【初心者必見！】簡単な画像認識AIの作り方を学ぶ！プログラムを用いて解説

AIの勉強をしてみたい！と思いつつも、

と思っている人は多いのではないでしょうか。特に、AIの勉強でどのようなことをするかがわからないと、これから時間をかけてAIの勉強をしていいのかどうか、という判断もできません。

今回は非常に簡単な画像の認識プログラムを作成することでＡＩの基礎を勉強していきます。一通り動かしてみることで、「このようなことをやっているのか」ということを理解していただき、「このような勉強をすればいいのか」ということを体感してください。

AIとは

AIとは「Artificial Intelligence」の略で、直訳すると「人工知能」となります。

この人工知能の定義はあいまいで専門家の中でも定義がいくつか存在していますが、ディープラーニングで有名な東京大学の松尾先生は「人工的に作られた人間のような知能、ないしはそれをつくる技術」と定義されています。

そのAIはChat-GPTなどの文章認識、DALLE2などの画像生成、YOLOなどの画像認識、DeepLなどの機械翻訳など、様々な場面で活用されています。

AIは定義からすると上図のようになり、AIの中に機械学習やディープラーニングが含まれるのですが、「AI」と言うと、この「ディープラーニング」の部分を思い浮かべる人も多いのではないでしょうか。

今回はこのディープラーニングの内容を使って、簡単な画像認識AIを作っていきます。AIやディープラーニングというと難しそうに感じますが、基本はそれほど難しくありません。

もちろん難しい認識や高精度な認識など、突き詰めていくと非常に難しいものもありますが、まずは実際に動かすまではそんなに難しくないことを体感していただき、できることを実感しながら勉強を進めていけたらいいのではないでしょうか。

1分で理解できる！機械学習とディープラーニングの違いを解説！近年よく耳にする機械学習とニューラルネットワーク。そもそも違いってなに？入門者はどっちから学べばいいの？など、気になる内容を初心者にもわかりやすく解説します。...

AIの作り方

学習内容のロードマップ

AI、特に機械学習に関してのロードマップは以下のページで解説していますので、こちらを参考にしてください。

【初心者必見！】機械学習を確実に身につける5stepロードマップこれから機械学習を勉強し始める人、そもそも勉強してみようかまだ迷っている人に向けて機械学習のロードマップを5stepで紹介しています。この記事を読むことで、機械学習の勉強する手順、学習方法、各項目を何のために勉強するかを理解できます。...

Pythonの勉強

後程説明するプログラムを見ていただくとわかるように、コードは「Python」を使用して書いています。まず、Pythonに関して最低限の知識と実行できる環境が必要です。以下参考にして準備してください。

迷わない！Pythonの環境構築と操作方法を簡単解説 前のページ|次のページ 2章では、AnacondaとJupyter Notebookを利用して、Pythonを学習する環境を構築し...

簡単な画像認識ＡＩを作ってみる

解説は後にして、まずはどの程度のものを書けば最低限のAIを作れるか見ていただきましょう。

これから紹介するのは「mnist」と呼ばれる手書きで書かれた数字を認識して、正しく判断するプログラムです。まずはプログラム全体を記載します。この後に部分ごとの解説をします。

import keras
from keras.layers import Flatten, Dense
import matplotlib.pyplot as plt

mnist = keras.datasets.mnist
(train_x, train_y), (test_x, test_y) = mnist.load_data()

model = keras.Sequential([
    Flatten(input_shape=(28, 28)),
    Dense(128, activation='relu'),
    Dense(10, activation='softmax')
])

model.compile(
    optimizer='adam',
    loss=keras.losses.SparseCategoricalCrossentropy(from_logits=True),
    metrics=['accuracy']
)

model.fit(train_x, train_y, epochs=5)

model.evaluate(test_x, test_y)

実際に実行してみると、途中の計算結果の後で上のような二つの数字が出てきました。この右側の数値、約0.94が今回のプログラムでの正解率です。これだけ書いただけで94%も正解できるうえに、さらに作りこめばもっと良い数値が出ます。

ここからどんなことをしているか解説していきます。

ライブラリのインポート

import keras
from keras.layers import Flatten, Dense
import matplotlib.pyplot as plt

使用するライブラリをインポートします。簡単に説明すると、今回使用する機能を使えるように読み込みます。

今回はディープラーニングを使用できるように「keras」と、画像を表示させるために「matplotlib」を読み込んでいます。インポートに関しては下の記事にまとまっていますので参考にしてください。

Python | クラスの基礎とモジュールのインポートを解説！ 前のページ 12章ではPythonにおける『クラス』『インスタンス』『モジュール』『パッケージ』について解説します。 ...

