3-04 アスファルトを床クラスとして認識
図3‐27 もう一つZIPを解凍
| するとtrain_1フォルダの下に"41"フォルダが現れ、そこには「アスファルト」の画像があります（図3‐28）。 |
図3‐28 41は床クラス（一つクラスが増えた）
●道路標識41クラス＋床クラスで学習
さらにgtsrb_float_42.pyをアップロードして実行します（図3‐29）。これはクラス数を41から42に増やして学習するプログラムです（新しいクラスを「床クラス」と名付ける）。 |
図3‐29 floorは床画像。数はそんなに多くない
●床は床として認識（結果は非表示）
学習により重み係数とバイアスが更新され、それらを使って今度は推論します。gtsrb_still_pred_42.pyをアップロードして実行しましょう。
その結果は図3‐30のようになり、アスファルトの部分の誤認識が減りました（これと比較）。 |
図3‐30 誤認識が減った！
●Pythonをダブルクリックで開いて変更
gtsrb_still_pred_42.pyを開き、図3‐31のようにprediction < 41の部分を42にしてみましょう。実行すると図3‐32のように"F"がたくさん現れます。図3‐30ではそれらを非表示にしていたのです。 |
図3‐31 Google Colab上で解凍する
図3‐31 アスファルトの部分は「床クラス」と認識されている
| アスファルトの学習用画像はAIで生成しても良いですし、フリーの素材を活用したり、自分で撮影するのも良いでしょう。図3‐30では誤認識が減りましたが、「青空」や「樹木」にまだ誤認識が見られます。次はこれらを減らしてみましょう。 |
次のページへ
目次へ戻る |