質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
87.20%
Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

受付中

Kerasで、精度が上がらない & 過学習

dragon1
dragon1

総合スコア6

Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

1回答

0評価

1クリップ

4882閲覧

投稿2019/09/11 03:40

編集2022/01/12 10:55

前提・実現したいこと

PythonのKerasで、画像を判別するプログラムを書いています。

犬、猫、ライオンのカラー画像をそれぞれやく1000枚訓練データとし、3つのラベルで分類しようとしています。

モデルの精度も下の通り、イマイチで、検証データの精度を見る限りか学習してしまっています。
この原因を教えていただきたいです。

発生している問題・エラーメッセージ

イメージ説明

イメージ説明

該当のソースコード

訓練データの用意

python

NUM_CLASSES = 3 # 分類するクラス数 IMG_SIZE = 280 # 画像の1辺の長さ # 学習用画像データ train_images = [] # 学習用データのラベル train_labels = [] #学習用データセット作成 for label, dir_name in enumerate(img_dirs): # ./data/以下の各ディレクトリ内のファイル名取得 files = os.listdir(os.getcwd() + '/imgs/train_images/' + dir_name) for file in files: # 画像読み込み img = cv2.imread(os.getcwd() + '/imgs/train_images/' + dir_name + '/' + file) if img is not None: # 1辺がIMG_SIZEの正方形にリサイズ img = cv2.resize(img, dsize=(IMG_SIZE, IMG_SIZE), interpolation=cv2.INTER_NEAREST) # OpenCVの関数cvtColorでBGRとRGBを変換 img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # Numpy配列にする data = np.asarray(img) # 配列に追加 train_images.append(data) # ラベル train_labels.append(label) # numpy配列に変換 train_images = np.array(train_images) train_labels = np.array(train_labels) # ニューラルネットワークにデータを投入する前に、これらの値を0から1までの範囲にスケールする train_images = train_images.astype('float32') / 255.0 # One-Hotエンコーディングする train_labels = np_utils.to_categorical(train_labels, NUM_CLASSES)

モデルに関して

python

model = models.Sequential() model.add(layers.Conv2D(32,(3,3),activation="relu",input_shape=(IMG_SIZE, IMG_SIZE, NUM_CLASSES))) model.add(layers.MaxPooling2D((2,2))) model.add(layers.BatchNormalization()) model.add(layers.Conv2D(64,(3,3),activation="relu")) model.add(layers.MaxPooling2D((2,2))) model.add(layers.BatchNormalization()) model.add(layers.Flatten()) model.add(layers.Dense(128,activation="relu")) model.add(layers.Dropout(0.5)) model.add(layers.Dense(NUM_CLASSES,activation="softmax")) #モデルのコンパイル model.compile(optimizer=optimizers.RMSprop(lr=1e-4, rho=0.9, epsilon=1e-08, decay=0.0), loss="categorical_crossentropy", metrics=["acc"]) # Early-stopping early_stopping = EarlyStopping(monitor='val_loss', patience=2, verbose=1, mode='auto') # モデルの学習 fit = model.fit( train_images, train_labels, batch_size=64, epochs=10, verbose=1, validation_split=0.1, callbacks=[early_stopping]) # モデルの評価 test_loss, test_acc = model.evaluate(test_images, test_labels) print('Test accuracy:', test_acc)

試したこと

モデルを下のように書き換えてみましたが、モデルの精度も下がり、学習にかかる時間がとても長くなってしまいました。

python

# モデルの構築 model = models.Sequential() model.add(layers.Conv2D(32, kernel_size=(3, 3), activation='relu', input_shape=(IMG_SIZE, IMG_SIZE, NUM_CLASSES))) model.add(layers.Conv2D(64, (3, 3), activation='relu')) model.add(layers.MaxPooling2D(pool_size=(2, 2))) model.add(layers.Dropout(0.25)) model.add(layers.Flatten()) model.add(layers.Dense(128, activation='relu')) model.add(layers.Dropout(0.5)) model.add(layers.Dense(NUM_CLASSES, activation='softmax'))

最後に

適切なモデルの作り方を細かく教えていただけると幸いです。
初めての質問で至らぬところもあるかと思いますが、どうぞよろしくお願い致します。

良い質問の評価を上げる

以下のような質問は評価を上げましょう

  • 質問内容が明確
  • 自分も答えを知りたい
  • 質問者以外のユーザにも役立つ

評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

気になる質問をクリップする

クリップした質問は、後からいつでもマイページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

  • プログラミングに関係のない質問
  • やってほしいことだけを記載した丸投げの質問
  • 問題・課題が含まれていない質問
  • 意図的に内容が抹消された質問
  • 過去に投稿した質問と同じ内容の質問
  • 広告と受け取られるような投稿

評価を下げると、トップページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

tiitoi

2019/09/11 04:22 編集

画像は [0, 1] に正規化していますか? また最適化は RMSProp 以外のもの (Adamとか) も試されましたか。 学習がうまくいくかどうかはデータ次第なところがあるので、実際のデータや前処理の方法等の情報がない以上、具体的な回答はできません
dragon1

2019/09/11 04:34

訓練データに関して該当箇所の追記をしたのでご確認お願いします。 その追記した箇所にて、画像を[0, 1]に正規化しています。 最適化に関しては、現在他のものも試しているところです。
dragon1

2019/09/11 06:29

教えていただいた通り、ImageNetの学習済みモデルを使用したところ、訓練データの精度、検証データの精度ともに9割を超え、過学習することもありませんでした。ありがとうございます。
Q71

2019/09/11 12:25

解決ですか? 畳み込み層を使った分類ネットは、畳み込み層で特徴を抽出し、Dense 以降の層で特徴を分類します。よって、畳み込み層で「どのような特徴を抽出したか」が、その後の分類の精度が上がるかどうかのキーになります。 見たところ、畳み込み層が2層のようですが、これでは薄すぎます。畳み込み層を4層以上に増やしてみて下さい。この辺は、トライエラーの繰り返しになります。
dragon1

2019/09/13 05:29

いいえ、まだ解決していません。 畳み込み層を以下の用に変更してみたところ、モデルの精度が6割だったのが8割くらいまで上がりました。 しかし、まだまだ精度が低いので、これ以上上げるにはどうしたらいいんだ、と考えているところです。 ``` model = models.Sequential() model.add(layers.BatchNormalization()) model.add(layers.Conv2D(32,(3,3),activation="relu",input_shape=(IMG_SIZE, IMG_SIZE, NUM_CLASSES))) model.add(layers.Conv2D(32,(3,3),activation="relu")) model.add(layers.MaxPooling2D((2,2))) model.add(layers.Conv2D(64,(3,3),activation="relu")) model.add(layers.Conv2D(64,(3,3),activation="relu")) model.add(layers.MaxPooling2D((2,2))) model.add(layers.Conv2D(128,(3,3),activation="relu")) model.add(layers.Conv2D(128,(3,3),activation="relu")) model.add(layers.MaxPooling2D((2,2))) ``` 以上、よろしくお願いします。

まだ回答がついていません

会員登録して回答してみよう

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
87.20%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問

同じタグがついた質問を見る

Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。