NNC Challenge에 참가했습니다.

소개

안녕하세요, Qiita 첫 게시물 karu_bee입니다. Neural Network Console을 사용하여 PIXTA 사진 소재를 이미지 분류하는 NNC(Neural Network Console) Challenge에 참가했습니다.

NNC Challenge란?

아래 URL을 참조하십시오.
h tps : / / n c - 짱. 코m/

학습 데이터 제공

학습용 데이터 제공: PIXTA

이번 테마

「화상 내 인물을 NNC로 학습시켜 화각/초점 거리에 의한 화상 분류를 만들어낸다」

했던 일

1. 다운로드한 데이터에 주석(태그 지정)

정말 짜증나지만 초점 거리로 5개의 클래스로 나눕니다.

클래스 0. 망원 : 초점 거리 = 100mm
클래스 1. 광각 : 초점 거리 = 28mm
클래스 2. 준 광각 : 초점 거리 = 35mm
클래스 3.표준 : 초점거리 = 50mm
클래스 4. 중간 망원: 초점 거리 = 85mm

초점 거리를 확인하려면 각 이미지 파일의 Exif 데이터를 살펴보십시오.
파일→속성→자세히


NNC 어노테이션 방법은 아래 동영상에 자세히 설명되어 있습니다.
htps://w w. 요츠베. 작은 m / 일본 tch? v = V6 r6 위 오 DwK4
어노테이션한 5개의 이미지 폴더를, 상기의 동영상의 설명에 따라 NNC 클라우드에 업로드.
최종적으로는 10,000점의 데이터 세트 중, 1 클래스 250장을 1 세트로 해 1250장을 어노테이션 해 90:10에서 train test split 했습니다.

2. 이미지 분류 모델 만들기

매우 기본적인 구성의 CNN입니다.
입력 이미지 64*64*3ch를 지정한 5 클래스로 분류합니다.

3. 결과

· 학습 결과


· 검증 결과


이상, 지금 하나의 결과가 되어 버렸습니다. 역시 초점 거리만으로 학습한 이미지를 분류하는 것은 매우 엄격한 것 같습니다. 초점 거리 이외에도 어떤 특징량을 추가해야 하는 것 같네요.

이번은 불행히도 제출 마감 이틀 전이므로, 여기에서 기브 업입니다 (웃음)

4. 감상

・이번은 NNC 클라우드판의 CPU 10시간 무료 프레임으로 실시해, 유료판의 GPU는 사용하지 않았습니다만, 특히 학습 시간의 스트레스는 느끼지 않았습니다.

· NeuralNetworkConsole에 대해서는, 이것이라든가 하는 정도 코드를 쓰지 않아도 좋도록 설계되어 있습니다. GUI를 좋아하는 사람이라면 쉽게 딥 러닝을 시작할 수 있습니다.

끝까지 읽어 주셔서 감사합니다.