質問編集履歴
2
修正依頼の反映
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -8,6 +8,238 @@
|
|
|
8
8
|
|
|
9
9
|
※h5ファイルは、計4つのクラスそれぞれトレーニング画像約300枚、バリデーション用画像役100枚でfine-tuningを用いて作成しました。
|
|
10
10
|
|
|
11
|
+
作成時に使用したコードは以下のようになります。
|
|
12
|
+
|
|
13
|
+
```Python
|
|
14
|
+
|
|
15
|
+
import os
|
|
16
|
+
|
|
17
|
+
from keras.applications.vgg16 import VGG16
|
|
18
|
+
|
|
19
|
+
from keras.preprocessing.image import ImageDataGenerator
|
|
20
|
+
|
|
21
|
+
from keras.models import Sequential, Model
|
|
22
|
+
|
|
23
|
+
from keras.layers import Input, Activation, Dropout, Flatten, Dense
|
|
24
|
+
|
|
25
|
+
from keras.preprocessing.image import ImageDataGenerator
|
|
26
|
+
|
|
27
|
+
from keras import optimizers
|
|
28
|
+
|
|
29
|
+
import numpy as np
|
|
30
|
+
|
|
31
|
+
import time
|
|
32
|
+
|
|
33
|
+
|
|
34
|
+
|
|
35
|
+
# 分類するクラス
|
|
36
|
+
|
|
37
|
+
classes = ['arin', 'kanako', 'reni', 'shiori']
|
|
38
|
+
|
|
39
|
+
nb_classes = len(classes)
|
|
40
|
+
|
|
41
|
+
|
|
42
|
+
|
|
43
|
+
img_width, img_height = 150, 150
|
|
44
|
+
|
|
45
|
+
|
|
46
|
+
|
|
47
|
+
# トレーニング用とバリデーション用の画像格納先
|
|
48
|
+
|
|
49
|
+
train_data_dir = '/dataset/train'
|
|
50
|
+
|
|
51
|
+
validation_data_dir = 'dataset/validation'
|
|
52
|
+
|
|
53
|
+
|
|
54
|
+
|
|
55
|
+
# 今回はトレーニング用に200枚、バリデーション用に50枚の画像を用意した。
|
|
56
|
+
|
|
57
|
+
nb_train_samples = 1438
|
|
58
|
+
|
|
59
|
+
nb_validatbion_samples = 389
|
|
60
|
+
|
|
61
|
+
|
|
62
|
+
|
|
63
|
+
batch_size = 16
|
|
64
|
+
|
|
65
|
+
nb_epoch = 10
|
|
66
|
+
|
|
67
|
+
|
|
68
|
+
|
|
69
|
+
|
|
70
|
+
|
|
71
|
+
result_dir = 'results'
|
|
72
|
+
|
|
73
|
+
if not os.path.exists(result_dir):
|
|
74
|
+
|
|
75
|
+
os.mkdir(result_dir)
|
|
76
|
+
|
|
77
|
+
|
|
78
|
+
|
|
79
|
+
|
|
80
|
+
|
|
81
|
+
def vgg_model_maker():
|
|
82
|
+
|
|
83
|
+
""" VGG16のモデルをFC層以外使用。FC層のみ作成して結合して用意する """
|
|
84
|
+
|
|
85
|
+
|
|
86
|
+
|
|
87
|
+
# VGG16のロード。FC層は不要なので include_top=False
|
|
88
|
+
|
|
89
|
+
input_tensor = Input(shape=(img_width, img_height, 3))
|
|
90
|
+
|
|
91
|
+
vgg16 = VGG16(include_top=False, weights='imagenet', input_tensor=input_tensor)
|
|
92
|
+
|
|
93
|
+
|
|
94
|
+
|
|
95
|
+
# FC層の作成
|
|
96
|
+
|
|
97
|
+
top_model = Sequential()
|
|
98
|
+
|
|
99
|
+
top_model.add(Flatten(input_shape=vgg16.output_shape[1:]))
|
|
100
|
+
|
|
101
|
+
top_model.add(Dense(256, activation='relu'))
|
|
102
|
+
|
|
103
|
+
top_model.add(Dropout(0.5))
|
|
104
|
+
|
|
105
|
+
top_model.add(Dense(nb_classes, activation='softmax'))
|
|
106
|
+
|
|
107
|
+
|
|
108
|
+
|
|
109
|
+
# VGG16とFC層を結合してモデルを作成
|
|
110
|
+
|
|
111
|
+
model = Model(input=vgg16.input, output=top_model(vgg16.output))
|
|
112
|
+
|
|
113
|
+
|
|
114
|
+
|
|
115
|
+
return model
|
|
116
|
+
|
|
117
|
+
|
|
118
|
+
|
|
119
|
+
|
|
120
|
+
|
|
121
|
+
def image_generator():
|
|
122
|
+
|
|
123
|
+
""" ディレクトリ内の画像を読み込んでトレーニングデータとバリデーションデータの作成 """
|
|
124
|
+
|
|
125
|
+
train_datagen = ImageDataGenerator(
|
|
126
|
+
|
|
127
|
+
rescale=1.0 / 255,
|
|
128
|
+
|
|
129
|
+
