18-03　Pythonの変更点（白埋めによる正方形化など、続き） ●クラスIDとパスをCSVファイルにまとめる 　図18‐22は評価（推論）用画像のクラスIDとパス（場所）を読み込む部分、GTSRBではTest.csvだったものがTestMovObj.csvに変わっています。 図18-22　movobj_float.pyを検索 ●これがないと正解か不正解か分からない 　TestMovObj.csvには各画像のクラスIDとパスが書かれています（図18‐23）。プログラムはこのファイルを参考にして評価用画像を見に行き、推論結果とクラスIDを比較し、正解不正解を判定します（＊１）。 （＊１）このCSVは評価用画像の情報のみ。評価用画像と訓練用画像の分け方はここ参照 図18-23　各画像ファイルの場所と正解値 ●def shiroumeで関数定義されている 　"Shiro"で検索すると図18‐24のような「白埋め」の関数が現れます。元々長方形である画像の左右（または上下）を白色で埋めて正方形化するものです（＊２）。 （＊２）白埋めのプログラムはこのサイトから頂きました 図18-24　白埋めなので(255,255,255) ●ヒトやバイクが太くなるのを防止 　Pythonプログラム内で画像を30×30画素にしますが、単なる「リサイズ」だと図18‐25のようにバイクや人物が横に引き延ばされ、認識率の悪化に繋がります。 図18-25　形が変わるのは好ましくない ●本来の形状を保ったまま学習→推論 　したがって上記関数により画像の左右を白色で埋め、正方形にしてから30×30画素にリサイズします。物体の形（縦に長い／短い）も特徴の一つとして大事なので、この方が性能が上がりそうです。 図18-26　30×30になった画像 ●小数で99.9％以上ある 　変更したPythonプログラム(movobj_float.py)をJupyter Labで走らせると図18‐27のように99.93％になりました（走らせるたびに微妙に変わる）。この後「整数化」や「ビット削減・リミッタ追加」と進みます。 　　　　　　　　　：　　　　　　　　　：　　　　　　　　　　：　　　　　　　　　　： 　　　　　　　　　：　　　　　　　　　：　　　　　　　　　　：　　　　　　　　　　： 図18‐27　小数だとほとんど正解する 次のページへ 目次へ戻る