Teachable Machineで飼い猫を判定する

はじめに

お手軽に機械学習が出来るサービスを知ったので遊んでみた。

Teachable Machineとは

Teacheableっていうくらいだから教師あり学習のことね。よく知らんけど
判定したい内容の数だけ画像で種類を覚えこませて、結果が利用できる。Webブラウザ上からお手軽に

やってみること

純血種（ロシアンブルー）を飼っているので、「飼い猫」か「他のロシアンブルー」かを判定させてみよう。
ロシアンブルー100匹と紛れてしまったときに役立つかもしれない。そんなわけないけど、おもしろそう

サンプルデータの用意

学習に必要なサンプル画像を用意する。当たり前だけど多い方が精度はよくなる。
飼い猫の画像は500枚用意した。500枚くらい余裕だぜ

他のロシアンブルーの画像は学習用に外国のサイトがあったので利用させてもらった。

torrent経由で200枚のロシアンブルーの画像をダウンロードして使わせてもらう。

Teachable Machineの利用

https://teachablemachine.withgoogle.com にアクセスし、画像プロジェクトを選ぶ

標準の画像モデルを選ぶ

クラスの画面が表示されるので、判定したい種類毎に名前を変えておく。ここではMy catとOther Russian Buleにする。その後アップロードをクリック

アップロード画面が表示されるので、用意したサンプル画像をドラッグ＆ドロップする

クラス数分アップロードしたら、「モデルをトレーニングする」をクリック

少し待つと学習が終わるので、「モデルをエクスポートする」をクリック

pythonを使いたいので、Tensorflowタブを選択してから、モデルをダウンロードをクリック

数分待つと converted_keras.zip がダウンロードされる。

ダウンロードしたファイル

解凍するとkeras_model.h5 と labels.txt が手に入る。前者はバイナリファイル、後者はテキストファイルで中身はインデックスとクラス名

labels.txt

0 My cat
1 Other Russian Blue

pythonのプログラム

モデルダウンロード時の画面にサンプルがあるので、ちょっとだけ修正する。
引数に画像ファイルを指定するようにした

cat.py

from keras.models import load_model  # TensorFlow is required for Keras to work
from PIL import Image, ImageOps  # Install pillow instead of PIL
import numpy as np

def judge(file_path):

    # Disable scientific notation for clarity
    np.set_printoptions(suppress=True)

    # Load the model
    model = load_model("keras_Model.h5", compile=False)

    # Load the labels
    class_names = open("labels.txt", "r", encoding='utf-8').readlines()

    # Create the array of the right shape to feed into the keras model
    # The 'length' or number of images you can put into the array is
    # determined by the first position in the shape tuple, in this case 1
    data = np.ndarray(shape=(1, 224, 224, 3), dtype=np.float32)

    # Replace this with the path to your image
    image = Image.open(file_path).convert("RGB")

    # resizing the image to be at least 224x224 and then cropping from the center
    size = (224, 224)
    image = ImageOps.fit(image, size, Image.Resampling.LANCZOS)

    # turn the image into a numpy array
    image_array = np.asarray(image)

    # Normalize the image
    normalized_image_array = (image_array.astype(np.float32) / 127.5) - 1

    # Load the image into the array
    data[0] = normalized_image_array

    # Predicts the model
    prediction = model.predict(data)
    index = np.argmax(prediction)
    class_name = class_names[index]
    confidence_score = prediction[0][index]

    # Print prediction and confidence score
    print("Class:", class_name[2:], end="")
    print("Confidence Score:", confidence_score)

    return class_name[2:].strip('\n'), confidence_score


# メイン関数
def main():

    file_name = 'aaa.jpg'
    class_name, score = judge(file_name)
    print(file_name + 'のファイルは' + f'{score * 100:0.3f}' + '％の確率で' + class_name + 'です！')


if __name__ == "__main__":
    main()

実行してみる

プログラムと同じディレクトリに、解凍した２ファイルと判定したい画像(aaa.jpg)を置いて実行すると、ちゃんと判定できた。ちょっと確率低いけど(笑)

おわりに

My cat と Other Russian Blue が判別できるかで遊んでみた。
ただ判定が難しい内容で学習させちゃった気はする。普通に間違えることもあったし。
手の形がグー、チョキ、パー、のどれか？とか、家電の電源がONかどうか、とかそういう用途でまた今度遊んでみようかな