データを読み込む

mnist = keras.datasets.mnist
(train_x, train_y), (test_x, test_y) = mnist.load_data()

手書きのデータを練習用で誰でも使用できるように、「mnist」というデータとその正解ラベルをまとめた「データセット」が公開されています。上記のようにすることでトレーニング用データ、テスト用データを読み込むことが可能です。

ここで読み込んだデータを見てみましょう。さきほど「train_x」という名前で読み込んだので、その１番目のデータを見るには以下のように入力します。データは0から順番に番号が割り振られているので、一番最初のデータを見るときには「0」を指定します。

train_x[0]

数字の羅列が出てきましたね。これだけでは少しわかりにくいので、以下のように入力してみてください。

plt.imshow(train_x[3])

これは４番目のデータを画像表示させたところです。先ほどと同じように、0から始まっているので「train_x[3]」が４番目を示してます。画像表示すると手書きの「１」を表していることがわかります。読み込んだデータはこの文字を０から255の数字で表したものになります。

先ほどの「3」の部分を変えていくつか入力してみると、読み込んだ手書き文字をいくつか確認することができます。

Pythonのリストと辞書をマスター！基本からメソッド一覧まで 前のページ|次のページ 9章ではPythonにおける「リスト」と「辞書」の使い方について解説します。 リストの定...

ディープラーニングモデルを作成する

model = keras.Sequential([
    Flatten(input_shape=(28, 28)),
    Dense(128, activation='relu'),
    Dense(10, activation='softmax')
])

ここでは先ほど読み込んだデータを認識するためのモデルを作成します。これは最も簡単な作成方法で、モデルを作成したところです。

kerasのSequentialにモデルを渡してやることで、簡単にモデルを作成することができます。今回作成したモデルは、

という処理をしています。どのようなものが出来上がっているかは以下のように確認します。

model.summary()

入力部分は28×28のデータを一列に並べた784の要素がある層、その次に128の要素がある層、最後に10の要素がある層で構成されています。784のデータを入力して、最終的に10の層で出力するわけですね。

出力は手書き文字が１～０の10個に分類されるため、784の入力された数値から最後の１０の要素のどの出力の可能性が高いか、を予想して結果を出力します。

モデルをcompileする

model.compile(
    optimizer='adam',
    loss=keras.losses.SparseCategoricalCrossentropy(from_logits=True),
    metrics=['accuracy']
)

ここではモデルの学習プロセスの設定をします。

ここまで行うとモデルの設定が完了します。

モデルの学習

model.fit(train_x, train_y, epochs=5)

先ほどまでで作成したモデルに、実際にデータを流し込んで手書き数字の画像とラベルの関係を学習します。一つ目の引数に学習するデータ、二つ目にその正解ラベル、epochsに学習する回数を設定します。

ここまで行うことで、「model」が手書き文字を認識できるモデルになります。

学習結果の確認と結果の予測

model.evaluate(test_x, test_y)

evaluateを用いることで予測結果の正解率を確認することができます。一つ目の引数に予測をするデータを、二つ目の引数に正解を入力します。先ほども確認しましたが、二つ目の数値、が正解率で約94％の正解率となっています。

model.predict(test_x)[0]

では、一つ一つ個別のデータを確認してみましょう。predictにデータを入れることで予測結果を得ることができます。predict()の後ろに[0]をつけて1番目の予測結果を見てみましょう。

上記のように10個の数字が返ってきました。これは、順に0，1，2，3・・・である可能性を示しています。今回は「7」の確立が99％と言っているので、「7」が正解と思われます。

plt.imshow(test_x[0])

では、入力された手書き文字を見てみましょう。「7」のようですね。念のため、答えのラベルも確認します。

test_y[0]

やはり「7」が正解でしたね。

もう少し画像認識AIに触れてみる

今回は初学者を対象として、まずは「動かせる」ことを目的に解説しました。今回の内容と同様、初学者にわかりやすい画像認識問題を以下のページで取り扱っているので、この後ぜひ挑戦してみてください。

【1分でわかる】初心者でも理解できる！Tensorflow / keras入門ニューラルネットワークモデルを始めようとしている方が、まずは簡単にしっかり成形されたモデルを作成できるように、Tensorflowとkerasを使ってモデルの作成を解説していきます。実際にコードを示しながら進めているので、一緒に手を動かしながら学べます！...

まとめ

今回は簡単な画像認識AIを作成してみましたが、いかかでしたか？非常に初歩的なモデルでしたが、そんなに難しくなく作成することができたのではないでしょうか。

今回習得した画像認識の知識をもとに、さらにレベルアップアップしていただければと思います。