Slide 1

Slide 1 text

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

Slide 2

Slide 2 text

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

Slide 3

Slide 3 text

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

Slide 4

Slide 4 text

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!

Slide 5

Slide 5 text

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

Slide 6

Slide 6 text

NARA 6 NARA 今回は, Cloud AutoML Visionで 金魚を見分けてみた話!!

Slide 7

Slide 7 text

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

Slide 8

Slide 8 text

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)

Slide 9

Slide 9 text

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

Slide 10

Slide 10 text

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 :

Slide 11

Slide 11 text

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!!

Slide 12

Slide 12 text

NARA 評価 12 NARA

Slide 13

Slide 13 text

NARA 評価 13 NARA

Slide 14

Slide 14 text

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.

Slide 15

Slide 15 text

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)

Slide 16

Slide 16 text

NARA 16 NARA 2019.3.16 アイデア部門 金賞受賞!!

Slide 17

Slide 17 text

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

Slide 18

Slide 18 text

NARA 18 NARA Thank You!