はじめに
私が気づかないうちに、Visual Recognition Toolが公開されていました。（2017年4月現在はBeta版となっています）
試してみたところ、なかなか使い勝手の良いToolでしたので情報共有します。
Visual Recognition（以下VR）とは
VR APIは大きく分けて4つ。
- Classify an image …イメージ分類
- Detect faces …顔検出および性別・年齢の推定
- Custom classifiers …カスタム・イメージ分類
- Collections …類似画像抽出（2017年3月現在、ベータ版）
上記1、2はトレーニング済みで提供されており、事前学習の必要はありません。
一方3、4はユーザーがトレーニング画像を準備してWatsonに学習させ、独自の分類を行わせることができます。
VRについてのさらに詳しい情報は、IBM Watson Developer Cloud、あるいは、こちらの記事を参照してください。
[Swift] [iOS] Watson Visual Recognitionを使って顔解析アプリを作ってみた
[Watson] [Node-RED] 日本語に対応したVisual RecognitionのClassify an image（イメージ分類）を試してみた
VR Toolの起動
IBM Bluemixダッシュボードの「すべてのサービス」にて、VRの行をクリックします。
Visual Recognition Tool (Beta) をクリックします。
以下がVR Toolの初期画面です。
Detect faces（顔解析）を試す
「Faces」の点線内に画像ファイルをドラッグ＆ドロップするか、または「choose your files」にてPC内の画像ファイルを選択すると、顔解析を行うことができます。
※画像はパブリック・ドメイン
Classify an image（イメージ分類）を試す
「Default」では、デフォルト分類器によるイメージ分類（タグ付け）を行うことができます。
※画像はWikipediaより
Classify an imageは日本語対応していますが、VR Toolでは英語のみのようですね。
Custom classifiersを試す
Custom classifier（カスタム分類器）の作成
VR Tool初期画面で「Create classifier」をクリックすると、以下のような画面になります。
この画面でCustom classifierを作成することができます。
今回は事例として「普通乗用車」「バス」「トラック」を分類する車の分類器を作成してみました。
＜Custom classifier作成時の入力項目＞
- Classifier name：分類器のタイトルを指定。上図では「car」
- Classes：分類名とトレーニング画像のzipを指定。上図では「standard, bus, truck」
「Negative」にはどのclassにも属さない画像を指定します。（オプション）
＜トレーニング画像について＞
- classごとの画像は最低50枚は必要とされており、そのzipファイルをアップロードします。
- 画像の解像度は低くても構いません。
- zipファイルの最大サイズは100MBです。
- classごとに150〜200枚のトレーニング画像を用意すると精度がベストになるようです。
その他、良いトレーニングのための公式ガイドはこちら。
Guidelines for good training
「Create」ボタンをクリックすると初期画面に戻り、作成したClassifierが「training」状態になります。
完了すると以下のように「ready」状態になり、カスタム分類器を試すことができます。
今回の実験結果
普通車の結果。まずまずです。
バスの結果。
トラックのスコア（確信度）と近いのは、多分、トラックclassのトレーニングデータにこんなタイプのトラックが含まれていたせいでしょう。
トラック。上々かと。
※各画像はWikipediaより
今回は各classに50枚程度のトレーニング画像しか用意できなかったので、もう少し数を揃えればスコアが向上すると思われます。
まとめ
従来は、VRを試すためにはcurlコマンドや自作アプリが必要でしたが、公式ツールで簡単に試すことができるようになりました。
他のWatson APIについても、ツールの充実に期待したいと思います。