20-02　背景認識の効果を見る ●推論用のフォルダ名を変える。学習用はそのまま 　前処理（MNISTの画像ファイル化→分類）のPythonプログラムを学習用、推論用、それぞれ走らせます。その後、推論用のフォルダ名を 0, 1, 2,... 9 から zero, one, two,... nine に変更します（学習用はそのまま）。 　図20‐07を見ると zero, one, two,... nine に加えて white, black, bk2wh...といったフォルダがありますが、これらは「背景認識」に使用する画像を含みます。 図20-07　推論用画像のフォルダ名。背景画像もある ●数字の画像だけで学習を行うと… 　もし「背景認識」をしなかったらどうなるでしょうか。0〜9の「数字のみ」で学習→推論を行った一例を図20‐08に示します。同図を見ると背景、特に「境界」の部分に「誤認識」が多々見られます。 図20-08　境界部が４、１、７、２などと認識されている ●背景認識で誤認識を減らす 　したがって背景は背景として認識させます。さらに認識結果を表示する際、「背景の認識」は非表示にします（図20‐09）。図20‐08と比べるとずいぶんスッキリしています。 図20-09　境界部の誤認識が消えた！ ●境界部は数字ではなく背景として認識 　ちなみに「背景の認識」も表示させると図20‐10のようになります。境界の部分 (wh2bk, bk2wh, wh_bk, bk_wh) が「背景」として認識されていることが分かります。 図20-10　WK、KWなど「背景認識」を表示してみる。Kは黒という意味（blacK） ●背景画像は学習用に数十枚あればよい 　図20‐11に背景認識の画像を例示します。「真っ白」 「白→黒」 「黒↓白」など、推論用は各クラス3枚づつです（微妙に色合いが違う）。 　ちなみに学習用は各クラス24枚づつ、背景認識ならこれくらいの枚数を用意すれば間に合うと思います。 真っ白 (white) 白→黒 (wh2bk) 黒↓白 (bk_wh) 図20-11　背景画像の一例。少ない枚数でも効果がある 次のページへ 目次へ戻る