はじめに
ディープラーニングで画像分類をする際、画像のデータ数が少ないとデータセットの分け方によってモデルの正解率が異なってきます。このような場合、交差検証（k-Fold Cross Validation）が有効とされています。
以前、Teachable Machineを使った金属破断面の分類
について記事にしましたが、金属破断面の電子顕微鏡画像を多く集めるのは難しいため、このような場合に交差検証は適していると考えられます。今回は、KerasのVGG16モデル（ファインチューニング）により、画像分類の交差検証を行うプログラムを作成しました。
作成したプログラム
以下に格納しております。
終わりに
- プログラムは画像ファイルの格納フォルダ名やコメント行に金属破断面の画像分類に関係する単語が使われていますが、他の画像分類にもお使いいただけます。その場合、バッチサイズ、テストデータの数、学習率、画像の水増しの条件などを適宜変更して行ってください。
- このプログラムはGoogleColaboratoryで動作します（2024年1月31日現在）が、フォルダ名の変更などによりスタンドアローンのパソコンにも容易に移植可能と思います。
- 何かのお役に立てれば幸いです。
参考