UnityとF#で機械学習④：k Nearest Neighbor (K近傍法）による画像分類

はじめに

"F# for Machine Learning Essentials" (Sudipta Mukherjee 著　以下「原著」)　の第3章 "Classification Techniques"（分類法）では、機械学習でよく用いられる分類法をF#で記述する方法について説明されています。最初に出てくるのが、以前にも紹介した k-nearest neighbour(k近傍法）を用いた分類法です。

今回は、Kaggleにある犬と猫の画像データを用いて、犬と猫の分類を行います。分類法は単純で、犬と猫では毛の色の感じが違うので、写真の色の分布をヒストグラムにして、その形から分類する、というものです。顔の形とかは全く考慮しません。

参考資料

残念ながら、今回は原著のコードがネットに見当たりませんでした。フルコードをご覧になりたい方は、原著をご覧ください。

ヒストグラム

原著では、以下の方法でヒストグラムを計算しています。

Library1.fs

    let getHist(values: float[]) = 
        values |> Seq.groupBy(fun color -> color)
               |> Map.ofSeq
               |> Map.map(fun t colors -> Seq.length colors)
               |> Map.toArray
               |> Array.map(fun colorCount -> float (snd colorCount))

Seq.groupBy(fun color -> color)において、funはラムダ式を定義するためのキーワードです。fun parameter-list -> expressionという形式をとります。Seq.groupByは、ラムダ式でつくられるkeyをもとに、配列をグループ化します。MSDNの例を挙げておくと。

    let sequence = seq { 1 .. 100 }
    let sequences3 = Seq.groupBy (fun index ->
                                    if (index % 3 = 0) then 0
                                      elif (index % 3 = 1) then 1
                                      else 2) sequence

この計算結果は、(1, seq [1; 4; 7; 10; ...]) (2, seq [2; 5; 8; 11; ...]) (0, seq [3; 6; 9; 12; ...])になります。

Seq.groupByのあとは、Map.ofSeqで配列からmapを生成し、Map.map...でmapのcolorsに対して配列の長さの計算を適用し、Map.toArrayで配列に戻したあと、snd でタプルの二番目の要素を取り出しています。

Unityでの実行

UnityでF#を実行する際の基本的な手順に従ってください。このサンプルでは、System.Drawingという名前空間を使うので、そちらもSolution ExplorerのReferenceフォルダを右クリックし、

Add Referenceを選んで、下図の通り、Assemblies/FrameworkタブのSystem.Drawingを選んでOK。

これで、Imageクラスなどが使えるようになります。

そして、いつも通り、namespaceとmoduleを指定します。

Library1.fs

  namespace kNNDogCat

  open System
  open System.IO
  open System.Drawing
  module kNNDogCatEntry = 
    type Entry = {Label:string;Values:float[]}

  \\ 以下略

あと、UnityでつかえるF#3.0ではList.itemが使えないので、List.nthで代用します。具体的には

Library1.fs

 \\ 略

  let guess1 = fst (List.nth labels1 0)

 \\ 略

のようになります。

また、原著では計算結果の表示はprintfnを使ってますが、ここでは、Unity側に出力しましょう。Unity C#のコードは以下の通りです

ReadFSharp.cs

using UnityEngine;
using kNNDogCat;

public class ReadFSharp : MonoBehaviour
{
    void Start()
    {
        Debug.Log(kNNDogCatEntry.labels1);
        Debug.Log("The known dog is identified as a "+kNNDogCatEntry.guess1);
        Debug.Log(kNNDogCatEntry.labels2);
        Debug.Log("The known dog is identified as a "+kNNDogCatEntry.guess2);
    }
}