Python画像分類AIアプリの解説

Google Colab で新規ノートブック作成

コード

#ライブラリをインストール
#!pip install: ColabでPythonパッケージをインストールするコマンドです（!はColabのシェルコマンド）。
#gradio: Webアプリを簡単に作れるライブラリ（画像アップロードUIなど）
#tensorflow: AI・機械学習ライブラリ。画像分類モデル（MobileNetV2）を使うために必要。
#--quiet: インストール時の出力を抑えるオプション。
!pip install gradio tensorflow --quiet

import gradio as gr
import tensorflow as tf
from tensorflow.keras.applications.mobilenet_v2 import preprocess_input, decode_predictions
from tensorflow.keras.applications import MobileNetV2
from tensorflow.keras.preprocessing import image
import numpy as np

#ImageNetという大規模データで学習済みの MobileNetV2 モデルを使います。
#自分で学習させる必要はありません（すぐ使えるAI）。
model = MobileNetV2(weights='imagenet')

#ユーザーがアップロードした画像を受け取り、分類する関数です。
def classify_img(img):
#モデルが必要とするサイズ（224x224）にリサイズし、数値配列に変換。
    img = image.img_to_array(img.resize((224, 224)))
#1枚の画像 → バッチ形式（複数枚に見せかける形）に整形。
    img = np.expand_dims(img, axis=0)
#MobileNetV2用にピクセル値を正規化（-1〜1などに調整）。
    img = preprocess_input(img)
#AIモデルに画像を渡して予測（1000カテゴリの確率が返る）。
    preds = model.predict(img)
#数値の結果を人間が理解できる「ラベル」に変換。
    results = decode_predictions(preds, top=3)[0]
#上記を {ラベル: 確率} の辞書形式に変換。
    return {label: float(confidence) for (_, label, confidence) in results}

# グラディオUI
#fn=classify_img: 実行する関数
#inputs=gr.Image(...): 入力は画像（PIL形式）
#outputs="label": 出力は分類ラベル
app = gr.Interface(fn=classify_img, inputs=gr.Image(type="pil"), outputs="label")
#ブラウザにUIを立ち上げて、実際に使えるようにします。
app.launch()

分析画面

ブラウザに画像アップロードUIが出る。画像を入れると → AIが分類してくれる。