1
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 3 years have passed since last update.

コードを書かずにAIを構築してみる ー 失敗編

Last updated at Posted at 2020-04-21
  • コードを書かず、AWSのサービスを使いAIを構築してみる
  • 例として、六角ボルト長の判別を行う
    • ちなみに肉眼では、ぱっと見で違いが判りにくかった
    • AIもうまく判別できていなかった より学習データの量・質共に向上させる必要がある

学習データの作成

学習データの拡張

参考

学習データ数の見積

  • パラメータ: 1(ボルト長)

    回転方向数 * マスク・切抜パターン数 * 撮影枚数 > 10

    ここで、
    マスク・切抜パターン数 = 3パターン
    回転画像数 = 4方向
    なので、
    必要撮影枚数は最低1枚以上

学習結果のテスト用も含め、今回は2つのボルトを15枚ずつ 計30枚撮影する
学習データ数は計 360となる

学習データの登録

  • S3に上げる前に余白の切取り・正規化・回転処理・マスク・切り抜き処理は済ませておく
  • Amazon SageMaker Ground Truthでラベリングする

参考:
Amazon SageMaker Ground Truth を試してみる

学習

  • Amazon Rekognition Custom Labelsは2020/04現在東京リージョンでは使えない

  • 学習データ例:20mm
    study_20mm.png

  • 学習データ例:25mm
    study_25mm.png

参考:
Amazon Rekognition Custom Labels でアーモンドとピーナッツの判別モデルを作ってみた。
Amazon SageMaker 物体検出モデルの構築 ~Honey Bees~

学習データセットの作成

先ほど作ったAmazon SageMaker Ground Truthのデータを使う

data_set.png

学習実行

study.png

  • 今回は40分で終了

学習結果評価

study_result.png

  • この時点ではまずまずの結果だとおもっていた

各パラメータの意味

参考:
Amazon Rekognition Custom Labels を使って自分ちの猫を見分ける!

テスト

CLIにて確認
2020/04現在 Windows最新版CLI未対応

result-20mm.png

!???
result-25mm.png

まとめ

1
1
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
1
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?