3-06　白線や縁石の画像を追加して誤認識減らす 　さらに学習用画像を追加します。train_1_hak_ens.zipをアップロードして解凍しましょう（図3‐38）。 図3‐38　白線と縁石の画像を追加 　train_1の下の"41"を見ると白線や縁石の画像が追加されています。 図3‐39　41フォルダに白線と縁石 　もう一度学習をやり直します。gtsrb_float_42.pyを実行しましょう。 図3‐40　学習用Pythonプログラムの実行 ●白線も縁石も床クラスとして認識 　学習が終わったら推論です。gtsrb_still_pred_42.pyを再度実行しましょう。 　その結果は図3‐41のようになり、白線や縁石の部分の誤認識が減りました（これと比較）。 図3‐41　誤認識は数えるほどになった ●生成AIを使った既存の画像セットの強化 　KaggleのGTSRBデータセットをそのまま使って学習すると、正解率こそ97.5％でしたが、未知の画像に適用した際の背景誤認識が多く（これ）、実用的ではありませんでした。 　AIで背景画像を生成→背景を床クラスとして認識→床クラス（F)は非表示、といった工夫により、図3‐41のように大幅に誤認識を減らすことができました。 ●自力で撮影できなくても生成AIがある！ 　今回はアスファルト、青空、樹木などを生成しましたが、例えば雪道、山道、砂漠の道など、自力での撮影が難しい風景でもAIなら自在に生成できます。ぜひ生成AIを活用しましょう！ 最初のページへ 目次へ戻る