写真を使って、画像分類AIの学習から予測までを体験する教材です。 サンプルでは、金属・紙・プラスチックの写真を分類します。用意されたモデルを試したあと、自分でも学習・評価し、保存したモデルで新しい写真を分類します。写真を入れ替えれば、自分の分類にも挑戦できます。 ■ この教材でできること ・サンプルモデルで写真を分類し、結果を見る ・学習用・検証用・テスト用の写真を読み込む ・画像分類モデルを学習し、損失のグラフや混同行列で結果を確かめる ・モデルを保存・読み込みし、別の写真で予測する ・自分の写真を用意して、2種類以上の分類に変更する ■ 使う技術・学べること 事前学習済みの軽量モデル「MobileNetV3 Small」を使い、特徴抽出部分を固定して分類層を学習します。Notebookの説明とコードを読みながら、CNN、転移学習、データの分割、損失、過学習、評価指標がどうつながるかを学べます。 Pythonや機械学習の学習を始めた方で、ファイル操作やPythonの実行に取り組める方向けです。 ■ 内容物 ・説明と実行コードを収めたJupyter Notebook ・サンプル写真270枚と、3分類の学習済みモデル ・写真1枚を予測するPythonプログラム ・自分の写真を使うためのガイド、利用条件・出典 ■ 動作環境・準備 PC向け教材です。動作確認環境は、macOS（Apple Silicon）、Python 3.12、JupyterLab、CPUです。初回のライブラリインストールにはインターネット接続が必要です。 Google Colab向けの手順も同梱しています。Googleアカウントとインターネット接続が必要です。教材一式を通したColab画面での動作は確認中です。Windows・スマートフォンでの動作は確認していません。 ■ サンプルと予測について サンプル写真は白い背景で撮影されたTrashNetの一部です。学習・検証・テストは写真単位で分割しており、同じ実物の別写真が複数のグループに含まれる可能性があります。別の物や撮影条件で同じ結果になるとは限りません。 画像全体を、用意した分類のいずれかに振り分けます。分類対象以外の物も、候補のどれかに分類されます。実際のごみ分別ルールの判断には使用できません。 ■ 利用範囲 ご自身の学習・改変や、コードの一部を自作プログラムに組み込むことができます。教材としての再配布・転売・公開アップロードはできません。サンプル写真やモデルには各権利者の利用条件が適用されます。詳しくは同梱のライセンスをご確認ください。 お問い合わせはBOOTHショップのメッセージからお願いします。