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!