はじめに

TensorFlow2 + Keras による画像分類の勉強メモ（CNN編の第1弾）です。MLP編（多層パーセプトロンモデル編）については、こちらをご覧ください。

なお、題材はド定番である手書き数字画像（MNIST）の分類です。

今回は、ブラックボックスのまま、とりあえずCNNモデルを学習させて、それを使って予測（分類）をしてみます。

MLP版のプログラム

多層パーセプトロンモデルによる手書き数字画像（MNIST）分類は、TensorFlow2 + Keras を利用して、次のように書くことができました（詳細）。

TensorFlow2に切り替え（GoogleColab.環境のみ）

%tensorflow_version 2.x

MLPによる画像分類

import tensorflow as tf

# (1) 手書き数字画像のデータセットをダウンロード・正規化
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

# (2) MLPモデルを構築
model = tf.keras.models.Sequential()
model.add( tf.keras.layers.Flatten(input_shape=(28, 28)) )
model.add( tf.keras.layers.Dense(128, activation='relu') )
model.add( tf.keras.layers.Dropout(0.2) )
model.add( tf.keras.layers.Dense(10, activation='softmax') )

# (3) モデルのコンパイル・トレーニング
model.compile(optimizer='Adam',loss='sparse_categorical_crossentropy',metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5)

# (4) モデルの評価
model.evaluate(x_test,  y_test, verbose=2)

これを実行すると、正解率 $97.7\%$ 前後の分類器をつくることができました。

CNN版のプログラム

畳み込みニューラルネットワークモデル（CNN）による手書き数字画像（MNIST）分類は、次のように書くことができます。多層パーセプトロンのモデルに、なんと3行追加するだけで畳み込みニューラルネットワークモデルに変えることができます。

CNNによる画像分類

# (1) 手書き数字画像のデータセットをダウンロード・正規化
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

# (2) CNNモデルを構築
model = tf.keras.models.Sequential()
model.add( tf.keras.layers.Reshape((28, 28, 1), input_shape=(28, 28)) ) # 追加
model.add( tf.keras.layers.Conv2D(32, (5, 5), activation='relu') )      # 追加
model.add( tf.keras.layers.MaxPooling2D(pool_size=(2,2)) )              # 追加
model.add( tf.keras.layers.Flatten() )                                  # 改変
model.add( tf.keras.layers.Dense(128, activation='relu') )
model.add( tf.keras.layers.Dropout(0.2) )
model.add( tf.keras.layers.Dense(10, activation='softmax') )

# (3) モデルのコンパイル・トレーニング
model.compile(optimizer='Adam',loss='sparse_categorical_crossentropy',metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5)

# (4) モデルの評価
model.evaluate(x_test,  y_test, verbose=2)

これを実行すると、正解率 $98.7\%$ 前後の分類器をつくることができます（上記のMLPよりも正解率が約$1\%$ほど高いモデルをつくることができます）。ただし、学習にかかる時間は長くなっています。

正しく予測できなかった事例

分類（予測）に失敗している具体的なケースを見てみます（これを出力するためのプログラムは「～分類に失敗する画像を観察してみる～」を参照）。

各図の左上に表示している赤文字は、誤って何の数字と予測したかという情報です（括弧内数値は、誤った予測に対するsoftmax出力）。例えば 5(0.9) は、「約 $90\%$ の確信をもって $5$ と予測した」ということです。また、青色の数値は、テストデータ test_x のインデックス番号です。