画像認識ハンズオン

Transcript

1. None

2. 自己紹介 日本総合ビジネス専門学校 NIHON-CHUO Institution 2017.4- 合同会社4D Pocket 4D Pocket LLC.

   2017.4- 石郷 祐介 ISHIGO Yusuke Programmer

3. ࣾ ձ ʹ ؾ ͮ ͖ Λ ༩ ͑ Δ

    ಓ ۩  Λ ։ ൃ ͠ · ͢

4. モバイル IoT ロボット 人工知能 Web センサ 音声認識 音声合成 機械学習 Beacon

   オープンデータ Bot 異分野 × アイデア × 技術 他社との研究開発を主とし、新たな価値を生み出すツールを作る

5. 本日の流れ １. 画像処理ライブラリ「OpenCV」を使ってみる 　・画像を読み込んで表示する 　・ノイズ除去、画像反転、輪郭抽出、顔認識 ２. 「TensorFlow」と「Keras」で画像分類してみる ３. 「IBM Watson」で画像解析してみる

   　・風景写真の中から似た風景の写真を探す

6. Pythonの特徴 サーバサイド言語として登場（P言語のひとつ） ・AI（機械学習） ・データ分析 ・IoT（Raspberry Pi） ・ロボット（ROS）　等 計算用ライブラリが豊富なため、高度な計算が必要なプログラム に多く使われている

7. 開発環境 pyenv PythonやAnacondaをダウンロードしたり、バージョンを切り替える ためのツール Anaconda condaを含んだPythonとパッケージ（プラグイン）をまとめたもの （NumPy、scipy、Pandas、Jupyer、Scikit-learn等のパッケージ） Web系の言語には、バージョンを管理するツールが存在する conda Pythonパッケージをインストールできるツール

   Pythonには、標準で同機能のpipがインストールされているが、 Anacondaを使う場合は、condaを使う（condaにないパッケージはpip）

8. 言語の特徴 ① １．文末のセミコロンは不要 print(“Hello, world!”) ２．変数に型は必要ない（動的型付け＝ダックタイピング） hoge = “Hello, world!”

   hoge = 123 print(“Hello, world!”); ◯ × String hoge = “Hello, world!” int hoge = 123 × ◯ If it walks like a duck and quacks like a duck, it must be a duck. もしそれがアヒルのように鳴き、アヒルのように歩いたら、それはアヒルである

9. 言語の特徴 ② ３．カッコでなくインデントでまとまりを示す if hoge == ‘aaa’: print(‘Hello,’) print(‘world!’) if

   hoge == ‘aaa’ { print(‘Hello,’) print(‘world!’) } ◯ × オフサイドルール

10. 本日の流れ １. Pythonについて ２. 開発環境の構築 　・pyenv、anacondaのインストール ３. ライブラリを使ってみる 　① 標準ライブラリでWebサイトからスクレイピング

    　② 「matplotlib」で取得したデータのグラフ表示する ４. 基本的な機械学習アルゴリズムを自作してみる 　① エクセルのデータを読み込んでグラフ表示する 　② 「協調フィルタリング」の実装 ５. 「scikit-learn」で簡単に機械学習を実践してみる

11. OpenCVを使ってみる OpenCV 画像処理・解析のためのライブラリ conda install -c https://conda.anaconda.org/menpo opencv3 C/C++、Java、Python、MATLAB等、多数の言語に対応 Windows、macOS、Linux、Android、iOS等をサポート

    機械学習の教師データのための画像整備のために必要

12. OpenCVを使ってみる ① import numpy as np import cv2 as cv

    img = cv.imread(‘Lenna.png’) cv.imshow(‘ウィンドウ名’, img) cv.waitKey(0) cv.destroyAllWindows() 画像を読み込み表示する

13. OpenCVを使ってみる ① import numpy as np import cv2 as cv

    img = cv.imread(‘Lenna.png’, cv.IMREAD_GRAYSCALE) cv.imshow(‘ウィンドウ名’, img) cv.imwrite(‘output.png’, img) cv.waitKey(0) cv.destroyAllWindows() グレースケールで画像を読み込み、保存する データ量を減らすために、グレースケールにしてから画像認識する

