この回でつかむこと
画像フォルダとラベルの対応を説明できる。
自分の画像を教材にするって何だろう？
画像分類では、クラスごとにフォルダを分けると名前をラベルとして扱えます。ただし枚数だけでなく、背景や撮影場所の偏りも確認します。
自分で撮った写真なら、すぐ学習に入れられる？
まずラベルと枚数を確かめよう。フォルダの整理が、正解を教える準備になるんだよ。
撮影日や背景が片方のクラスだけに偏っていないかも見ます。
AI先生 フォルダ名が正解になるから、中の画像も一枚ずつ確かめようね。
同じ撮影条件ばかりを片方のクラスに集めない。 画像分類では、クラスごとにフォルダを分けると名前をラベルとして扱えます。ただし枚数だけでなく、背景や撮影場所の偏りも確認します。
from pathlib import Path
root = Path('/content/demo_images')
for name in ['vertical','horizontal']:
(root/name).mkdir(parents=True,exist_ok=True)
print([p.name for p in root.iterdir()])なぜそうなる？ フォルダ名が分類の種類を表します。ノートブックでは自動生成した小さな画像を入れます。
読み込む前に点検
クラス数と各クラスの枚数を数え、数件を目で確認してから学習へ進みます。
print({p.name:len(list(p.glob('*.png'))) for p in root.iterdir()})ここに注目 今は空なので0枚です。ノートブックの次のセルで画像を生成します。
予想して、理由を話そう
答えを選んで、説明を確かめよう。外れても発見が一つ増えるよ。
答えを選ぶと理由が表示されます。
Colabで試してみよう
コードの実行はColaboratoryの実行環境で行います。まずノートブックを保存し、Colabで「ファイル → ノートブックをアップロード」から開いてください。上から順に実行し、最後に値を変えてみましょう。
保存ボタンを押しても画面は切り替わりません。通常はブラウザの「ダウンロード」フォルダに .ipynb が保存されます。見つからない場合はダウンロード履歴を確認してください。Colabの実習は小さな例から始められます。
身近な技術とつなげてみよう
AI先生：画像を集める作業は『撮るだけ』ではないんだ。ラベルを確かめる人の仕事が品質を決めるよ。
この回の重要な用語
本文で出会った言葉を、ここで意味と一緒に振り返ろう。上の「ことばの窓」からも説明を開けるよ。
- ImageFolder
- クラス名のフォルダから画像とラベルを読み込むtorchvisionのデータセットです。
- ラベリング
- データへ正解の種類を付ける作業です。
- データ漏洩
- テスト用の情報が学習に混ざり、評価が実力以上になることです。