2-03　ディープラーニング（画像認識）のロードマップ 　図2-10にカラーボール認識のロードマップを示します。まず学習用画像セットをGoole Colabにアップロードし、ディープラーニングの「学習」を行います。 　学習により生成された「学習済みモデル」を「推論用画像セット」に適用して「推論」を行います。そして推論結果を「ラベルリスト」と照合し、認識率を求めます。 　最後に「未知の画像」を推論します。この際ラベルリストはなく、推論結果の正誤は目視で判断し、学習済みモデルの実用性を確認します。 図2‐10　ロードマップ〜Google Colabで学習→推論する ●アルゴリズムはシンプルな6層CNN 　ディープラーニングの手法として、CNN（Convolutional Neural Network、畳み込みニューラルネットワーク）があります。今回は畳み込み層4層、全結合層2層のCNN（＊３）で画像認識します。 （＊３）その仕組みはインターフェース誌2025年2月号、生成AI×エッジ・デバイス連載3回目で説明。ここに原稿と図面を置きます。 （＊４）Pythonプログラム内で30x30画素にリサイズする（実際の画像より一回り小さくする） 次のページへ 目次へ戻る