はじめに

こんにちは！今回は、わずか5行のコードで画像認識AIを作る方法をご紹介します。Google ColabとTensorFlowを使用するので、環境構築の手間もなく、誰でも簡単に試すことができます。

準備

Google Colabにアクセスし、新しいノートブックを作成します。
負荷状況によっては、ランタイムのタイプをGPUなどに変更してください（編集 > ノートブックの設定 > ハードウェアアクセラレータ）。

コード

以下の5行のコードをノートブックに貼り付けて実行するだけです！

import tensorflow as tf
from tensorflow.keras.applications.inception_v3 import InceptionV3, preprocess_input, decode_predictions
model = InceptionV3(weights='imagenet')
img = tf.keras.preprocessing.image.load_img('画像のパス', target_size=(299, 299))
print(decode_predictions(model.predict(preprocess_input(tf.keras.preprocessing.image.img_to_array(img)[None, ...])), top=3))

犬の画像を指定したところ、Pomeranian(ポメラニアン)と認識できた

解説

1行目：TensorFlowをインポートします。
2行目：InceptionV3モデルと関連する関数をインポートします。
3行目：事前学習済みのInceptionV3モデルを読み込みます。
4行目：画像を読み込み、モデルの入力サイズに合わせてリサイズします。
5行目：画像を前処理し、モデルで予測を行い、結果を表示します。

使い方

4行目の '画像のパス' の部分を、実際に分類したい画像のパスに置き換えてください。例えば：

img = tf.keras.preprocessing.image.load_img('/content/cat.jpg', target_size=(299, 299))

認識できる画像の例

InceptionV3モデルは多様な画像を認識できます。以下に、認識可能な画像の例をいくつか挙げます：

動物：犬、猫、象、キリン、鳥など
乗り物：車、自転車、飛行機、船など
食べ物：ピザ、ハンバーガー、寿司、フルーツなど
スポーツ用品：サッカーボール、テニスラケット、スキー板など
電子機器：スマートフォン、ノートパソコン、テレビなど
自然風景：山、海、森、砂漠など
建築物：家、高層ビル、橋、神社など
日用品：椅子、テーブル、ベッド、時計など

これらは一例で、実際にはImageNetデータセットに含まれる1000種類以上のカテゴリを認識できます。

注意点

インターネット接続が必要です。
初回実行時は、モデルのダウンロードに時間がかかる場合があります。
画像は、アップロードしてそのパスを指定してください。サイズを調整してください。
モデルの認識精度は画像の品質や角度、照明条件などに影響されます。

まとめ

たった5行のコードで、最先端の画像認識AIを使用することができました。この手法を応用すれば、さまざまな画像分類タスクに活用できるでしょう。ぜひ、自分で撮影した画像や興味のある画像で試してみてください！

参考情報

これらのリソースを参考にすることで、画像認識AIについてさらに理解を深めることができます。技術の進歩は日々目覚ましいので、最新の情報もチェックしてみてください。Happy coding!