリングもあり - 各カテゴリで1500件くらい取得 - スクリプト: https://github.com/shogo807/tensorflow_easy_tools/blob/master/bing_image_getter.py データの取得
12. データの準備.1 検索結果のそれっぽくない画像をひたすら削除 - おばさんで検索↓ 男！！ 草野さん！ おばさん か? おばさん じゃない！
13. データの準備.2 - フィルタ後の画像をOpenCVで顔の切り抜き - スクリプト: https://github.com/shogo807/tensorflow_easy_tools/blob/master/face_detector.py - 誤認識画像の削除
14. 胸熱なフォルダの完成
15. 準備できたデータ お姉さん - 訓練: 530枚 - テスト: 130枚 おばさん - 訓練: 640枚 - テスト: 210枚 おばあちゃん - 訓練: 460枚 - テスト: 140枚
16. モデル - Convolutional Neural Network - 難しかったのでkivatiumさんのブログを参考 - 参考記事: http://kivantium.hateblo.jp/entry/2015/11/18/233834 - 作ったスクリプト: https://github.com/shogo807/tensorflow_easy_tools/blob/master/cnn_sample.py
17. 結果 7割ちょいの精度
18. 大変だった事1. 画像収集 - Google Search API - 無料では1日100クエリまで - 有料だと1日1000クエリで$5 - 有料でも検索の100位以上はとれない！！！ - ImageNet - カテゴリにすでに分類された大量の画像ある - 日本語のカテゴリがないので不採用 - Bing - 無料枠豊富 - フィルタリングとかもできる
19. 大変だった事2. 画像準備 - 検索から取得したデータのフィルタリング - 仕分け作業やりすぎて謎の症状発症 - すれ違う人を分類してしまう おばさん？ おばさん？ おばさん？
20. 課題 - データ集めと準備に苦労しすぎてモデルと向き合えな かった - 今度は広告データとかやりたい
21. ありがとうございました Github: https://github.com/shogo807/tensorflow_easy_tools