기사를 방문해 주셔서 감사합니다!
처음 뵙겠습니다. AI/IoT 분야의 프로페셔널을 목표로 수행 중인, 츠츠노부입니다. 🐉
이번에는 여러분이 알고있는 초콜릿 과자 초콜릿 공
캐러멜 맛과 땅콩 맛을 AI로 판별해 본 것을 정리한 기사입니다.
실제로는, Keras를 사용해 심층 학습(딥 러닝)을 해 보았습니다(^▽^)/
　

만든 것

초코볼 이미지를 선택하면
임의의 폴더에 (캐러멜 맛이나 땅콩 맛 어느 쪽인지 판별한) 결과를 텍스트 파일로 내보내 주는 툴
그 이름도 초콜릿 드래곤이라는 것입니다! (개인적으로 네이밍 마음에 드는 (웃음)

학습용 (훈련) 데이터

초콜릿 카라멜 맛 이미지 (15 장)

초콜릿 볼 땅콩 맛 이미지 (15 장)

평가 데이터

➡ 한 실제 평가에 사용한 이미지를 보아도 알 수 있듯이 인간의 눈으로는 판별하기가 어렵습니다 (웃음)
그런데, AI군은 얼마나 판별하는 능력이 있는 것일까요? ?

캐러멜 맛 이미지 (5 장)

땅콩 맛 이미지 (5 장)

모델링 및 평가

➡5회 모델 구축을 하고, 평가용 데이터를 사용해 자작 화상 분류 툴(초코볼 드래곤)으로 확인.
➡「loss(정답과 얼마나 떨어져 있는가 하는 수치. 0에 가까울수록 정답에 가깝다)」
와 「accuracy(정확성. 100%에 가까울수록 정답에 가깝다)」를 바라보면,
이론적으로는 loss가 작고 accuracy가 높을수록 좋은 결과를 얻을 수 있는 것 같습니다만,
이론대로는 가지 않고, 모델 번호 「5」의 것이 제일 정해율이 높은 모델이 되었다.


모델 번호
loss
accuracy
실제 정답률


1
0.386
0.875
60%

2
7.689
0.5
50%

3
0.054
0.75
50%

4
0.863
0.5
50%

5
0.546
0.625
90%

소스 코드

(향후 github을 탈 것입니다)

참고 URL

마지막으로

음. 제일 좋은 모델 데이터를 사용해 평가하면 90%의 정밀도로 판별해 주었습니다 😃
꽤 판정 결과로 만족합니다.
자신 나름대로 구축하고 검증했습니다만, 훈련용 입력 화상 데이터의 전처리는 충분한 것인지 불명합니다(웃음)
꼭 전문가가 있다면 코멘트를 원합니다.

이 기사를 보신 분.
몸의 주위에 있는 화상을 이용한, 기계 학습·심층 학습은 재미있기 때문에, 꼭 기회가 있으면
시도해보십시오. 너무 재미있어요 ~
그럼 ✋