VGG16を使った画像分類について

Question

質問したいこと

素人質問失礼します。
現在プログラミング初心者で、google colaboratory上であるサイトのコードを使って画像分類をしているのですが、今は犬や猫、山や海などベーシックな画像で練習していますが、ニッチな画像やマニアックな画像はVGG16を使って画像分類を行うことは可能なのでしょうか。
すごい人任せではありますが、ほんとに初心者な為、改善案などございましたらご教授頂ければ幸いです。

該当のソースコード

from google.colab import drive
drive.mount('/content/drive')

%cd '/content/drive/MyDrive/test'

import os
import cv2
import numpy as np
import glob as glob
from sklearn.model_selection import train_test_split
from keras.utils import np_utils
#フォルダ名をクラス名にする
path = "./images"
folders = os.listdir(path)
classes = [f for f in folders if os.path.isdir(os.path.join(path, f))]
n_classes = len(classes)

#画像とラベルの格納
X = []
Y = []

for label,class_name in enumerate(classes):
  files = glob.glob("./images/" + class_name +"/*.jpg")
  for file in files:
    img = cv2.imread(file)
    img = cv2.resize(img,dsize = (224,224))
    X.append(img)
    Y.append(label)

X = np.array(X)
X = X.astype('float32')
X /= 255.0
X[0]

#ラベルの変換
Y = np.array(Y)
Y = np_utils.to_categorical(Y,n_classes)
Y[:5]

#学習データとテストデータに分ける
X_train, X_test, y_train, y_test = train_test_split(X, Y,test_size = 0.2)
print(X_train.shape)
print(X_test.shape)
print(y_train.shape)
print(y_test.shape)

from keras.applications.vgg16 import VGG16
from keras.models import Sequential
from keras.models import model_from_json
from keras.models import Model
from keras.layers import Input, Activation, Dense, Flatten, Dropout
from keras.optimizers import Adam

#vgg16
input_tensor = Input(shape=(224, 224, 3))
base_model = VGG16(weights='imagenet', input_tensor=input_tensor,include_top=False)

#後付け
top_model = Sequential()
top_model.add(Flatten(input_shape=base_model.output_shape[1:]))
top_model.add(Dense(n_classes, activation='softmax'))

#結合
model = Model(inputs=base_model.input, outputs = top_model(base_model.output))

#学習させない層
for layer in model.layers[:15]:
  layer.trainable = False

print('# layers = ', len(model. layers))

model.compile(loss='categorical_crossentropy', optimizer='adam',metrics=['accuracy'])
model.summary()

#trainデータで学習
model.fit(X_train,y_train,epochs = 20,batch_size = 16)

#テストデータで精度確認
score = model.evaluate(X_test,y_test,batch_size = 16)

import pickle
#クラス名の保存
pickle.dump(classes,open("classes.sav","wb"))
#モデルの保存
model.save("./cnn.h5")

from keras.models import load_model
import pickle
import cv2

#モデルとクラス名の読み込み
model = load_model("./cnn.h5")
classes = pickle.load(open("classes.sav","rb"))

#sample画像の前処理
img = cv2.imread('sample.jpg')
img = cv2.resize(img,dsize = (224,224))
img = img.astype('float32')
img /= 225.0
img = img[None, ...]
result = model.predict(img)

np.set_printoptions(precision = 3, suppress = True)
result*100

#確率が一番大きいクラス
pred = result.argmax()
pred

#クラス名の呼び出し
classes[pred]

Comments

[ps_aux_grep]

普通に「画像分類を行うこと」を実行してくれますが，得られる精度が不明です．
一般的に答えるとすると精度は「やってみないとわからない」になります．
現状，「ニッチな画像やマニアックな画像」に学習させないレイヤが対応するか不明なので，場合によってはVGG16全体を学習させる必要があるかもしれません．

[jbpb0]

> ニッチな画像やマニアックな画像はVGG16を使って画像分類を行うことは可能なのでしょうか。

ネットとかから入手できる学習済みモデルを使うのではなく、その分類をするAIを、質問者さんが教師データ画像を集めて、質問者さんがAIを学習させるのを前提で、以下書きます

> ニッチな画像やマニアックな画像はVGG16を使って画像分類を行うことは可能なのでしょうか。

の意味が、たくさんある画像の中から、すごく珍しい(数が少ない)画像を分類したい、という意味なら、VGGやディープラーニングに限らず、一般的に機械学習では難しいケースです

機械学習 不均衡データ

でググってみてください

[gorou-0000]

お二人ともコメントありがとうございます。
説明不足ですみません。マニアックな画像の例でいうと、形状の違うペットボトルが二種類あるとして、それぞれペットボトル1、ペットボトル2という名前をつけて、それぞれの画像を大量に集めるとします。
そして、機械学習させて、一枚の画像を読み込ませた時に、どちらかのペットボトルを判別できる即ち画像分類をさせていくというのは可能でしょうか。
例え話が下手で申し訳ありません。(実際には、違う二種類画像でやります。)

[jbpb0]

> 機械学習させて、一枚の画像を読み込ませた時に、どちらかのペットボトルを判別できる即ち画像分類をさせていくというのは可能でしょうか。

お好み焼きとピザを画像分類
https://blog.brainpad.co.jp/entry/2017/07/10/163000
させるのと、似たような話ですね

ペットボトル1, 2がどれくらい違うかと、集めた画像の質と量次第です

[gorou-0000]

なるほど。ご教授ありがとうございます。
教えていただいたサイトを見て、自分なりに勉強してみます。
ありがとうございました。

Answer 1

機械学習させて、一枚の画像を読み込ませた時に、どちらかのペットボトルを判別できる即ち画像分類をさせていくというのは可能でしょうか。

深層学習は画像のどこを見ている！？ CNNで「お好み焼き」と「ピザ」の違いを検証
と、似たような話ですね

ペットボトル1, 2がどれくらい違うかと、集めた画像の質と量次第です