Deep Learningによる画像認識をかんたんに行えるプラットフォーム「Labellio」を試してみた。
https://www.labell.io/
Labellioの設定
ドキュメントの通りモデルを作成する。
ラベルを登録すると自動的に画像を検索して学習データとして扱ってくれる。
今回は「世界の変なEXITマンが認識できるか」を検証する。
学習に使ったラベルは下記の通りである。
「EXIT」
「歩行者専用」
「トイレマーク」
「工事中」
「ゴーヤーマン」
「loss_test」と「loss_0」が低く、精度の高い学習結果となった。
画像認識の検証
いくつか画像をアップロードして検証してみる。
横断禁止マークは「EXIT」が一番近い結果となった。
色は違うが構図は似ている気がする。
ゴーヤはさすが「ゴーヤーマン」が一番近い結果となった。
色だけでなく形で判断しているようだ。
世界のEXITマン
ここから田村が見つけた世界の少し変なEXITマンで検証していく。
海外でよく見る腕が短いEXITマン
一般的なEXITマンとほぼ同じなので正確に「EXIT」と認識している。
スペインのバトリョ邸のEXITマン
バトリョ邸は全て曲線でできていることからEXITマンも円形になっている。
学習させたデータの中で円形は「歩行者専用」のみだったことから結果が間違っている。
色は見てくれなかった。
イタリアのローマの地下鉄で見つけたEXITメン
複数人で走り抜けている標識でも「EXIT」と認識した。
バチカン市国前の土産屋の地下のトイレ近くにあったEXITマン
袖付きで上品だからか「歩行者専用」の紳士と間違えてしまった。
色も形も違うが、不思議である。
画像認識のまとめ
Labellioでかんたんに画像認識を行うことができた。
精度を上げる為には例外となるデータを繰り返し学習させることが必要である。
バチカンEXITマンのように「なぜその結果になったのか」を追うことができないDeep Learningだが
大量の画像から特徴を学習し判別することから「らしい」「っぽい」といった人の感覚を知ることができる。
好きな画像をいくつか選ぶことで「明文化しにくい直感的な好み」を判別することができるかも知れない。
