前回のプログラムを用いて、10種ほど画像取得し、整形していました。が、量が多く全部できていません。
https://qiita.com/ha9kberry/items/daa2fc330c71485b2c27
上記のサイトによるとvgg16よりXceptionでFine tuningしたほうが精度が高いとあったため、以前のデータで試してみました。しかし、vgg16より収束が相当遅く、精度がそれほど良くありませんでした。
今週、来週は画像の取得、整形を終わらせ、２つのモデルを用いてFine tuningさせ、精度を比較したいとおもいます。
flickrのWebAPIを用いて、新たに画像を取得できるようプログラムを作り、画像を取得していました。以前作ったモデルは、てきとうに画像を集め、学習させたものなので、今週は画像をうまく整形、選別して、学習させたいと思います。
植物20種の画像１００枚をGoogleからスクレイピング で取得し、Kerasを用いて、転移学習を行いました。特定の植物で精度が出ないため、対応策を考えるとともに、植物の画像の収集を行います。
大まかなページ作成とページ遷移の実装を行いました。また、JQueryについて学習していました。今後はレイアウトを整え、サーバーとの連携を行う予定です。
Google Cloud PlatformのGoogle Compute Engine (GCE)を用いてDebianOSのマシンを作成しました。GCEの使い方を学びつつ、ファイルアップロードのプログラムなどの作成していく予定です。
この２週間は機械学習について調べて、学ぶとともに下記のサイトの記事を参考に転移学習を試しました。
https://qiita.com/God_KonaBanana/items/2cf829172087d2423f58
20種の植物の画像をGoogle画像検索の結果画面から100枚ほどスクレイピングし、整形した上で学習させました。
結果は、テストデータで82%ほどの精度でしたが、別に何枚か試したところ、特定の植物の精度があまり良くありませんでした。
今週は一度3人の製作物を1つに合わせ、完了次第、別の学習を試すとともに画像収集をしたいと思っています。
Google ColabとQiita,impress top gearの機械学習の書籍を用いて、CNNなどの機械学習について学びました。
また、PythonのDjangoを導入する予定のため、それについて調べていましたが、結構難しい気がするため、PHPにしてもいいなと思っています。
Iチームはテーマ検討の初めの段階で、岡島、牧田と本田、柴田、加藤に２チームに分かれ、私たちのチームは「植物図鑑アプリ」を作成することになりました。
植物の写真を撮り送信することで、その写真を機械学習モデルに入力することでどの植物かを出力させ、その結果をweb上にするアプリを作成していく予定です。
分担は、本田：機械学習部分、柴田：フロントエンド、加藤：バックエンドを担当で作成していきます。