カメラアプリやiPhoneXのFaceIDなど様々なシーンで画像認識技術が使われるようになっています。画像認識技術とは何なのか詳しく解説しています。どんな事例があり、画像認識技術の原理は何なのか、ぜひ知っておきましょう。 今回は「教師あり」のデータにおいて、どんな時にどんな手法が適用できるのか整理してみます。 教師あり学習の手法は、「回帰分析」「決定木分析」「パターン認識」「ニューラルネットワーク」の4種類に分類しました。 今から約1年前（2012年6月下旬ごろ）、ネット上で下の画像とともに 「Googleの研究開発によってコンピュータが猫を認識できるようになった」 というニュースが飛び回り、あちこちで話題になった。例えば、次のようなサイトで大きく取り上げられた。 Pythonに画像を集めてもらう(bs4.ver 改良中） 判別機を作るには、学習用の画像データが必要です。 Google画像検索から一つずつダウンロードしていくと大変なので、Pythonを使って「スクレイピング」（画像を集めてもらう）をしてみましょう。 Pythonの「OpenCV」という画像認識ライブラリを用いれば、画像に写っている顔の認識を簡単に行うことができます。 「OpenCV」とディープラーニング（深層学習）など機械学習のライブラリを組み合わせることで、容易に顔分類システムを作ることが可能です。 そうだなぁ。
教師あり学習とは最初に、コンピュータに答えの分かっているデータセットを与えて、学習を行わせるものです。 例えば最初にコンピュータに大量の画像が与えられ、それぞれの画像について、その画像が猫であるかどうかのラベル付けがされています。 分類（教師あり学習） 回帰（教師あり学習） クラスタリング（教師なし学習） 次元削減（教師なし学習） 異常検知; これから紹介するアルゴリズムと上記で紹介した教師あり学習などを1つにまとめると、以下のような画像になります。 例えば「あるロゴが含まれているなら一意になる」みたいなやつだったらsift,surf特徴量とか使うのもありだと思います。 個人的に「画像認識＝機械学習」は思考停止な気がする. これはPython Advent Calendar 2014の16日目です。 実践 機械学習システムを読んでいて画像のパターン認識が面白そうだったので実装して遊んでみました。主に10章のコンピュータビジョンと3章のクラスタリングを参考にしました。ほとんど、NumPyやscikit-learn、Mahotasに丸投げです… 機械学習は、大きく分けて「教師あり学習」と「教師なし学習」に分けられます。「教師あり学習」とは「入力データ」と「正解データ」がセットになった訓練データです。コンピュータに対して大量の「入力データ」と「正解データ」を投入することでコンピュータが入力データの特徴を読み取り、正解データを学習します。「入力データ」に大量の画像データを投入し、「正解データ」に花や動物などのカテゴリを指定することで、特定の画像を見せたときそのカテゴリは花なのか動物なのかを判定する … 教師あり学習とは最初に、コンピュータに答えの分かっているデータセットを与えて、学習を行わせるものです。 例えば最初にコンピュータに大量の画像が与えられ、それぞれの画像について、その画像が猫であるかどうかのラベル付けがされています。 今回はPythonを使って今流行りのディープラーニングによる画像認識をやってみたいと思います。ちなみにpythonを使うのは機械学習用にライブラリが充実しているからです。当たり前の方はスルーでいいのですが、深層学習（ディープラーニング）は機 機械学習以外の画像分類技術を使う. Pythonで始める機械学習入門（7）：Pythonの機械学習ライブラリ「scikit-learn」で実践する「教師あり学習」「教師なし学習」 (1/3)