機械学習を勉強してから画像がハムケツか否かを識別するプログラム作成を試みたのですがなかなか上手くいきませんでした。

Tensorflowを使えばプログラミングレスでいい感じにできそうだったので、Tensorflowに入門（というか体験）してみました。

この記事ではTensorflowの画像分類チュートリアルに実際に取り組んだ内容を中心に紹介します。

How to Retrain an Image Classifier for New Categories

最後にこのプログラムを使ってハムケツ判定を行います。が、チュートリアルの学習画像を差し替えるだけです。

環境

Python3.6.1（Anaconda 4.3.21）
Tensorflow1.8
Windows10

Tensorflowチュートリアル

公式チュートリアルは花の分類学習を行います。

環境づくり

AnacondaでTensorflow用のPython環境を作り、tensorflow、tensorflow-hubをインストールします。

$ conda create -n tensorflow python=3.6.1
$ activate tensorflow
(tensorflow)$ pip install tensorflow
(tensorflow)$ pip install tensorflow-hub

学習データ取得

以下のファイルをダウンロードして適当なディレクトリに解凍します。

カテゴリ分けされた花の画像が格納されています。

ソースコード取得

githubに公開されているretain.pyをダウンロードします。

実行

あとはプログラムを実行するだけです。--image_dirには先ほど解凍した学習データが格納されているフォルダを指定します。

(tensorflow)$ python retrain.py --image_dir ~/flower_photos

ここからボトルネック（画像の特徴点のようなもの？）の作成と、4,000ステップの学習が始まります。私の環境では終わるまでおおよそ1時間ほどかかりました。

学習状況の確認

tensorboardコマンドを使って学習状況をリアルタイムに確認することができます。

デフォルトでは学習結果ファイルが/tmp（WindowsではC:/tmp）に作成されています。

tensorboardコマンドに上記の/tmp/retains_logsを指定して実行します。
※tensorboardはtensorflowを導入したpython環境をactivateしてから実行します。

(tensorflow)$ tensorboard --logdir C:/tmp/retains_logs

TensorBoard 1.8.0 at http://hostname:6006 (Press CTRL+C to quit)

起動後にブラウザからhttp://hostname:6006にアクセスすると、学習データが表示されます。

テスト

できあがった学習データを使って、本当にうまく画像分類してくれるかをテストします。

label_image.pyをgithubからダウンロードして適当なディレクトリに配置します。

https://github.com/tensorflow/tensorflow/raw/master/tensorflow/examples/label_image/label_image.py

先ほど生成された学習データを--graph'と--labels'に、分類したい画像を--imageに指定してlabel_image.pyを実行します。

(tensorflow)$ python label_image.py \
--graph=C:/tmp/output_graph.pb --labels=C:/tmp/output_labels.txt \
--input_layer=Placeholder \
--output_layer=final_result \
--image=~/flower_photos/daisy/21652746_cc379e0eea_m.jpg

テスト画像はデイジー（ヒナギク）です。

実行してみると「99%の確率でデイジー」と判定しました。

ハムケツでチャレンジ

以上がチュートリアルです。ここからはハムケツでチャレンジします。

と言ってもテスト画像を差し替えるだけです。今回はhamketsuフォルダの中に、

ハムケツばかりを集めた画像フォルダ「hamketsu」
ハムケツによく似た大福ばかりを集めた画像フォルダ「nothamketsu」

の2種類を用意して画像を学習させます。枚数はそれぞれ約200枚です。

ちなみに学習画像はgoogle、being、twitterから自前のプログラムで収集しました。
https://github.com/quotto/imagecrawler

それでは学習させていきます。

(tensorflow)$ python retrain.py --image_dir ~/hamketsu

tensorboardで学習状況を見てみると、特にvalidationはチュートリアルに比べて上手く学習できていないことが伺えます。

学習が終わったらテストをしてみます。

(tensorflow)$ python label_image.py \
--graph=C:/tmp/output_graph.pb --labels=C:/tmp/output_labels.txt \
--input_layer=Placeholder \
--output_layer=final_result \
--image=~/test/テストする画像ファイル.jpg