回答編集履歴
2
d
answer
CHANGED
|
@@ -34,4 +34,19 @@
|
|
|
34
34
|
猫をくじゃくと誤認させる Adversal Example を生成させています。
|
|
35
35
|
実行には [imagenet_class_index.json](https://gist.githubusercontent.com/PonDad/4dcb4b242b9358e524b4ddecbee385e9/raw/dda9454f74aa4fafee991ca8b848c9ab6ae0e732/imagenet_class_index.json) を ipynb と同じディレクトリにダウンロードして、置いてください。
|
|
36
36
|
|
|
37
|
-
[ImageNet の学習済みモデルで行うAdvarsal Example](https://github.com/nobetan/dl_examples/blob/master/adversal_example/adversal_example_imagenet.ipynb)
|
|
37
|
+
[ImageNet の学習済みモデルで行うAdvarsal Example](https://github.com/nobetan/dl_examples/blob/master/adversal_example/adversal_example_imagenet.ipynb)
|
|
38
|
+
|
|
39
|
+
## 追記
|
|
40
|
+
|
|
41
|
+
キルミーのほうは学習データが少なすぎて、仮に100%近い精度が出たとしてもそれはあくまで学習したデータに対してなので、汎化性能はないでしょうし、意味がないと考えています。
|
|
42
|
+
もしやるなら、キルミーではなく、最初から「26クラス約3000枚の画像」のほうでやってみたらどうでしょうか。
|
|
43
|
+
収束しないときは以下をいろいろ変えてみるとよいと思います。
|
|
44
|
+
|
|
45
|
+
```
|
|
46
|
+
x = Dense(100, activation='relu')(x) # 識別層の次元数
|
|
47
|
+
x = Dropout(0.5)(x) # ドロップアウトの脱落率
|
|
48
|
+
model.compile(loss='categorical_crossentropy', # 学習方法
|
|
49
|
+
optimizer='adam', metrics=['accuracy'])
|
|
50
|
+
```
|
|
51
|
+
|
|
52
|
+
エラーですが、sample.jpg は適当に用意して ipynb と同じディレクトリに配置してください。猫を使いましたが、犬とか鳥とか ImageNet の 1000 カテゴリならなんでもいいです。
|
1
dd
answer
CHANGED
|
@@ -10,4 +10,28 @@
|
|
|
10
10
|
にした以外はそのままのコードで動きましたよ。
|
|
11
11
|
|
|
12
12
|
TensorFlow のバージョンは `1.4.1` です。
|
|
13
|
-
いくつのバージョンのをお使いなのでしょうか？
|
|
13
|
+
いくつのバージョンのをお使いなのでしょうか？
|
|
14
|
+
|
|
15
|
+
## 追記
|
|
16
|
+
|
|
17
|
+
元の Notebook は不完全な点が見受けられたので、書き直しました。
|
|
18
|
+
|
|
19
|
+
[キルミーの学習済みモデルで行うAdvarsal Example](https://github.com/nobetan/dl_examples/blob/master/adversal_example/adversal_example_killme.ipynb)
|
|
20
|
+
|
|
21
|
+
キルミーの方は各クラスのデータ数が以下のようになっており、汎化性能のある分類器をつくるという点では完全にデータ不足です。
|
|
22
|
+
|
|
23
|
+
```
|
|
24
|
+
class name: agiri class id: 0 number of images: 44
|
|
25
|
+
class name: botsu class id: 1 number of images: 10
|
|
26
|
+
class name: others class id: 2 number of images: 64
|
|
27
|
+
class name: sonya class id: 3 number of images: 175
|
|
28
|
+
class name: yasuna class id: 4 number of images: 341
|
|
29
|
+
class name: yasuna&agiri class id: 5 number of images: 4
|
|
30
|
+
class name: yasuna&sonya class id: 6 number of images: 47
|
|
31
|
+
```
|
|
32
|
+
|
|
33
|
+
そのため、ImageNet の VGG16 学習済みモデルで Advarsal Example を作成する例も記載しました。
|
|
34
|
+
猫をくじゃくと誤認させる Adversal Example を生成させています。
|
|
35
|
+
実行には [imagenet_class_index.json](https://gist.githubusercontent.com/PonDad/4dcb4b242b9358e524b4ddecbee385e9/raw/dda9454f74aa4fafee991ca8b848c9ab6ae0e732/imagenet_class_index.json) を ipynb と同じディレクトリにダウンロードして、置いてください。
|
|
36
|
+
|
|
37
|
+
[ImageNet の学習済みモデルで行うAdvarsal Example](https://github.com/nobetan/dl_examples/blob/master/adversal_example/adversal_example_imagenet.ipynb)
|