体験のポイント： 機械学習は、与えられたデータの特徴を手がかりに分類します。背景や明るさが偏ると、物体そのものではなく背景を手がかりにしてしまうことがあります。
このツールでは同じ画像特徴を使い、k-NNとMLPの違いをブラウザだけで体験できます。MLPはニューラルネットワークですが、ここでは画像を直接入力する深層学習ではなく、取り出した特徴量を入力します。
1
機械学習に使う画像を集めよう
分類したい名前を決めて、各クラスに画像を入れます。各クラス5枚以上、できれば10枚以上がおすすめです。
コツ1：同じ机の上だけで撮ると、AIが机を覚えることがあります。
コツ2：向きや明るさを少し変えた画像を入れると、さまざまな画像を分類しやすくなります。
コツ3：学習に使っていない画像でテストすると、本当の力が分かります。
2
機械学習モデルを作ろう
画像から同じ特徴量を取り出し、k近傍法（k-NN）または多層パーセプトロン（MLP）で分類モデルを準備します。
各クラスに5枚以上の画像を入れると、モデルを準備できます。
0
画像の合計
2
クラス数
-
簡易チェック
k-NNでは1枚ずつ学習データから外して分類する簡易チェックを行います。
3
新しい画像で試そう
テスト画像を入れるか、カメラで映して、AIの判断を確認します。
画像ファイルでテスト
🖼️
テスト画像をここに入れる
クリック、またはドラッグ&ドロップ
オクルージョン感度マップは、画像の一部を隠したときに分類スコアがどれだけ下がるかを調べます。赤い場所ほど、その分類判断に強く影響した可能性があります。
カメラでテスト
カメラを開始すると、ここに映像が表示されます。
カメラ分類は約0.8秒ごとに更新します。結果が不安定なときは、背景や明るさを変えてみましょう。ブラウザによってはカメラ利用にHTTPSまたは権限設定が必要です。
分類結果
まだ分類結果はありません。
表示する「%」はクラス同士を比較するためのスコアです。統計的に校正された正解確率ではありません。