AI Cloud CODE DeepLearning IBM Cloud

画像AIを使う、作るのは意外に簡単③

thumb nail

次は、自分のために働いてくれるAIを作りましょう!!

AIの魅力は、何と言っても、自分の代わりに働いてくれるところです。

前回に引き続き、今回もIBM CloudのVisual Recognitionを使用します。

ApiKeyが必要になりますので、前回の内容を見て取得しておいてください。

スポンサーリンク

画像AIを作るステップ

AIを作るためのステップは大体、こんな感じになります

どれがめんどくさいか、実際にやってみるとよくわかります。Step1,2です。

Step5のテスト結果が悪いと、Step1-4を繰り返します。

画像を用意する

今回は評価なので、画像は60枚ずつ用意しました。とりあえず、子供が持っていた、トミカと動物&恐竜。

名前をつける

名前をつけるといっても、画像を分類ごとにフォルダに分けるだけです。

学習用とテスト用に分ける

なぜデータを分けるのか?集めたからには、AIの学習に全て使いたい気持ちはわかります。

が、人間と一緒でテストをしないと、本当に賢くなったのかわからないのです。

データは大体、学習:テスト=8:2もしくは7:3に分けます。

私は、60枚集めたので、50:10に分けました。学習画像は最低50枚いるので、画像数が少ない場合は、50枚以上になるようにしましょう。

githubに画像入れましたので、よければお使いください。

https://github.com/hituji1012/ai-image-sample

AIに学習させる

フォルダを圧縮する

Visual Recognitionに圧縮ファイルを送るので、学習用のフォルダを圧縮しましょう。

curlのコマンドのapikeyなどを差し替え

下記のCurlのコマンドをMacならターミナル、Windowsならコマンドプロンプトでたたきます。

*圧縮ファイルがあるフォルダまでcdで移動しておくのを忘れないように。

{apikey}:取得したAPIKeyです

{class_name1},{class_name2}:分類する名称ですが、フォルダ名と同じで良いです

{zip_filename1},{zip_filename1}:圧縮してあるZipファイル名

{ai_name}:適当な名前をつけてください。

curl -X POST -u "apikey:{apikey}" -F "{class_name1}_positive_examples=@{zip_filename1}.zip" -F "{class_name2}_positive_examples=@{zip_filename2}.zip" -F "name={ai_name}" "https://gateway.watsonplatform.net/visual-recognition/api/v3/classifiers?version=2018-03-19"

今回、私は「car」「animal」とするので、下記に変更しています。

curl -X POST -u "apikey:*****" -F "car_positive_examples=@car.zip" -F "animal_positive_examples=@animal.zip" -F "name=myai" "https://gateway.watsonplatform.net/visual-recognition/api/v3/classifiers?version=2018-03-19"

2種類でなく、もっと分類したい種類が多い場合は

-F "{class_nameN}_positive_examples=@{zip_filenameN}.zip"

の部分を増やします。

curlコマンドを叩くと、下記のようなメッセージが出るので、学習が開始されます。

下記の「classifier_id」は学習の進み具合を確認するのに使います。

学習状態を確認する

学習が終わったかどうかは、下記のcurlコマンドを叩くと教えてくれます。

{apikey}:サービスのApiKey

{classifier_id}:学習時に出てきたid

curl -u "apikey:{apikey}" "https://gateway.watsonplatform.net/visual-recognition/api/v3/classifiers/{classifier_id}?version=2018-03-19"

status:training(学習中)/ready(学習完了)

AIに判別させる

statusがreadyになったら、早速、テスト用の画像でAIに分類してもらいましょう。

curlのコマンドは前回のものと似ています。{apikey}と{file_name}を置き換えて、AIに判別してもらいましょう。

curl -X POST -u "apikey:{apikey}" -F "images_file=@{file_name}" -F "threshold=0.5" -F "owners=me" "https://gateway.watsonplatform.net/visual-recognition/api/v3/classify?version=2018-03-19"

私の実行した結果は、

前回と同じで、見るところは、“class”:「AIの結果」と”score”:「結果に対するAIの自信」です。

うまく分類できています。

最後に

これで実際にAIを自分で作って、使ってみることができました!!

では、実際にどうやって自分の抱えている問題をこれで解決するかというと、例えば、1回目のクリーニング屋さんの活用事例だと、いろいろな服を学習させて、AIが自動で洋服の種類を分類してくれれば、人件費が浮くというようなことです。

実際にはすんなり行くわけではなく、いろいろ苦労はあるものですが、活用イメージつかめるかと思います。

さて、IBM Cloudを使うと、すぐに自分用のAIが作れましたが、費用がなぁ。。。と思われている方は、やはり、AIのアルゴリズムを自分で用意する必要があります。

次回からは、その話を進めていきます。

-AI, Cloud, CODE, DeepLearning, IBM Cloud
-, ,

© 2020 ひつじ工房 Powered by AFFINGER5