すべてのカテゴリ

#YOLO #Colab #画像認識 #Python初めてのブログ投稿です。今回は画像認識を簡単に使える方法について紹介したいと思います。一般的に、画像認識を行うためには高スペックのパソコンが必要になります。詳しく言うと、GPU付きのパソコンが必要になりますが、普通のパソコンより高額になるため、お持ちでない方もいらっしゃるかと思います。今日はGPU付きのパソコンがない方でも、Googleアカウントさえあれば簡単に画像認識を行うことができる方法についてお話します。1. Google ColaboratoryGoogleでは、GPU付きのクラウドコンピュータを無料で使えるサービスを提供しています。Google Colaboratory（ここから、Colabと書きます）というサービスです。このサービスは、環境構築を行う必要がなく、すぐにPythonでプログラミングを行うことができます。今日はこのColabを使って、画像認識ライブラリであるYOLOを使う方法について紹介します。2. ノートブックの新規作成まずは、コードを書き込むファイルを新規作成します。Colabでは、ファイルのことをノートブック（Notebook）と言います。下の図のように、メニューから「File」→「New notebook」を選択してください。次に、ノートブックのファイル名を変更します（必須ではありません）。初期設定では、CPUを使うようになっているため、GPU設定に変更する必要があります。メニューから「Runtime」→「Change runtime type」を選択します。Hareware accelerat

今日もAI画像認識の案件の仕事だったのですが、夜、持ち帰り仕事として研究し、OCRとAI画像認識でタッグを組んで、精度を上げることに成功しました。明日、実装予定です。OCRだけでも信頼度が高いデータが出ていますが、さらにそれをAI画像認識に確認するようにしました。AI画像認識だけだと、たまに「なにしてんねん!」という時があります。なので、こういうタッグはよい仕組みですね。データの信頼度だと、ケースにもよりますがAI < 人 < プログラムですね。スピードとすると人 < AI < プログラム柔軟性とするとプログラム < AI < 人となります。それぞれのよいところをうまく組み合わせて、協調してなにかを作るのが、ベストプラクティスですね。

とうとう、依頼されている案件の要望をどうにか達成したいので機械学習のアノテーション作業まで手を出すことになりそうです。機械学習における画像認識のアノテーション：わかりやすい解説アノテーションとは、機械学習モデルに画像データを「教える」ための作業です。具体的には、画像の内容を人間が見て判断し、タグ付けや枠線で囲むことで、画像に何が写っているかをコンピュータに理解させていきます。例えると、子供に言葉を教えるようなものです。 子供に絵本を見せ、「これは猫だよ」「これは犬だよ」と教えてあげることで、子供は猫や犬を認識できるようになります。同様に、アノテーションされた画像データがたくさんあればあるほど、機械学習モデルは画像をより正確に認識できるようになります。アノテーションの種類アノテーションには、主に以下の種類があります。物体検出: 画像の中の物体を検出し、タグ付けします。例えば、「猫」「犬」「車」などをタグ付けします。セマンティックセグメンテーション: 画像の中のすべての領域を分類し、それぞれにタグ付けします。例えば、「道路」「空」「人」などをタグ付けします。画像分類: 画像全体を分類します。例えば、「風景写真」「人物写真」「食べ物写真」などを分類します。アノテーションの重要性アノテーションは、高精度な画像認識モデルを開発するために不可欠です。質の高いアノテーションデータは、以下の点で重要です。モデルの精度向上: 正確なアノテーションデータは、モデルがより正確な特徴を学習し、より良い結果を出すのに役立ちます。汎用性の向上: 多様なアノテーションデータは、モデルの汎用性を高め、様々な状