前のパートに戻る 完了して次のパートへ  

  0-1 このコースの概要

TensorFlow, Kerasで画像分類AIを作ろう



このコースの概要


このコースでは、ディープラーニングを用いて画像分類AIプログラムの作成にチャレンジします。

インターネット上の画像共有サイトから画像データをクローリングしてAIモデルをトレーニングし、コマンドラインおよびウェブブラウザから未知のデータを与えて物体の推定、推定確率の表示を行います。

このコースを受講することで

  • PythonやTensorFlow, Kerasなどを用いたディープラーニングによるトレーニング(モデルの生成)
  • モデルを使用した推定プログラムの作成・実行
  • 推定プログラムのウェブアプリケーション化

などができるようになります。


作成するアプリケーションのイメージ


トップページ


ファイルを選択するダイアログ


AIで推定した分類ラベルと推定確率を出力する



このセクションの概要


このセクションでは、Pythonの実行環境の構築や、TensorFlow, Kerasなど必要なライブラリのインストールなどを行っていきます。


機械学習とは?


機械学習とは、文字通り機械(コンピューター)に大量のデータを与えてその特徴や傾向を学習させることを指します。そして、未知のデータに対して推論(Inference、推定や分類)を行います。

身近なところでは、

  • GmailやOutlookなどのEメールクライアントにおける迷惑メールフィルター
  • Amazonなどショッピングサイトにおけるリコメンド機能
  • SiriやAmazon Echoなどの音声認識・音声合成
  • 車やドローンの自動運転

などがあります。

AmazonなどのECサイトでは、バックエンドでユーザーの閲覧履歴や購入履歴を分析し、似たような嗜好を持つユーザーをグルーピングして近い購買・検索特性を持つユーザーの購入履歴を元に、現在アクセスしているユーザーに対して関連商品を表示します。

また、近年注目を集めている自動運転技術にも機械学習の技術が豊富に採り入れられています。カメラから入力された画像をリアルタイムに解析して道路上の位置や障害物を検知したり、GPSと連携して地図上の位置を把握して経路を自動計算しています。

今回は、こうした機械学習の中でもっともシンプルなニューラルネットワークを使用した画像分類プログラムの作成にチャレンジしていきます。


チャプターの構成


今回は、以下のようなプログラムを順に作成していきます。


0章 概要と環境構築

コースの概要説明と環境構築を行います。


1章 データ収集とディープラーニングによる学習・推定

  • PythonでFlickr(画像共有サイト)からデータをクローリングし、ローカルに保存するプログラム
  • 取得したデータをNumPy配列に変換・ファイルに保存するプログラム
  • モデルを定義して教師あり学習を行うプログラム
  • コマンドラインから画像ファイルを与えて推定を行うプログラム
  • データを水増しして精度向上を図るプログラム

を作成します。


2章 データを増幅して精度向上を図ろう

  • 回転や反転をしてデータを増幅してトレーニングを実行し、推定精度の向上を図ります。


3章 Flaskでウェブアプリケーション化しよう

  • ウェブアプリケーションフレームワークのFlaskを使用して、ウェブブラウザからファイルをアップロードして推定を行うプログラムを作成していきます。


使用するプログラムやパッケージ


  • Anaconda 3
  • TensorFlow(Google Brain Teamが公開している機械学習ライブラリ)
  • Keras(François Chollet氏が開発するディープラーニングライブラリ)
  • Pillow(画像処理ライブラリ)
  • Flask(ウェブアプリ化に使用します)
  • ターミナル, またはコマンドプロンプト

などを使用していきます。いずれも無料でレクチャー内で導入方法を解説します。

それでは次のレクチャーでPythonの実行環境のインストールをしていきましょう。

議論
0 質問