zoom_range=0.2,
|
|
130
|
+
|
|
131
|
+
horizontal_flip=True)
|
|
132
|
+
|
|
133
|
+
|
|
134
|
+
|
|
135
|
+
validation_datagen = ImageDataGenerator(rescale=1.0 / 255)
|
|
136
|
+
|
|
137
|
+
|
|
138
|
+
|
|
139
|
+
train_generator = train_datagen.flow_from_directory(
|
|
140
|
+
|
|
141
|
+
train_data_dir,
|
|
142
|
+
|
|
143
|
+
target_size=(img_width, img_height),
|
|
144
|
+
|
|
145
|
+
color_mode='rgb',
|
|
146
|
+
|
|
147
|
+
classes=classes,
|
|
148
|
+
|
|
149
|
+
class_mode='categorical',
|
|
150
|
+
|
|
151
|
+
batch_size=batch_size,
|
|
152
|
+
|
|
153
|
+
shuffle=True)
|
|
154
|
+
|
|
155
|
+
|
|
156
|
+
|
|
157
|
+
validation_generator = validation_datagen.flow_from_directory(
|
|
158
|
+
|
|
159
|
+
validation_data_dir,
|
|
160
|
+
|
|
161
|
+
target_size=(img_width, img_height),
|
|
162
|
+
|
|
163
|
+
color_mode='rgb',
|
|
164
|
+
|
|
165
|
+
classes=classes,
|
|
166
|
+
|
|
167
|
+
class_mode='categorical',
|
|
168
|
+
|
|
169
|
+
batch_size=batch_size,
|
|
170
|
+
|
|
171
|
+
shuffle=True)
|
|
172
|
+
|
|
173
|
+
|
|
174
|
+
|
|
175
|
+
return (train_generator, validation_generator)
|
|
176
|
+
|
|
177
|
+
|
|
178
|
+
|
|
179
|
+
|
|
180
|
+
|
|
181
|
+
if __name__ == '__main__':
|
|
182
|
+
|
|
183
|
+
start = time.time()
|
|
184
|
+
|
|
185
|
+
|
|
186
|
+
|
|
187
|
+
# モデル作成
|
|
188
|
+
|
|
189
|
+
vgg_model = vgg_model_maker()
|
|
190
|
+
|
|
191
|
+
|
|
192
|
+
|
|
193
|
+
# 最後のconv層の直前までの層をfreeze
|
|
194
|
+
|
|
195
|
+
for layer in vgg_model.layers[:15]:
|
|
196
|
+
|
|
197
|
+
layer.trainable = False
|
|
198
|
+
|
|
199
|
+
|
|
200
|
+
|
|
201
|
+
# 多クラス分類を指定
|
|
202
|
+
|
|
203
|
+
vgg_model.compile(loss='categorical_crossentropy',
|
|
204
|
+
|
|
205
|
+
optimizer=optimizers.SGD(lr=1e-3, momentum=0.9),
|
|
206
|
+
|
|
207
|
+
metrics=['accuracy'])
|
|
208
|
+
|
|
209
|
+
|
|
210
|
+
|
|
211
|
+
# 画像のジェネレータ生成
|
|
212
|
+
|
|
213
|
+
train_generator, validation_generator = image_generator()
|
|
214
|
+
|
|
215
|
+
|
|
216
|
+
|
|
217
|
+
# Fine-tuning
|
|
218
|
+
|
|
219
|
+
history = vgg_model.fit_generator(
|
|
220
|
+
|
|
221
|
+
train_generator,
|
|
222
|
+
|
|
223
|
+
samples_per_epoch=nb_train_samples,
|
|
224
|
+
|
|
225
|
+
nb_epoch=nb_epoch,
|
|
226
|
+
|
|
227
|
+
validation_data=validation_generator,
|
|
228
|
+
|
|
229
|
+
nb_val_samples=nb_validation_samples)
|
|
230
|
+
|
|
231
|
+
|
|
232
|
+
|
|
233
|
+
vgg_model.save_weights(os.path.join(result_dir, 'finetuning.h5'))
|
|
234
|
+
|
|
235
|
+
|
|
236
|
+
|
|
237
|
+
process_time = (time.time() - start) / 60
|
|
238
|
+
|
|
239
|
+
print(u'学習終了。かかった時間は', process_time, u'分です。')
|
|
240
|
+
|
|
241
|
+
```
|
|
242
|
+
|
|
11
243
|
|
|
12
244
|
|
|
13
245
|
### 発生している問題・エラーメッセージ
|
1
修正依頼の反映
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -3,6 +3,10 @@
|
|
|
3
3
|
|
|
4
4
|
|
|
5
5
|
h5ファイルをtfliteに変換してandroid端末上で動かせるようにしたいです
|
|
6
|
+
|
|
7
|
+
|
|
8
|
+
|
|
9
|
+
※h5ファイルは、計4つのクラスそれぞれトレーニング画像約300枚、バリデーション用画像役100枚でfine-tuningを用いて作成しました。
|
|
6
10
|
|
|
7
11
|
|
|
8
12
|
|