16-01　GTSRB クラス削減版 Pythonで実行 ●道路標識が43種類・・・ちょっと多すぎないか 　GTSRB（ドイツ版道路標識の認識）は43クラスあり、認識率は小数で98％台、整数化して97％台、ビット数削減・リミッタ追加で95％台となりました。 　本企画ではニューラルネットワークの形状を「共通化」して複数の認識対象に対応しています。すなわち重み係数の数などの「情報量」は一定であるので、もしクラスの数（標識の種類）を減らせば、一クラス当たりの情報量が増えて性能が良くなりそうです。 ●道路標識の種類を10に絞る 　本章ではGTSRBのクラスを43→10と減らして認識率の変化を見てみます。図16‐01にある10種の標識に絞って画像認識を行うよう、まずはPythonプログラムを変更します。 図16‐01　43クラスのうち最初の10クラスに絞って認識（速度制限の標識が中心） ●クラス数を10に減らしたPythonプログラム 　まずは小数で認識するプログラムを変更します（smallgts_float.py)。基本的にはlisa-croppedで行った変更と同じで、"classes"を43→10種類とし、CNNモデルの最終層の出力を43→10とします。 　さらにテスト画像のクラスID・パスをまとめたCSVファイルをTest.csv→Test0to9.csvとします。元々クラスIDが0〜42まであったものから、10クラス（0〜9）だけをピックアップしたものです（＊１）。 （＊１）Linuxならgrepコマンド、Windowsならfindstrコマンドなどでピックアップする。 ●小数で計算するPythonを走らせる 　smallgts_float.pyをJupyter Labで走らせると図16‐02のように認識率は99％台になりました。43クラスだった際（98％台）よりも改善しています。 図16‐02　認識率99％台（小数で計算） ●テスト画像も10種類（25枚表示） 　プログラムの最後にテスト画像のサンプルが25枚表示されます（図16‐03）。この時点（小数で計算）ではすべて正解しています。 図16‐03　数字の認識に近い（速度制限の標識が多い） 次のページへ 目次へ戻る