14. OpenCVを使ってみる ② ノイズ除去（平滑化、スムージング） 移動平均フィルタ メディアン（中央値）フィルタ 連続するデータにおいて、他値と乖離しているものを除去する手法

15. OpenCVを使ってみる ② 移動平均フィルタ 20 0 13 11 9 10 12

    8 7 (20 + 12 + 8 + 13 + 7 + 11 + 9 + 10) / 8 = 11.25 20 11 13 11 9 10 12 8 7 補正するピクセルの周辺のピクセルの平均をとる ノイズや境界線の影響を受けて全体的にぼやける

16. OpenCVを使ってみる ② メディアンフィルタ 20 0 13 11 9 10 12

    8 7 7、8、9、10、11、12、13、20の中央値→10 20 10 13 11 9 10 12 8 7 補正するピクセルの周辺のピクセルの中央値を適用する ノイズや境界線の影響を受けにくいので、ノイズのみを除去しやすい

17. OpenCVを使ってみる ③ ディープラーニング等の教師データとして反転した画像を追加する 画像反転

18. OpenCVを使ってみる ④ 輪郭抽出（物体認識）

19. OpenCVを使ってみる ⑤ 顔認識 OpenCVの標準の学習データを使って顔認識を行う 学習データを更新することで、認識物を変えたり、精度を向上できる

20. 本日の流れ １. 画像処理ライブラリ「OpenCV」を使ってみる 　・画像を読み込んで表示する 　・ノイズ除去、画像反転、輪郭抽出、顔認識 ２. 「TensorFlow」と「Keras」で画像分類してみる ３. 「IBM Watson」で画像解析してみる

    　・風景写真の中から似た風景の写真を探す

21. TensorFlowとKeras TensorFlow Googleが開発しているオープンソースの機械学習ライブラリ ディープラーニングに対応している Keras Python用のニューラルネットワークライブラリ TensorFlowをバックエンドとして、同様の機能を完結な書き方で実現できる

22. ディープラーニング ① 人間の神経細胞の繋がりをモデルにした機械学習手法 パーセプトロン、ニューラルネットワーク 特徴A 特徴B 特徴C 閾値 結果（0 or

    1） シグモイドニューロンの場合は0.0〜1.0の間 w1 w2 w3 １．学習したい物事を複数の特徴に分ける ２．特徴の重要性を重み（w1、w2、w3）として設定する ３．入力の合計値が、閾値を超えたら、1を返す

23. ディープラーニング ② パーセプトロンを層にしたもの 多層パーセプトロン（入力層、隠れ層、出力層が3つのもの） 入力層 出力層 隠れ層 重み付けが大変！

24. ディープラーニング ③ パーセプトロンを層にしたもの 多層パーセプトロン（入力層、隠れ層、出力層が3つのもの） 入力層 出力層 隠れ層 誤差逆伝播法（バックプロパゲーション） 誤差からパラメータを調整する手法 重み付けが大変！

    誤差 重み調整

25. ディープラーニング ④ 入力層、隠れ層、出力層が4つ以上のもので、誤差逆伝播法の問題点を 解決したもの ディープラーニング 入力層 出力層 隠れ層 … TensorFlow

    Playground http://playground.tensorflow.org/

26. 本日の流れ １. 画像処理ライブラリ「OpenCV」を使ってみる 　・画像を読み込んで表示する 　・ノイズ除去、画像反転、輪郭抽出、顔認識 ２. 「TensorFlow」と「Keras」で画像分類してみる ３. 「IBM Watson」で画像解析してみる

    　・風景写真の中から似た風景の写真を探す

27. 「IBM Watson」で画像解析してみる あい旅っと 写真の風景に近い国内の風景を探し出し、マップを表示するアプリ

28. 「IBM Watson」で画像解析してみる あい旅っと 写真の風景に近い国内の風景を探し出し、マップを表示するアプリ

29. 「IBM Watson」で画像解析してみる Bluemix Watson API

30. None