Accord.Netを使用して、画像認識させる最低限の構成について記載します。
私自身が初心者で機械学習はサッパリなので、誤認識あったらゴメンナサイ
Accord.Netについては、以下の記事も参考にしてください。
C#で画像認識（Accord.Net）
１．機械学習に必要なもの
私の認識では画像認識処理の登場人物は以下です- BagOfWords
- VectorMachine
- 画像のリスト
- 入力値のリスト
- 分類結果のリスト
- 判定したい画像
BagOfWords
画像のリストを読み込んで解析可能なデータに変換します。
BagOfWordsによる変換結果の一覧が入力値のリストです。
分類結果のリスト
画像のリストの分類の一覧です。
分類とはユーザが決めるもので、
- 赤い画像(0)、青い画像(1)、黄色い画像(2)
- 人物(0)、風景(1)
などのように分類して、括弧のように数値を割り振ったリストです。
VectorMachine
機械学習のコアになるクラスです。
入力値のリストと分類結果のリストを読み込んで学習を行います。
その後、判定したい画像を読み込むことで、どの分類に属しているか判定します。
学習にはTeacherを定義します
２．処理の流れ
実際に処理をまとめると以下のようになります。サンプルでは
- 「リンゴ、伊勢海老、バナナ、青空」の画像を読み込み
- 「赤色、黄色、青色」に分類
- 「イチゴ」の画像を読み込み「赤」グループと判別させる
イメージです。
private void Study()
{
// データ変換の配列の長さ
const int CodeWordCount = 60;
//データ解析のアルゴリズム
BinarySplit binarySplit = new BinarySplit(CodeWordCount);
BagOfVisualWords bagofVW = new BagOfVisualWords(binarySplit);
List<bitmap> bmps = new List<bitmap>();
List<double> inputs = new List<double>();
List<int> outputs = new List<int>();
// 学習用画像の読み込み
bmps.Add(new Bitmap("リンゴの画像のパス")); // 赤色の画像
bmps.Add(new Bitmap("伊勢海老の画像のパス")); // 赤色の画像
bmps.Add(new Bitmap("バナナの画像のパス")); // 黄色の画像
bmps.Add(new Bitmap("青空の画像のパス")); // 青色の画像
// BagOfWordsでデータ変換
bagofVW.Learn(bmps.ToArray());
foreach (var bmp in bmps)
{
var wordCount = bagofVW.Transform(bmp);
inputs.Add(wordCount);
}
// 読み込んだ画像の分類
outputs.Add(0); // 赤色の画像
outputs.Add(0); // 赤色の画像
outputs.Add(1); // 黄色の画像
outputs.Add(2); // 青色の画像
// 赤、青、黄の３分割
var classes = 3;
// 機械学習の実施
var msvm = new MulticlassSupportVectorMachine<chisquare>(0, new ChiSquare(), classes);
var teacher = new MulticlassSupportVectorLearning<chisquare>(msvm)
{
Learner = (param) => new SequentialMinimalOptimization<chisquare>()
{
UseComplexityHeuristic = true,
UseKernelEstimation = true
}
};
msvm = teacher.Learn(inputs.ToArray(), outputs.ToArray());
// 画像の判定
Bitmap targetBmp = new Bitmap("イチゴの画像のパス");
var codeword = bagofVW.Transform(targetBmp);
// イチゴは赤いので「0」が返却されるはず
var ret = msvm.Decide(codeword);
}