Azure Cognitive Service の Custom Vision Service で高山植物を識別する

識別する画像の登録

次にやることは、識別する画像の登録です。
登録にあたり1つルールがあり、タグは2個以上、それぞれのタグには画像が5枚以上が必要です。
この条件を満たさないと、この後にやる Train で、エラーとなります。

操作方法は、Add Images をクリックし、タグ付けする画像を選択して、タグを登録するだけです。
今回登録した花は、「エゾエンゴサク」という花ですので、そのままのタグをつけました。

同様の方法で、「チングルマ」という花も登録しました。

Train

「Train」ボタンをクリックして、登録した画像を学習させます。
学習が終わるとその結果が表示されます。

試してみる

登録していない画像を使って、学習の精度を確認することができます。
テストは、画面右上にある「Quick Test」からできます。

チングルマを正しく識別することができました。

エゾエンゴサクも正しく識別できました。

ここで、まだ学習していない、「エゾノツガザクラ」の画像を与えると、なぜか「チングルマ」と識別しています。
まだ、学習していないのでしょうがないのですが。。

誤った結果となった画像をタグ付けする

「エゾノツガザクラ」の画像を利用して、追加の教育を行います。
「PREDICTIONS」にクリックテストを実行した画像がありますので、「エゾノツガザクラ」の画像を選び、タグ付けをします。

この状態で、再度「Train」をしてもエラーとなります。
理由は、1つのタグの最低枚数は5枚ですが、「エゾノツガザクラ」はまだ1枚しか登録してないからです。

再学習

「エゾノツガザクラ」の画像をさらに4枚登録して「Train」を実行しなおします。

学習後、別の「エゾノツガザクラ」の画像でクイックテストを実行すると、正しく識別されました。

簡単にまとめてしまうと、最初に識別用の画像を登録してタグ付けを行い機械学習を実行しますが、学習していないモデルが増えたり、精度がいまいちの場合は、テストで使った画像を元に追加登録を行い、再度機械学習を回すというような流れで利用していくフローとなります。

(応用)プログラムから、Custom Vision Service を利用する

上記の通り、GUI で人間操作で Custom Vision Service で機械学習をおこなってもいいのですが、プログラムから操作することで Bot 化することも可能です。

API リファレンスなどのドキュメントは、画面右上の「？」→「Documentation」でたどることができます。

API をたたくのに必用なキーは、画面右上の歯車のアイコンのところから入手することができます。

それと、もう一つ、Project ID も使います。
これは、「PERFORMANCE」→「Prediction URL」で表示する「How to use the Prediction API」のURLから取得できます。
※　API を実行して入手することもできます。

以下の赤字の箇所が、Project ID です。
https://southcentralus.api.cognitive.microsoft.com/customvision/v1.0/Prediction/7c0feea9-f34f-40cd-a99f-4f282c945011/url?iterationId=b3fad3b3-7310-4b2d-9ea9-bd6bbebb02d8

GUI で操作と API をマップすると以下のような形になります。
APIの詳細は、ドキュメントをご覧ください。