前回の記事
「乃木坂と欅坂メンバーをVGG16,VGG19,InceptionV3で転移学習してみた」
https://qiita.com/MuAuan/items/6c0e95ac7538ddc6c19a
から、少ないデータでも、転移学習すれば画像をフィッティングできることが分かった。
そこで、今回はAKB総選挙の上位者についてFine-Tuningしてみた。
【参考】
【速報】AKB48総選挙2017の順位・結果・票数まとめ【1位：指原莉乃｜2位：渡辺麻友】
http://aikru.com/archives/2562/
コードは以下に置いてある
手順
前回の教訓を生かしつつ以下の手順で実施した。
①AKB総選挙上位者の画像データをYahooから「名前」でそれぞれ６０個取得、画像にコンタミネーションがあるので、併せて「名前 顔写真」でさらに６０個取得、一般女性と男性のデータもそれぞれ取得
②ResNet50「９０層固定」で各カテゴリ６０個のデータに対して、フィッティング実施
③フィッティング実施後のモデルを使って、各カテゴリごとに一致率の悪い画像をデータから削除し、「名前 顔写真」で取得したデータから追加して、各カテゴリ６０個ずつにする
④ReNet50「１７４層固定」パラメーター②で、転移学習
⑤④のフィッティング実施後もカテゴリに属さないデータが存在したので、再度③⇒④のプロセスを実施
⑥ちなみに、③のあとResNet50「９０層固定」で実施した場合、Val_accのフィッティング率は上がらなかった※ここが実は謎
結果
以下のとおり、
②の結果は以下のとおり、Trainデータの精度が出ているが、Testデータについて、全体で５４％であり、コンタミネーションの結果である。
③の結果は、特にないが、②のパラメータでセレクト出来て、カテゴリ毎にはエラーはなくなる
④の結果は以下のとおり、今度はTrainデータ、Testデータ両者にエラーが発生したが、②に比べると大幅に減少して、フィッティング率は９５％程度まで上昇した
⑤の結果は、さらに精度は９９％台に上昇、エラーは全体で２件まで減少した。この２件は人の目だとそこにあるべきデータであるので、このデータ数では本来のエラーだと思う。
まとめと課題
①Fine-Tuningと転移学習を利用すると、６０個／カテゴリで１８分類程度のカテゴリが多い場合も、フィッティング精度はデータ精査することにより、あげることができる。
②今回の成果は、データをあまり理解していなくても、自己組織的にフィッティングとデータスクリーニングを繰り返せば、一定の精度の識別器を作れることを意味している。
③【課題】Fine-Tuningだけだと、データ入れ替えしてエラーが消えても、Tuning後Testデータに対するエラーが７５％まで低下してしまった。
⇒ここはもう少し、追及して理解しておきたい
今後の予定
①課題解決
②入力として、画像を送れば、ランキングや似顔絵を返信するサービスなどにする
※今回は、入力の元画像サイズは特に指定はないが、データサイズは（２２４、２２４）である