Google Developers ML Summit を視聴しました。
あまり機械学習には興味はないのですが、最近データを集めたり可視化したりする事があるので、何かデータを扱う上での参考になるかなというぐらいの気持ちでみていたところ、機械学習に関して面白いサービスが紹介されていたので、さっそく試す事にしました。
Teachable Machine は、画像、音声、ポーズを認識する機械学習モデルを簡単に作成できるサービスです。
サンプルデータが揃っていれば、アップロードして、トレーニングボタンをクリックするだけなので、5分もあれば学習した結果を試す事ができました。
試した内容
サンプルデータがすでに揃っていることもあり、我が家の猫を判別するモデルを Teachable Machine で作成してみることにしました。
最近撮影した うちのねこ の画像23枚と、ネットで適当に拾ってきた よそのねこ の画像20枚を使ってトレーニングしたモデルを使い、色々な画像に対してどう判定されるかみていきました。
ネットで拾ってきた画像はぼかしています。
結果
判定結果を一覧にしてみました。
| 対象 | 画像 | うちのねこの確率 |
|---|---|---|
| 最近のうちのねこ |  |
92% |
| 昔のうちのねこ1 |  |
96% |
| 昔のうちのねこ2 |  |
96% |
| うちのいぬ |  |
2% |
| よそのねこ1 |  |
0% |
| よそのねこ2 |  |
6% |
| よそのソマリ |  |
71% |
| よそのとら |  |
14% |
うちのねこ の画像に対しては、90%以上の確率で うちのねこ と判定されました。
どういう訳かわかりませんが、子供の頃の画像でも90%以上になったのには驚きました。
うちのねこ はソマリという品種なので、同じ品種の別の猫と比較すると、71%となりました。
ソマリではない場合と比べてかなり似ていると判定したのでしょう。
全体的にかなり正確に判定しているのではないでしょうか。
まとめ
Teachable Machine を使って、簡単に機械学習を体験しました。
かけた労力に対して得られる結果がすごくて驚きました。
今回は うちのねこ の画像を使って機械学習モデルを作成しました。
もともとサンプルデータが揃ってるという理由もあるのですが、猫を選んだのにはもう一つ思うところがって、今の生体認証などで使われている技術を使えば、結構簡単に捨て猫の飼い主を追跡できるのではないかという思いがありました。
マイクロチップなどは埋め込む手術が必要だったり、読み取る機械が必要だったりしますが、携帯のカメラで判別できれば、手術も必要なく全ての人が飼い主を追跡できるようになります（そうなってくると、捨てるという行為が殺すに変わるだけかもしれないですが）。
ペットショップで売られる前の子猫時代に登録した顔の特徴と、成猫になって捨てられた時の顔の特徴が判別できるかがネックになりそうと思っていましたが、今回の結果だけみると少しは可能性はあるのかなという気もしました。