去年画像分類をMxnetでSiamese Network modelで実装したが、今回自分の振り返り用も含めてTensor flowで実装したいと考えたのでまとめたい。正確にはネットワーク部分をCNNで実装した。

Siamse Networkモデルとは

以下の論文や記事によれば、

Koch, Gregory, Richard Zemel, and Ruslan Salakhutdinov. "Siamese neural networks for one-shot image recognition." ICML Deep Learning Workshop. Vol. 2. 2015.

Siamese Networkをchainerで実装するまで
ワンショット（学習データが１件）学習や不均衡データに対する分析にも強いようで、そのため去年のプロジェクトで少し使った。ただもちろん弱点もあって２値クラスでしか対応していないという事があげられる。

Siamse Networkモデル説明と実装

２つ同じネットワークを用意して、その出てきたそれぞれの距離を学習させていくのが、この分析のミソになる。距離層のところは最初の論文はユークリッドらしいので今回はユークリッド距離で実装した。

実装したコードそんなに綺麗なコードではなくてすいません・・・。とりあえず有名なMnist様で実装をした。ただしMnistでもせっかくなので学習データは１件で０と１の分類を行った。

結果

その結果は以下のように１枚でも約９０％の精度と高い結果が得られた。

一応以下のようにCNNでもやってみたが、やはり余り良い結果は得られなかった（２値分類なので５０％が基準となる）。

実際のデータはMnistとかみたいに割り付けがされていることは本当に少なく、不均衡のことが多い。そうゆうときにはやはり便利なアルゴリズムなんだなと思ったし、実際にsomote擬きみたいな事を画像でもやったが、それよりはSimese Network modelのほうが精度はよかった。研究でもう少し複雑なネットワークや多値分類をやっているケースもあるので今後も勉強していきたいところ*。

注っていうかこれもうちょっと発展させたら普通に論文としてどっかに投稿できそうな感はある。