お手軽2クラス分類の限界調査1
ブログから記事を見つけたい場合はこちら
こんにちは松原です。寒いです。
今日は「簡単に作成できる2クラス分類はどの程度の精度なのか?」という点を調べてみました。
家で簡単に作れる識別器がどの程度のものなのか、把握しておいて損はないので。
めちゃくちゃ荒い調査ですので、調査の前の前調査くらいに思ってください。
状況と結論はこんな感じ。
■状況
・2クラス分類
・googleの公開しているresnetを転移学習
・学習画像は50枚ずつ
・バッチサイズ8, エポック数20
・テストデータ20枚ずつ
■結果
正解は(36/40)
分類するクラスは、犬の中でも特にかわいいパグと柴犬を選びました。
ちなみに私のTwitterアイコンのパグは、通り過ぎる幼稚園児に「犬みたいなのがいる」と犬と仮定された上で犬ではないと結論づけられたり、「あれパグかなブルドッグかな?」「ブルドッグじゃない?」とパグとブルドッグの2種類まで絞ったうえでブルドッグと判断されているそうです。かわいいです。
で、ソースコードはこれをほぼ流用。
事前学習済みモデルを学習させてみた - 茨城エンジニアのPython開発日記
転移学習元のモデルはこれ。
https://tfhub.dev/google/imagenet/resnet_v2_152/classification/5
パグ画像20枚に対してはこんな識別結果。
柴犬画像20枚に対してはこんな識別結果。
これで色々調べていって、100枚程度の画像でどのくらいの精度を簡単に実現できるのか、体系だてて調べていきたいです。
今日はその前準備くらいということで。
それではまた今度。