tensorflow(またはkeras)で実装した犬猫分類機の分類結果の可視化とモデルの引き継ぎ

Question

tensorflowで犬猫判別機を作って、ラベルをつけたtrainデータを使って学習させました。そこで、ラベルのついていないtestデータに対して分類を行い、その分類があっているのかどうかを可視化したいと思っています。
ここでの可視化とは、示された犬か猫の画像に対して分類機が犬と猫、どちらだと示しているのかというのをわかるようにさせたいです。つまり、画像の中のここの領域に犬または猫がいるというのを領域で示し、その上部に犬か猫かどちらなのかを文字で示すようにさせたいです。
OpenCVを使えば実装できると思ったのですが、どのように実装すれば良いのかわかりません。また、学習させたモデルを最後に保存するようにしているのですが、そのモデルを再度使う方法がわかりません。

以下に犬猫画像を学習させた判別機のコードを示します。

# -*- coding: utf-8 -*-
import sys
import pickle
import os
import numpy as np
import tensorflow as tf
import tensorflow.python.platform

NUM_CLASSES = 2
IMAGE_SIZE = 56
IMAGE_PIXELS = IMAGE_SIZE*IMAGE_SIZE*3

flags = tf.app.flags
FLAGS = flags.FLAGS
flags.DEFINE_integer('max_steps', 10, 'Number of steps to run trainer.')
flags.DEFINE_integer('batch_size', 10, 'Batch size'
                     'Must divide evenly into the dataset sizes.')
flags.DEFINE_float('learning_rate', 1e-4, 'Initial learning rate.')

def inference(images_placeholder, keep_prob):

    def weight_variable(shape):
      initial = tf.truncated_normal(shape, stddev=0.1)
                                                        
      return tf.Variable(initial)

    def bias_variable(shape):
      initial = tf.constant(0.1, shape=shape)

      return tf.Variable(initial)

    # 畳み込み層の作成
    def conv2d(x, W):
      return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

    # プーリング層の作成
    def max_pool_2x2(x):
      return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], 
                            strides=[1, 2, 2, 1], padding='SAME')

    x_image = tf.reshape(images_placeholder, [-1, IMAGE_SIZE, IMAGE_SIZE, 3])
    print(x_image.shape)

    # 畳み込み層1の作成
    with tf.name_scope('conv1') as scope:
        W_conv1 = weight_variable([3, 3, 3, 32])
        b_conv1 = bias_variable([32])
        h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)

    # プーリング層1の作成
    with tf.name_scope('pool1') as scope: 
        h_pool1 = max_pool_2x2(h_conv1)
        print("h_pool1のshape={}".format(h_pool1.shape))

    # 畳み込み層2の作成
    with tf.name_scope('conv2') as scope:
        W_conv2 = weight_variable([3, 3, 32, 64])
        b_conv2 = bias_variable([64])
        h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)

    # プーリング層2の作成
    with tf.name_scope('pool2') as scope:
        h_pool2 = max_pool_2x2(h_conv2)
        print("h_pool2のshape={}".format(h_pool2.shape))

    # 畳み込み層3の作成
    with tf.name_scope('conv3') as scope:
        W_conv3 = weight_variable([3, 3, 64, 128])
        b_conv3 = bias_variable([128])
        h_conv3 = tf.nn.relu(conv2d(h_pool2, W_conv3) + b_conv3)

    # プーリング層3の作成
    with tf.name_scope('pool3') as scope:
        h_pool3 = max_pool_2x2(h_conv3)
        print("h_pool3のshape={}".format(h_pool3.shape))

    # 全結合層1の作成
    with tf.name_scope('fc1') as scope:
        W_fc1 = weight_variable([7*7*128, 1024])
        b_fc1 = bias_variable([1024])
        h_pool3_flat = tf.reshape(h_pool3, [-1, 7*7*128]
        h_fc1 = tf.nn.relu(tf.matmul(h_pool3_flat, W_fc1) + b_fc1)
        # dropoutの設定
        h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

    # 全結合層2の作成
    with tf.name_scope('fc2') as scope:
        W_fc2 = weight_variable([1024, NUM_CLASSES])
        b_fc2 = bias_variable([NUM_CLASSES])

    # ソフトマックス関数による正規化
    with tf.name_scope('softmax') as scope:
        y_conv=tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)

    return y_conv

def loss(logits, labels):

    cross_entropy = -tf.reduce_sum(labels*tf.log(logits))
    tf.summary.scalar("cross_entropy", cross_entropy)
    return cross_entropy
  
def training(loss, learning_rate):

    train_step = tf.train.AdamOptimizer(learning_rate).minimize(loss)

    return train_step

def accuracy(logits, labels):
   
    correct_prediction = tf.equal(tf.argmax(logits, 1), tf.argmax(labels, 1))

    accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
                       
    tf.summary.scalar("accuracy", accuracy)

    return accuracy

if __name__ == '__main__':
    with open('x_train.pickle_rgb', 'rb') as f1:
        train_image = pickle.load(f1)
        print(train_image.shape)

    with open('t_train.pickle_rgb', 'rb') as f2:
        train_label = pickle.load(f2)

    with open('x_test.pickle_rgb', 'rb') as f3:
        test_image = pickle.load(f3)

    with open('t_test.pickle_rgb', 'rb') as f4:
        test_label = pickle.load(f4)

    with tf.Graph().as_default():

