Help us understand the problem. What is going on with this article?

AutoMLでアニメ顔を分類する

More than 1 year has passed since last update.

tl;dr

  • 画像が100枚以上あれば、96%くらいの精度を達成した。

はじめに

今年の夏は豪雨や暑さが大変ですね。
先週BetaになったAutoML Visionを二次元画像に適用してみました。
今季ははたらく細胞とOne Roomしか分からないです。(にわか

データセットの作成

今回は、Kaggle Grand Masterであらせられるnagadomiさんがこちらで配布されているアニメキャラクターの顔領域サムネイルデータセット(176キャラクター)を使用します。

PROJECT=$(gcloud config get-value project) && BUCKET="${PROJECT}-vcm"

wget 'http://www.nurs.or.jp/~nagadomi/animeface-character-dataset/data/animeface-character-dataset.zip'
unzip animeface-character-dataset.zip
# 画像とラベルを紐付ける
find animeface-character-dataset/thumb/ -name *.png | while read line; do label=$(echo $line | cut -d'/' -f3 | cut -c5-); echo "gs://${BUCKET}/$line,$label"; done > animeface-character-dataset/all_data.csv
# Cloud Storageにアップロード
gsutil -m cp -r animeface-character-dataset/ gs://${BUCKET}/

Cloud Storageにアップロードした all_data.csv を選択し作成します。
beta-dot-custom-vision.appspot.com_vision_datasets_create_project=automl-mnist (1).png
80枚くらいが一番多いですね。
docs.google.com_spreadsheets_d_1QY9SOv1U6sUccj0kj91cgBUVTzgxx5c7kderhyiU6p8_edit.png

学習

START TRAINING で学習
beta-dot-custom-vision.appspot.com_vision_datasets_train_dataset=ICN2149940523575648564&model=ICN6161173102575362303&project=automl-mnist.png

評価

84%くらいしか精度が出ませんでした><。再現率(Recall)が適合率(Precision)に比べて悪そうです。
beta-dot-custom-vision.appspot.com_vision_datasets_evaluate_dataset=ICN2149940523575648564&model=ICN6161173102575362303&project=automl-mnist.png
beta-dot-custom-vision.appspot.com_vision_datasets_evaluate_dataset=ICN2149940523575648564&model=ICN6161173102575362303&project=automl-mnist (1).png

false negativesやfalse positivesに似た画像を追加する必要がありそうです。
beta-dot-custom-vision.appspot.com_vision_datasets_evaluate_dataset=ICN2149940523575648564&model=ICN6161173102575362303&project=automl-mnist (2).png

(おまけ)100枚以上画像があるキャラクター(43キャラクター)で学習する

柊かがみと柊つかさの識別はむずかしそうですね。
beta-dot-custom-vision.appspot.com_vision_datasets_evaluate_dataset=ICN5683008205872347753&model=ICN3591125282182228466&project=automl-mnist.png
beta-dot-custom-vision.appspot.com_vision_datasets_evaluate_dataset=ICN5683008205872347753&model=ICN3591125282182228466&project=automl-mnist (1).png

柊かがみ

beta-dot-custom-vision.appspot.com_vision_datasets_evaluate_dataset=ICN5683008205872347753&model=ICN3591125282182228466&project=automl-mnist (2).png

柊つかさ

beta-dot-custom-vision.appspot.com_vision_datasets_evaluate_dataset=ICN5683008205872347753&model=ICN3591125282182228466&project=automl-mnist (3).png

まとめ

  • 画像が100枚ほどあれば十分使えそうです。
  • 画像のどの部分が寄与しているか、解釈可能なUIになるとデバッグしやすそうです。
  • 活用事例がもっと増えてほしいですね。
Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
No comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
ユーザーは見つかりませんでした