第3回 橋本環奈分類機を作成してみた

やったこと

画像分類の勉強のため、入力された画像が橋本環奈さんであるかを判定するAIを作ろうと考えた。
今回は、収集した橋本環奈さんの画像500枚と人気女優さんの画像500枚を使って、EfficientNet V2 B0で画像分類モデルを作成した。

結果

テストデータ100枚(クラスの内訳は1:1)での結果Accuracy: 0.92と予想よりいい精度が出た。

データフォルダの構成

dataset
├─train
│ ├─NotHashimoto
│ │ └─***.jpg
│ └─Hashimoto
├─test
│ ├─NotHashimoto
│ └─Hashimoto
└─val
　　├─NotHashimoto
　　└─Hashimoto

ソースコード

今回は収集した画像を使ってEfficientNet V2をファインチューニングしてみた。また画像の水増しは行っていないが、将来的に水増しによる精度向上がどの程度あるかも確認したく、ImageDataGeneratorを使っている。

Classifier.py

import tensorflow as tf
from tensorflow.keras.applications.efficientnet_v2 import EfficientNetV2B0
from tensorflow.keras.models import Model
from tensorflow.keras.layers import Input, Dense, GlobalAveragePooling2D, Dropout, BatchNormalization, Activation
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from keras.callbacks import EarlyStopping, ModelCheckpoint

def build_model():
    """
    mobilenet v2を転移学習するためのモデルを作成する関数
    """
    inputs = Input(shape=(224, 224, 3))
    base_model = EfficientNetV2B0(weights='imagenet', include_top=False, input_tensor=inputs)
    x = base_model(inputs)
    x = GlobalAveragePooling2D()(x)
    x = BatchNormalization()(x)
    outputs = Dense(1, activation='sigmoid')(x)
    model = Model(inputs, outputs)
    return model

def setup_generator():
    """
    ImageDataGeneratorを使って、train_generator, val_generator, test_generatorを作成
    """
    # 画像があるフォルダ
    train_data_dir = './dataset/train'
    valid_data_dir = './dataset/val'
    test_data_dir = './dataset/test'

    # データ拡張の設定
    train_datagen = ImageDataGenerator(
        rescale=1.0
    )
    valid_datagen = ImageDataGenerator(rescale=1.0)
    test_datagen = ImageDataGenerator(rescale=1.0)

    # バッチサイズと画像サイズを指定します。
    batch_size = 32
    image_size = (224, 224)

    # トレーニングデータジェネレータとバリデーションデータジェネレータを作成します。
    train_generator = train_datagen.flow_from_directory(
        train_data_dir,
        target_size=image_size,
        batch_size=batch_size,
        class_mode='binary'
    )

    valid_generator = valid_datagen.flow_from_directory(
        valid_data_dir,
        target_size=image_size,
        batch_size=batch_size,
        class_mode='binary'
    )

    test_generator = test_datagen.flow_from_directory(
        test_data_dir,
        target_size=image_size,
        batch_size=batch_size,
        class_mode='binary'
    )

    return train_generator, valid_generator, test_generator

# generatorを作成
train_generator, valid_generator, test_generator = setup_generator()
# モデル作成
model = build_model()
# モデルのコンパイル
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])
# callbackの設定
earlystop = EarlyStopping(patience=10)
savefolder = './BestModel'
checkpoint = ModelCheckpoint(savefolder, monitor='val_loss', verbose=1, save_best_only=True)

# モデルの学習
epochs = 100
history = model.fit(
    train_generator,
    steps_per_epoch=len(train_generator),
    epochs=epochs,
    validation_data=valid_generator,
    validation_steps=len(valid_generator),
    callbacks=[earlystop, checkpoint]
)
# 評価
model.evaluate(test_generator)

まとめ

そこそこの精度が出ているので、一旦このモデルでWebアプリを作成してみる。

関連記事