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。

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

画像分類 新たなクラスのみの学習

uskkk
uskkk

総合スコア2

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。

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

0クリップ

141閲覧

投稿2022/01/04 09:30

ptyhonではじめて画像分類のプログラムを以下のサイトを参考に書きました。
<Deep Learningで犬・猫を分類してみよう-ai_academy-https://aiacademy.jp/texts/show/?id=164>

 認識できるクラスが無ければ新たにクラスを追加し、もう一度学習を行うことができるように変えてみました。
しかし、この場合もう一度学習を行う際も一度目の学習と同じようにかなりの時間がかかります。追加したクラスだけを学習させ、学習時間の短縮を行うことは可能でしょうか。ご教授いただければ幸いです。

python

from h5py._hl.files import File import numpy as np from keras.models import load_model from PIL import Image from matplotlib import pyplot as plt import pickle from icrawler.builtin import BingImageCrawler import shutil imsize = (64, 64) with open('classes',mode='rb')as f: classes=pickle.load(f) while True: imagess=input('画像を入力してください>>') testpic= imagess keras_param = "./cnn.h5" def load_image(path): img = Image.open(path) img = img.convert('RGB') img = img.resize(imsize) # 画像データをnumpy配列の形式に変更 img = np.asarray(img) img = img / 255.0 return img model = load_model(keras_param) img = load_image(testpic) prd = model.predict(np.array([img])) print(prd) # 精度の表示 prelabel = np.argmax(prd, axis=1) print(classes) answer=input('この中に該当のクラスはありますかy/n>>') if answer== "y" : for f in range(len(classes)): if prelabel == f: print(classes[f]) answer2=input("正解ですかy/n>>") if answer2=="y": print("ok") elif answer2=="n": print(classes) k=input('該当のクラスを指定してください>>') shutil.copy(imagess, './images/'+k) elif answer=="n": name = input("新たなクラスを入力して下さい>>") crawler = BingImageCrawler(storage={"root_dir": name}) crawler.crawl(keyword=name, max_num=100) new_path = shutil.move(name, 'images/'+name) import dateset import train

Layer

Model: "sequential" _________________________________________________________________ Layer (type) Output Shape Param # ================================================================= conv2d (Conv2D) (None, 64, 64, 32) 896 activation (Activation) (None, 64, 64, 32) 0 conv2d_1 (Conv2D) (None, 62, 62, 32) 9248 activation_1 (Activation) (None, 62, 62, 32) 0 max_pooling2d (MaxPooling2D (None, 31, 31, 32) 0 ) dropout (Dropout) (None, 31, 31, 32) 0 conv2d_2 (Conv2D) (None, 31, 31, 64) 18496 activation_2 (Activation) (None, 31, 31, 64) 0 conv2d_3 (Conv2D) (None, 29, 29, 64) 36928 activation_3 (Activation) (None, 29, 29, 64) 0 max_pooling2d_1 (MaxPooling (None, 14, 14, 64) 0 2D) dropout_1 (Dropout) (None, 14, 14, 64) 0 dense (Dense) (None, 512) 6423040 activation_4 (Activation) (None, 512) 0 dropout_2 (Dropout) (None, 512) 0 dense_1 (Dense) (None, 3) 1539 activation_5 (Activation) (None, 3) 0 ================================================================= Total params: 6,490,147 Trainable params: 6,490,147 Non-trainable params: 0

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。

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。

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。