【Python/Keras】CNNと転移学習・ファインチューニングで画像認識・分類

Pythonの機械学習モジュール「Keras」でCNN(畳み込みニューラルネットワーク)を実装し、転移学習・Fine-tuningで学習して画像認識・分類する方法をソースコード付きでまとめました。

【Keras】CNNとFine-tuningで画像分類器の作成

CNN（畳み込みニューラルネット）を使って画像分類器を作成するには「万単位の膨大な学習用データ画像」と「長い学習時間」「強力なマシンパワー」が必要となります。
しかし、Fine-tuning（ファインチューニングや転移学習）という手法を用いれば、「少量のデータセット」「短い学習時間」「貧弱なマシンパワー」で比較的精度の高い画像分類器を作成できます。

サンプルコード

サンプルプログラムのソースコードです。

VGG16のデータセットを使ってファインチューニングにより学習を行い、学習結果を保存します。
「ImageDataGenerator.flow_from_directory」指定ディレクトリ内の画像をディレクトリ名でラベル付けしてくれます。
ですので、各ディレクトリには round_grasses などのラベル名を付けた上で画像を格納しています。

【学習用画像の例】
●土鍋の学習用画像(C:\github\sample\python\keras\05_vgg16\ex2_data\train\donabe内に格納)

●マグカップの学習用画像(C:\github\sample\python\keras\05_vgg16\ex2_data\train\magcupに格納)

●やかんの学習用画像(C:\github\sample\python\keras\05_vgg16\ex2_data\train\yakanに格納)

【検証用画像の例】
学習用とは別に検証用に使う土鍋、マグカップ、やかんの画像も用意して保存します。
●土鍋の学習用画像(C:\github\sample\python\keras\05_vgg16\ex2_data\train\donabe内に格納)

●マグカップの学習用画像(C:\github\sample\python\keras\05_vgg16\ex2_data\train\magcupに格納)

●やかんの学習用画像(C:\github\sample\python\keras\05_vgg16\ex2_data\train\yakanに格納)

実行結果

前回、Fine-tuningを使わなかったときよりも改善されました。

【Python/Keras】CNN（畳み込みニューラルネット）で画像の分類

Pythonの機械学習モジュール「Keras」でCNN（畳み込みニューラルネット）を実装し、画像を分類する方法をソースコード付きでまとめました。

algorithm.joho.info

2020.03.25

続いてある１枚の画像を入力して分類してみます。
試しに、データセットにないやかんの写真を与えてみました。

■作成した分類器で分類

【TensorFlow版Keras入門】ディープラーニングを簡単に学ぶ方法

Pythonモジュール「TensorFlow/Keras」で深層学習（ディープラーニング）を行う方法について入門者向けに使い方を解説します。

algorithm.joho.info

2020.04.22