Embed Size (px)
Citation preview
Watson Visual Recognition
Toolで簡単画像認識【名古屋】IBM Bluemix 勉強会
Atsushi “Bird” Tomita
http://facebook.com/bird.tomita
TensorFlowでの画像認識もやってます
TensorFlowの場合
• 画像認識のネットワーク構築には優秀なエンジニアが必要
• 学習用の教師データの加工が大変
• 学習データ量が多く必要（１クラスに1000枚以上）
• 高速なGPUマシンが必要
Watson Visual Recognition
やってみた
画像を用意
• Visual Recognitionは「１クラス最低10枚」の画像を入れれば分類器が作成できる。（らしい）
フォルダごとに画像を分けたら「アーカイブユーティリティ」にドラッグすれば、フォルダごとの圧縮ファイルができます
分類器の作成
分類器の名前を決めて(例：dogs)
クラスの名前を決めて(例：Chiwawa)
zipファイルをドラッグ
クラスを追加
作成！
これだけ
10分ほど待ってtraining が ready になったら学習終了です
curlコマンドだと
curl -X POST \
-F “CROWN_110_positive_examples=@CROWN_110.zip” \
-F “CROWN_120_positive_examples=@CROWN_120.zip” \
-F “CROWN_130_positive_examples=@CROWN_130.zip” \
-F “CROWN_150_positive_examples=@CROWN_150.zip” \
-F “CROWN_170_positive_examples=@CROWN_170.zip” \
-F “CROWN_180_positive_examples=@CROWN_180.zip” \
-F “CROWN_200_positive_examples=@CROWN_200.zip” \
-F “CROWN_210_positive_examples=@CROWN_210.zip” \
-F "[email protected]" \
-F "name=CROWN" \
"https://gateway-a.watsonplatform.net/visual-
recognition/api/v3/classifiers?api_key=<APIKEY>&version=2016-05-20"
結構大変です
Watson Visual Recognition
の場合
• 画像認識のネットワーク構築は不要。機械学習エンジニアである必要はない。
• 学習用の教師データ加工をしなくても大丈夫
• 学習データ量が少なくてもいい（最低２０枚から）
• 高速なGPUマシンは不要。
グッドトレーニングのためのガイドライン
• https://www.ibm.com/watson/developercloud/doc/visual-recognition/customizing.html#guidelines-for-
good-training
• zipファイルあたり50枚以上の画像を推奨
• 多くの画像があれば精度はあがる。5000枚くらいだといい。これ以上増やしても劇的に上がることはない。
• .zipファイルごとに合計150〜200枚の画像をアップロードすると、訓練にかかる時間と分類子の精度向上のバランスが最適になります。 200以上の画像は時間を増加させ、精度を向上させますが、時間がかかる。
• 各zipファイルには、ほぼ同じ数のイメージを含めます。 不均等な数の画像を含むと、訓練された分類器の品質が低下する可能性がある。
• 画像の品質によって分類器の品質も変わるので、スマホで撮った写真だけでなく、プロの素材などもあると良いです。
• 画像は幅・高さ320px以下に抑えた方がいい。高解像度である必要はありません。
Watson画像認識 ステキ！
