19-01　コンクリートのひび割れのデータセットを探す ●コンクリートのひび割れを「検出」する 　「道路標識の認識」を「信号機の認識」に変更し、さらに「人・自動車・バイクの認識」に変更しました。本章では「コンクリートのひび割れの発見」を試みます。かなり趣きが変わりましたが、HDLは「重み係数」など、ごく一部を変更するだけで済みます。 　Kaggleで「データセット」で"crack"などを検索するとこのサイトが見つかると思います。Surface Crack Detection（データセット）をダウンロードしましょう（図19‐01）。 図19-01　Kaggleからひび割れの画像をダウンロードする ●ひび割れの画像のフォルダ 　アーカイブを解凍するとPositiveフォルダは図19‐02のような「ひび割れ」の画像が20,000枚あります。 図19-02　Positiveにはひび割れの画像が2万枚。縦横斜めにひびが走る ●ひび割れのない画像のフォルダ 　Negativeフォルダには図19‐03のような、ひび割れのない画像があります。こちらも20,000枚、比較的つるつるしたコンクリート表面の画像です。 図19-03　Negativeにはひび割れなしの画像が2万枚 ●訓練用train_1フォルダ以下は名前を0，1とする 　Positiveの20,000枚のうち、18,000枚を訓練用（学習用）とします。同様にNegativeの20,000枚のうち、18,000枚を訓練用とします。それぞれtrain_1フォルダ以下に0, 1という名前のフォルダに格納します（図19‐04）。 図19-04　学習用の画像。0にはひび割れあり、１にはひび割れ無し ●評価用val_1フォルダ以下は名前をposi, negaに 　Positiveの20,000枚のうち、残りの2,000枚は評価用（推論用）とします。同様にNegativeの20,000枚のうち、2,000枚を評価用とします。それぞれval_1フォルダ以下にposi, negaという名前のフォルダに格納します（図19‐05）。 図19-05　こちらは推論用。posiはひび割れ、negaはひび無し ●背景は背景として認識させる 　ひび割れあり／なしの2クラスだけで学習→推論することもできますが、ここで経験したように、それだけでは背景が「誤認識」で埋め尽くされてしまいます。したがって本章でも「背景クラス」を設けて背景として認識させます。 次のページへ 目次へ戻る