文化情報学科:画像認識モデルを作成
ニュース
文化情報学科の「展開演習2」(担当:早瀬光浩准教授)で開催された画像認識コンペの中で、学生らがプログラムを作成しました。
このコンペでは、データを追加学習させる転移学習やファインチューニングなどを活用し、学生自ら考え、学修したことを組み合わせながら、認識精度の高いプログラムを作成することを目的としています。今年度のテーマ「動物を認識しよう!」に合わせ、6月に東山動植物園でデータの収集を行いました。
学生らは、31種の動物のデータを収集し、正解率を計算(結果図1)。コンペで1位となった学生の結果では、「ほとんどの動物が正しく認識できているが、カンガルーとライオン、アザラシとペンギンで50%の誤認識がある」結果となりました。これは、取得したデータで区別できる要素が少なかったためと考えられます(図2)。
受講した学生らは、「精度の高いモデルを作成するために、事前に授業で学んだ転移学習を用いながら、何度も挑戦した」「学習させるための時間をどれだけ捻出できるか苦労した」など、学びの内容を生かした実践的な力を身に付けました。
関連する記事:画像認識コンペを実施
(図1)収集した31種類の内、上位10位までの結果です。
(図1)収集した31種類の内、上位10位までの結果です。
順位 | 使用したモデル | 手法 | batch | epoch | 評価データに対する正解率 |
1 | ResNet50 | 転移学習 | 64 | 10 | 0.96875 |
2 | DenseNet121 | 転移学習 | 32 | 15 | 0.96700 |
3 | ResNet50 | 転移学習 | 64 | 20 | 0.95000 |
4 | AlexNet | 転移学習 | 32 | 20 | 0.94688 |
5 | VGG16 | 転移学習 | 64 | 30 | 0.94337 |
6 | ResNet18 | 転移学習 | 64 | 20 | 0.93575 |
7 | ResNet50 | 転移学習 | 128 | 20 | 0.92950 |
8 | VGG16 | 転移学習 | 32 | 10 | 0.92150 |
9 | ResNet18 | ファインチューニング | 64 | 5 | 0.90000 |
10 | AlexNet | 転移学習 | 32 | 20 | 0.88575 |
