こんにちは、エンジニアのさもです。 前回は隠れ層を一層追加した、単層ニューラルネットワークを構築しました。 今回はいよいよ畳み込み層とプーリング層を追加して、畳み込みニューラルネットワークを構築していきたいと思います。 コードはこちらの書籍をお手本にしています。 TensorFlowで学ぶディープラーニング入門 ~畳み込みニューラルネットワーク徹底解説~ 作者: 中井悦司出版社/メーカー: マイナビ出版発売日: 2016/09/27メディア: 単行本（ソフトカバー）この商品を含むブログ (1件) を見る スポンサーリンク 畳み込みニューラルネットワークの概要 なぜ畳み込みとかするのか 前回までの実装では、画像（画素値）を一列に並べた配列につて学習を行ってきました。 ですが、これだと画像の横の関連は学習できても、縦の関連は学習できません。 そこで、画像の形（二次配列）で情報を学習させる必要が

こんにちは、エンジニアのさもです。 前回に引き続き、MNISTに挑戦します。 今回は、隠れ層を1層追加して、単層のニューラルネットワークを構築していきます。 コードはこちらの書籍をお手本にしています。 TensorFlowで学ぶディープラーニング入門 ~畳み込みニューラルネットワーク徹底解説~ 作者: 中井悦司出版社/メーカー: マイナビ出版発売日: 2016/09/27メディア: 単行本（ソフトカバー）この商品を含むブログ (1件) を見る スポンサーリンク 目次 単層ニューラルネットワークの概要 実装 ライブラリのインポート 変数の定義 正解率などの定義から学習まで 自分の手書き文字を判定する 最後に 単層ニューラルネットワークの概要 前回は、入力値（画像）に対して、パラメータ行列をかけて、バイアスを足し、その結果をソフトマックス関数を用いて確率へ変換しました。入力値は、28×28サイ

こんにちは、エンジニアのさもです。 前回、TensorFlowの導入として、１年間の月平均気温の移り変わりを４次関数で近似してみました。 www.uosansatox.biz 書籍は以下のものを参考にしています。 TensorFlowで学ぶディープラーニング入門 ~畳み込みニューラルネットワーク徹底解説~ 作者: 中井悦司出版社/メーカー: マイナビ出版発売日: 2016/09/27メディア: 単行本（ソフトカバー）この商品を含むブログ (1件) を見る この書籍に沿って行けば次は別のモデルの実装を行うのですが、ちょっと先回りして、TensorBoardを使ってみたいと思います。 スポンサーリンク 目次 TensorBoardを使わないコードで実装 TensorBoardを使い、グラフを表示させる 見やすいように名前を付ける もう一度実行しようとしたときにエラーになる場合 最後に 参考 先

こんにちは、エンジニアのさもです 画像処理をwebサービスにしてみたのですが、なぜかスマホで撮影した画像が横向きになって出力されてしまいました。 いろいろ調べたので、対処方法をまとめておきます。 スポンサーリンク まず、なぜ横向き担ってしまうかというと、そもそも画像が横向きだったから。 スマホでは、「横向き」という情報を画像が持っているので、向きを整えて表示しています。 その情報は、Exifという規格で保存された画像データに含まれていので、画像処理を行う場合は、まずこの情報を見て、画像を回転させておく必要があります。 www.weblio.jp また、Exifにどんな情報があるのかというと、以下のサイトで一覧を見ることができます。 Exif TAG とりあえず画像のExif情報を見てみます from PIL import Image Image.open("./images/test.jp

こんにちは、エンジニアのさもです。ブンバボーンしてますか？ 画像処理第７回目は少し画像処理から離れてアルゴリズムのお話です。 今までの実装を見直し、ボトルネックになっていた２重のfor文を何とか高速化したいと思います。 スポンサーリンク 目次 はじめに 遅いソースコード imscolを使った方法 im2colメソッドとは im2colを使った実装 オリジナルのアルゴリズム どんなアルゴリズムか 実装する 最後に はじめに これまでの画像処理の実装では、１ピクセル一つ一つに対して処理を行ってきました。この場合、２重のfor文を使っていたのですごく時間がかかっていました。 そこで、この２重for文を解消し高速化する方法を２種類紹介したいと思います。（※jitは使わないです） 実装例では、平滑化フィルタを対象に高速化します。 １つ目の方法は、im2colというメソッドを使って、フィルタをかける処

こんにちは、エンジニアのさもです。 前回は塗り絵風の画像を生成してみました。 今回はミニチュア風の画像を作ってみたいと思います。 目次 はじめに 実装 外枠 解説 彩度を上げるフィルタ 解説 ぼかしフィルタ 解説 実行 その他の実行例 参考書籍 最後に スポンサーリンク はじめに 今回は以下の画像を加工してみます。 この画像に「彩度を上げるフィルタ」と、「画面の上下を少しぼかすフィルタ」をかけることによって、ミニチュア風の画像に加工していきます。 加工後はこのようになります。 どうでしょうか？ お、良い感じにミニチュアっぽい！と思った方は続きをお読みください。 ん～微妙だなと思った方は、続きをお読みになって改善点を教えてください。 実装 それでは実装していきます 外枠 まずは例によって外枠だけを実装していきます。 from PIL import Image, ImageDraw impor

こんにちは、エンジニアのさもです。 今回は、以前投稿したpythonによる画像処理入門の続編になります。 www.uosansatox.biz 目次 はじめに k平均法とは ざっくりとした説明 ざっくりとしたアルゴリズムの説明 実装 実装の準備 外枠を実装する 解説 kmeanメソッドを実装する 解説 実行 よりよくするために フィルタリング 処理の終了するタイミング 最後に はじめに 今回はk平均法というアルゴリズムを使って、画像の減色処理を実装してみたいと思います。 以下の画像を使っていきます。 こちらを減色処理すると以下のようになります。 油絵っぽい感じですかね。 k平均法とは k平均法とは、教師なしクラスタリングの一つです。 ざっくりとした説明 クラスタリング クラスタリングというのは、データの集合をいくつかのクラスへ分類するアルゴリズムです。 今回の実装では、画像の各画素のリスト

はじめに 今回はpythonによる画像処理のお話です。 普段仕事ではRubyメインなのですが、最近趣味でpythonを勉強しはじめ、画像を加工するのが意外と簡単だと分かったので、簡単な画像処理について書いてみました。 pythonについてはまだまだ勉強中なので、python的にはこうは書かない、これだと処理が遅い、コードが汚いなどなどありましたら、コメントで教えていただけると幸いです。 また、以下のコードではpythonのライブラリ、numpy, pillowを使用しています。 著者の環境ではwindows10上でAnaconda3を使用しているため別途インストールは不要でしたが、実行する際は必要に応じてインストールをお願いします。 画像処理の概要 画像の加工は単純に各ピクセルの色を画像の端から端まで順番に変更することで実現しています。 そこで、まずは画像ファイルを読み込み、操作しやすいよ