学習モデルを任意の画像に適応したい

今回実装したいものは、任意の画像を学習モデルに適応し、その精度・結果を確認したいです。

モデルはAlexNetを用いた転移学習で、画像分類を行うものです。

学習データと検証データの割合は7：3で、精度は93％程で検証用データの出力結果は正確に画像分類できています。

そこで、検証用データとは関係なく、全く別の画像fileにこのモデルを適応し、画像分類を行うことは可能でしょうか？

以下、転移学習を実装したソースコードになります。MathWorks公式のサンプルコードを用いて実装を行いました。

unzip('sample (3).zip');
imds = imageDatastore('sample', ...
    'IncludeSubfolders',true, ...
    'LabelSource','foldernames');

[imdsTrain,imdsValidation] = splitEachLabel(imds,0.7,'randomized');

numTrainImages = numel(imdsTrain.Labels);
idx = randperm(numTrainImages,16);
figure
for i = 1:16
    subplot(4,4,i)
    I = readimage(imdsTrain,idx(i));
    imshow(I)
end

net = alexnet;

analyzeNetwork(net)

inputSize = net.Layers(1).InputSize;

layersTransfer = net.Layers(1:end-3);

numClasses = numel(categories(imdsTrain.Labels));

layers = [
    layersTransfer
    fullyConnectedLayer(numClasses,'WeightLearnRateFactor',20,'BiasLearnRateFactor',20)
    softmaxLayer
    classificationLayer];

pixelRange = [-30 30];
imageAugmenter = imageDataAugmenter( ...
    'RandXReflection',true, ...
    'RandXTranslation',pixelRange, ...
    'RandYTranslation',pixelRange);

augimdsTrain = augmentedImageDatastore(inputSize(1:2),imdsTrain, ...
    'DataAugmentation',imageAugmenter, ...
    'ColorPreprocessing','gray2rgb'); 

augimdsValidation = augmentedImageDatastore(inputSize(1:2),imdsValidation, ... 
    'ColorPreprocessing','gray2rgb');
options = trainingOptions('sgdm', ...
    'MiniBatchSize',10, ...
    'MaxEpochs',6, ...
    'InitialLearnRate',1e-4, ...
    'Shuffle','every-epoch', ...
    'ValidationData',augimdsValidation, ...
    'ValidationFrequency',3, ...
    'Verbose',false, ...
    'Plots','training-progress');

netTransfer = trainNetwork(augimdsTrain,layers,options);

[YPred,scores] = classify(netTransfer,augimdsValidation);

idx = randperm(numel(imdsValidation.Files),4);
figure
for i = 1:4
    subplot(2,2,i)
    I = readimage(imdsValidation,idx(i));
    imshow(I)
    label = YPred(idx(i));
    title(string(label));
end

YValidation = imdsValidation.Labels;
accuracy = mean(YPred == YValidation);

Answer 1

[Kojiro Saito]

新しい画像ファイルに適用することも可能です。

MATLABのワークスペースがクリアされても使えるように、まず学習済みのモデルをファイルに保存します。

save('netTransfer.mat', 'netTransfer')

netTransfer.matというファイルにモデルが保存されます。

matファイルからモデルをloadで読み込み、新しい画像ファイルをimageDatastoreで読み込みます。ここではnewというフォルダに画像が入っている前提です。

augmentedImageDatastoreで画像の前処理を行い、classifyで分類します。

% 学習済みモデルの読み込み
load('netTransfer.mat')

% 新しい画像ファイルの読み込み
imds = imageDatastore('new');
% または画像ファイルを指定するでもOK
% imds = imageDatastore('../new/image1.jpg');

% 画像のリサイズ、色の変換の前処理を実施
augImds = augmentedImageDatastore([227 227], imds, 'ColorPreprocessing','gray2rgb');

% 画像分類
[YPred,scores] = classify(netTransfer,augImds);

[陸]

実装できました！ありがとうございます！