18-02　「背景認識」という手段で誤認識を減らす ●3クラスだけで進むと誤認識が多くなる 　人・自動車・バイク、3クラスの画像が揃ったら早速、学習→推論→FPGAに実装と行きたいところですが、実際にやってみると図18-07のように「誤認識」で画面が埋め尽くされてしまいます（＊１）。 （＊１）BはBike、CはCar、HはHuman。ノートパソコンに画像を映してカメラで撮っている。背景が「ヒト」と認識されてしまっている 図18‐07　背景がHで埋め尽くされる。これではダメ ●背景は背景として認識させる 　このような誤認識を避けるため、新たに「背景」のクラスを追加します。まずは"white"クラスを設けて白っぽい画像を用意します。図18‐08のように評価用のフォルダに3個の画像を置きます。 図18-08　白画像3枚（val_1\white）。微妙に色が違う ●訓練用は枚数が多い 　訓練用には24枚用意しました（図18‐09）。フォルダ名は"3"とします。完全な真っ白ではなく、ある程度バリエーションを持たせる方が良いと思います。 図18-09　train_1フォルダの"3"に置く ●黒とベージュも用意する 　黒の背景画像も用意します（図18‐10(a)）。また背景にありがちな色（同図(b)ではベージュ）も用意するとよいでしょう。 図18-10(a) 図18-10(b) ●背景が変化する部分も認識させる 　更に図18‐11のように白→黒と変化する背景画像も用意します。また逆のパターン黒→白も用意します。 図18-11　白→黒。その逆も用意する ●上から下の変化も認識させる 　図18‐12のように縦に白→黒と変化する背景画像も用意、そして逆のパターン黒→白も用意します。 　このように背景画像を計7クラス追加し、動くもの（人・自動車・バイク）の3クラスと合わせて10クラスになります。 図18-12　この逆パターンも用意。背景は計7クラス 次のページへ 目次へ戻る