○○와 비슷하다고 말해 곤란했기 때문에, AI에 판정시켜 보았다

개요



여러분도 한번은 ○○씨(유명인)를 닮았다고 말한 적이 있는 것은 아닐까요.
나도 첫 대면의 사람 중, 7회에 1회 정도는 별 ○원을 닮았다고 말해지는 일이 있습니다.
스스로는 비슷하지 않다고 생각합니다만, 매회 부정하는 것도 번거롭기 때문에,
Azure의 Custom Vision을 사용하여 AI에 정량적으로 결정하도록 결정했습니다.

시스템



구성



· macOS Mojave
· 파이썬 3.6.5
・Custom Vision(Azure)

개념도



① 스크래핑으로 이미지 수집
② 모은 화상을 분류한다
③Azure의 Custom Vision에 올려 학습
④ 자신의 이미지를 올리고 평가를 반환



이미지 수집/스크래핑



학습용 데이터를 수집하기로 결정합니다.
파이썬으로 Google 이미지를 대량 스크레이프
여기를 참고로 Python으로 이미지를 스크래핑.
python scraping.py -s hoshinogen  -n 70

scraping.py에서 70장 정도 이미지를 모아 여러 사람이 찍은 이미지나 관련성이 낮은 이미지는 수동으로 생략해 갑니다.


이것을 반복하고 유사한 계통의 얼굴 유명 인사의 이미지를 일부 픽업합니다.
소금 얼굴 같은 계통이라고 생각하기 때문에, 관련성이 높은 유명인을 찾습니다.
타카하시 잇세이 씨, 아야노 고씨, 모리야마 미야 씨 등.

Custom Vision 사용



Custom Vision

사용법은 이 근처가 참고가 됩니다.
Microsoft Custom Vision Service를 사용하여 이미지 분류

태그



방금 분류한 이미지와 태그를 연결하여 이미지를 Custom Vision으로 업그레이드합니다.


이번에는 10명 정도 유명인 픽업하고 있습니다.
스크래핑한 이미지를 조사한 결과 각각 50장 정도가 되었습니다.

업이 끝나면 오른쪽 상단의 버튼에서 훈련시킵니다.


자신의 이미지를 준비(셀카)



드디어 학습시킨 모델로부터 자신이 비슷한지 어떤지를 판정시킵니다.
그리고 그 전에 자신의 이미지를 준비합시다.

카메라 데이터를 확인했는데 자신의 이미지가 없었기 때문에 서둘러 셀카했습니다.

결과 판정



오른쪽 상단의 Quick test에서 내 이미지를 업로드하고 반환되는 등급을 확인합니다.


로컬 파일을 올렸을 때의 결과가 이쪽.


…… 호시노 겐 75.8%가 되었습니다.

결론, 비교적 비슷하다고 말할 수 있다는 온도감이군요.

덧붙여서 안경 있어로 한 경우도 준비하고 있었습니다만,
샘플 데이터가 적고 높은 숫자가 나왔기 때문에, 여기는 좀 더 학습 정밀도 올릴 필요가 있을 것 같습니다.


요약



Azure 서비스를 사용하는 것은 두 번째이지만 사용하기 쉬웠습니다.
꽤 응용도 할 수 있을 것 같고 드러낼 것 같다.

이전에는 Google Cloud Platform에서 Natural Language를 사용하여,
기계 학습 (텍스트 해석) × LINE Bot을 만들어 보았으므로 좋으면 이쪽도 부디
고민하는 연심을 돕기 위한 LINE BOT를 만들어 보았다

번외편
AI에게 자신의 얼굴을 판정하게 되면 실패한 이야기(번외편)

다음 액션



이번에 만든 Custom Vision의 이미지 인식과 IoT 기기를 결합

좋은 웹페이지 즐겨찾기