AutoMLでアニメ顔を分類する
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。
80枚くらいが一番多いですね。
学習
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。
false negativesやfalse positivesに似た画像を追加する必要がありそうです。
(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
柊つかさ
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。
Author And Source
この問題について(AutoMLでアニメ顔を分類する), 我々は、より多くの情報をここで見つけました https://qiita.com/salamander/items/ff9443912abc7a0603cc著者帰属:元の著者の情報は、元のURLに含まれています。著作権は原作者に属する。
Content is automatically searched and collected through network algorithms . If there is a violation . Please contact us . We will adjust (correct author information ,or delete content ) as soon as possible .