写真からカラーデータセットを作成する方法

 

機械学習モデルをトレーニングするためには、まず適切なデータセットを用意する必要があります。この記事では、Pythonを使って写真からカラーデータセットを作成する方法を、わかりやすく説明します。

〇 必要なライブラリのインストール

Pythonで画像処理やデータ操作を行うために、以下のライブラリを使用します。まずはこれらをインストールしておきましょう。

pip install pillow numpy matplotlib

Pillow: 画像の読み込みや編集を行うライブラリ

NumPy: 数値計算やデータ操作を行うライブラリ

Matplotlib: データの可視化を行うライブラリ

〇画像を読み込む

まず、Pythonで画像を読み込む方法を説明します。以下のコードでは、Pillowライブラリを使って画像を開きます。

from PIL import Image

# 画像ファイルのパスを指定

image_path = "/content/IMG_6957.JPG"

# 画像を開く

imge = Image.open(image_path)

〇 画像のサイズを変更する

画像のサイズを機械学習モデルに適したサイズに変更します。ここでは、画像を28x28ピクセルにリサイズしています。

# 画像を28x28ピクセルにリサイズ

imge = imge.resize((28, 28))

〇 画像データをNumPy配列に変換

画像をNumPy配列に変換し、ピクセル値を0〜1の範囲に正規化します。これにより、機械学習モデルに適したデータ形式になります。

import numpy as np

# NumPy配列に変換し、ピクセル値を0-1にスケーリング

imge_array = np.array(imge) / 255.0

〇データを保存する

画像データとラベルを保存します。ここでは、NumPyの.npz形式で保存します。この形式は、複数のNumPy配列を一つのファイルに保存できる便利な形式です。

# ラベルを設定

label = 1

 

# 画像データとラベルを保存

np.savez("tt.npz", img=imge_array, label=label)

〇データの読み込みと表示

保存したデータを読み込み、画像を表示して確認します。

import matplotlib.pyplot as plt

# データを読み込む

data = np.load("tt.npz")

x = data["img"]

y = data["label"]

# 画像を表示

plt.imshow(x)

plt.show()

〇機械学習の例

せっかくなので、作成したカラーデータセットで簡単なCNNを実装して、画像認識を行ってみます。

import numpy as np

# データを読み込む

data = np.load("dataset.npz")

x = data["img"]

y = data["label"]

# バッチサイズとデータ形式のために次元を追加

x = np.expand_dims(x, axis=0)  # (1, 28, 28, 3)の形状にする

y = np.array([y])

import tensorflow as tf

from tensorflow.keras.models import Sequential

from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense

# モデルの構築

model = Sequential([

    Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 3)),

    MaxPooling2D(pool_size=(2, 2)),

    Conv2D(64, (3, 3), activation='relu'),

    MaxPooling2D(pool_size=(2, 2)),

    Flatten(),

    Dense(128, activation='relu'),

    Dense(1, activation='sigmoid')  # 二値分類の場合

])

# モデルのコンパイル

model.compile(optimizer='adam',

              loss='binary_crossentropy',

              metrics=['accuracy'])

# モデルの概要を表示

model.summary()

# データの準備

x_train = np.array([x])  # サンプルデータをバッチとして扱う

y_train = np.array([y])

# モデルのトレーニング

history = model.fit(x_train, y_train, epochs=10, batch_size=1)

テストデータの用意（例）

x_test = np.array([x])

y_test = np.array([y])

# モデルの評価

test_loss, test_acc = model.evaluate(x_test, y_test)

print(f'Test accuracy: {test_acc:.4f}')

〇まとめ

この記事では、Pythonを使用して写真からカラーデータセットを作成する方法を紹介しました。以下の手順を踏むことで、機械学習モデルのトレーニングに必要なデータを準備できます。

画像の読み込み: Pillowライブラリを使って画像ファイルを開きます。

画像のリサイズ: モデルに適したサイズに画像を変更します。

NumPy配列への変換: 画像データをNumPy配列に変換し、ピクセル値を正規化します。

データの保存: NumPyの.npz形式で画像データとラベルを保存します。

データの読み込みと表示: 保存したデータを読み込み、画像を表示して確認します。

これで、機械学習モデルのトレーニングに向けたカラーデータセットを準備することができました。データの前処理やモデルの設計、トレーニングの次のステップに進む準備が整いましたね。頑張ってください！