Microsoft Azure 이미지 인식이 아이의 장난을 해석할 수 있도록 학습할 수 있습니까?

어느 날 아침, 아이가 「1을 할 수 있었다!」라고 외쳤다.

무슨 일인가와 되돌아 보면 치즈 식빵을 먹고 있으면, 1이라고 하는 숫자가 된 것 같은···. 확실히, 말해 보면 그런 느낌. 라고 그 때 무심코, 이전의 필기 문자를 학습시킨 AI라면 알게 해줄까? 과 불필요한 생각이 떠오르는 시도.


물론 결과는 ✖. 당연하네요~. 잉크와 식빵에서는 다릅니다. 어리석은 AI도 1%의 확률로 알파벳입니다. 그래서! 이 1%가 어디까지 개선될 수 있는지 도전해 보기로 했습니다.

방법

마지막 기사 에서 만든 AI에 다양한 이미지를 추가하여 정확도를 높입니다. 덧붙여서 Microsoft Azure의 Custom Vision Service는 클라우드상에 있는 자전의 컴퓨터로 확립할 수 없는 현명한 AI를 부분적으로 빌릴 수 있는 시스템.

AI 학습 및 결과

Try1. 우선은 여러가지 「1」을 학습해 주도록(듯이), Unsplash 로부터 「1」에 관계하는 사진을 받고, 오로지 학습시킨다.
결과는 1이 3%! . 아직 낮지만 적어도 1개가 먼저 나왔다(일단 처음 3배 확률로 향상하고 있다(웃음).


Try2. 어느 일정을 넘으면 정보량이 증가해도 그다지 변하지 않았기 때문에 '1'이 아닌 숫자의 샘플을 학습시켜 보았다.


미묘하지만, 5.3%까지 정밀도는 향상.


Try3. 역시 식빵의 이미지가 필요할까? 그래서 아래 사진을 "1"로 추가.


무려 단번에 99%까지 정밀도가 향상. AI는 1장의 이미지에서도 이렇게 바뀌는군요. 놀랍습니다.

그렇다고 식빵=1이 되는 것은 아닌 것 같고, 1장의 빵은 14% 정도밖에 정밀도는 없었습니다.

요약

당연하고, 항에서도 말해지고 있는 것입니다만, 다시 기계 학습은 샘플의 질이 중요하다는 것을 체감할 수 있었습니다. 이번의 경우는, 식빵이라고 하는 소재의 질감이 매우 KEY가 되었습니다만, 화상 인식으로 무엇을 식별하는지에 따라서 다르다고 생각하므로 계속 여러가지로 실험해 보고 싶습니다.
크리스마스에만 오늘 밤은 파네토네에서 도전해 볼까.