        # 画像を入れる仮のTensor
        images_placeholder = tf.placeholder("float", shape=(None, IMAGE_PIXELS))
        # ラベルを入れる仮のTensor
        labels_placeholder = tf.placeholder("float", shape=(None, NUM_CLASSES))
        # dropout率を入れる仮のTensor
        keep_prob = tf.placeholder("float")

        # inference()を呼び出してモデルを作る
        logits = inference(images_placeholder, keep_prob)
        # loss()を呼び出して損失を計算
        loss_value = loss(logits, labels_placeholder)
        # training()を呼び出して訓練
        train_op = training(loss_value, FLAGS.learning_rate)
        # 精度の計算
        acc = accuracy(logits, labels_placeholder)

        # 保存の準備
        saver = tf.train.Saver()
        # Sessionの作成
        sess = tf.Session()
        # 変数の初期化
        sess.run(tf.global_variables_initializer())
        # TensorBoardで表示する値の設定
        summary_op = tf.summary.merge_all()
        summary_writer = tf.summary.FileWriter('./logs', sess.graph)

        # 訓練の実行
        for step in range(FLAGS.max_steps):
            for i in range(int(len(train_image)/FLAGS.batch_size)):
              
                batch = FLAGS.batch_size * i
                sess.run(train_op, feed_dict={
                  images_placeholder: train_image[batch:batch+FLAGS.batch_size],
                  labels_placeholder: train_label[batch:batch+FLAGS.batch_size],
                  keep_prob: 0.5})

            # 1 step終わるたびに精度を計算する
            train_accuracy = sess.run(acc, feed_dict={
                images_placeholder: train_image,
                labels_placeholder: train_label,
                keep_prob: 1.0})
            print ("step {}, training accuracy {}".format(step, train_accuracy))

            # 1 step終わるたびにTensorBoardに表示する値を追加する
            summary_str = sess.run(summary_op, feed_dict={
                images_placeholder: train_image,
                labels_placeholder: train_label,
                keep_prob: 1.0})
            summary_writer.add_summary(summary_str, step)

      　　　 # 訓練が終了したらテストデータに対する精度を表示
            print ("test accuracy {}".format(sess.run(acc, feed_dict={
                images_placeholder: test_image,
                labels_placeholder: test_label,
                keep_prob: 1.0})))

            # 1 step終わるたびにTensorBoardに表示する値を追加する
            summary_str = sess.run(summary_op, feed_dict={
                images_placeholder: test_image,
                labels_placeholder: test_label,
                keep_prob: 1.0})
            summary_writer.add_summary(summary_str, step)

    # 最終的なモデルを保存
    cwd = os.getcwd()
    save_path = saver.save(sess, cwd + "//model.ckpt")

このコードの途中にあるファイルの呼び出し部分では、kaggle(https://www.kaggle.com/c/dogs-vs-cats-redux-kernels-edition/data)からダウンロードした犬猫画像にラベルづけなどの処理を施したものを呼び出しています。

最初の学習の部分ではkaggleからダウンロードしたファイル内にあったtrainデータを8:2の20000:5000枚に分けて、ラベル付けを行なって学習させました。なので、実際に分類できるかどうかはkaggleからダウンロードした中にあったテストデータで行おうと思っています。

Comments

[Q71]

> ここでの可視化とは、示された犬か猫の画像に対して分類機が犬と猫、どちらだと示しているのかというのをわかるようにさせたいです。
ここ、もっと具体的にしてください。「犬、猫と画像に書き込みたい」のか。「ここに犬がいると示したい」のか。「この領域が犬であると示したい」のか。「ここら辺を根拠に判断したと示したい」のか。あるいはこれらの複合なのか。

[vaitarika]

ご指摘ありがとうございます。
訂正させていただきました。

Answer 1

画像の中のここの領域に犬または猫がいるというのを領域で示し、その上部に犬か猫かどちらなのかを文字で示すようにさせたいです。

「分類器」を作ったのなら、分類=「犬または猫と表示する」までです。「物体検出器」なら、「この領域に犬または猫と表示する」までできます。画面が狭いのでコードを読み切れていませんが、分類器のようです。
inference の戻り値が、それぞれのクラスに属する確率なので、最大値のインデックスがクラス番号です。これで犬と判断したか、猫と判断したかわかりますよね。
ウェブ上の多くの記事は、学習の仕方を解説しています。判定器の作り方は少ないので、コードから「判定の方法」を読み解いて、コードを作り直してください。

Answer 2

分類器作成までのプログラムが終わっているのならば、

①opencvを用いて、判定したい犬or猫の写真データをベクトルデータ化。
②tensorflowで作成した際の分類器データに適した形式にreshape
③kerasを用いるとすると、model.predict_classes()などを用いてラベル分類を実施。

上記の流れでラベル分類は行えると思います。