新規学習
前回に引き続き、黒色背景画像からGrabCutを用いて桃領域を抽出した画像を用いて、ハイブリッドモデルの学習を行った。
今回は10分割でクロスバリデーションを行った。
背景：黒色背景
桃の糖度：各側面に対応
データ数：元データ1024を拡張した10240データ
・学習過程グラフ
・評価結果
↓10分割クロスバリデーション
| 評価関数 | MAE | RMSE | R２ |
|---|---|---|---|
| 平均値 | 0.9857 ±0.1372 | 1.3269 ±0.2485 | 0.4429 ±0.3246 |
↓4分割クロスバリデーション
| 評価関数 | MAE | RMSE | R２ |
|---|---|---|---|
| 平均値 | 0.5862 ±0.0663 | 0.8512 ±0.2473 | 0.7399 ±0.1607 |
結果としてはMAEとRMSEは大きくなり、R２は小さくなった。
黒色背景画像のみでは、10分割に対してデータが少ないと考えられる。
今後の課題
・カラー背景画像からの桃領域抽出
・カラー画像を追加して学習
・異なるモデルを用いての学習（VGG、Xceptionなど）
新規学習
黒色背景画像からGrabCutを用いて桃領域を抽出した画像を用いて、ハイブリッドモデルの学習（４分割クロスバリデーション）を行った。
背景：黒色背景
桃の糖度：各側面に対応
データ数：元データ1024を拡張した10240データ
・画像例（265px × 242px, 72dpi）
・学習過程グラフ
↓これだけval_mae, val_lossが100を超えている
(他は10〜20程度)
・評価結果
| 評価関数 | MAE | RMSE | R２ |
|---|---|---|---|
| 平均値 | 0.5862 ±0.0663 | 0.8512 ±0.2473 | 0.7399 ±0.1607 |
| 評価関数 | MAE | RMSE | R２ |
|---|---|---|---|
| 平均値 | 0.4223 | 0.6249 | 0.8833 |
結果としてはMAEとRMSEがやや下がり、R２はやや上がった。
引き続き10分割クロスバリデーションを行っていく。
今後の課題
・10分割クロスバリデーション
・カラー画像を追加して学習を行う
やったこと
・黒色背景画像からの桃領域の抽出
・新規学習
・黒色背景画像からの桃領域の抽出
黒色背景画像からGrabCutを用いて桃領域を抽出し、背景を黒色で塗りつぶしました。
画像サイズは、265 × 242です（それぞれ最小値に縮小し、アスペクト比は考慮しない）。
・新規学習
黒色背景画像からGrabCutを用いて桃領域を抽出した画像を用いて、ハイブリッドモデルの学習（４分割クロスバリデーション）を行った。
| 評価関数 | MAE | RMSE | R２ |
|---|---|---|---|
| 平均値 | 1.2310 ±0.1209 | 1.5911 ±0.2273 | -0.04303 ±0.3569 |
学習過程にはムラがある。
val_maeとval_lossが下がりが悪いことから、やや過学習の傾向があると考えられる。
今後の課題
・カラー画像から桃領域を抽出して学習を行う