Einführung

Yohei Sato mit mir

Der Zeitpunkt, an dem ich und Yohei Sato sich zum ersten Mal hätten treffen sollen, war die neue Absolventenausbildung der Yahoo Japan Corporation im Jahr 2008. Der Grund für den Ausdruck "sollte sein" ist, dass die Anzahl der neuen Absolventen, die zu diesem Zeitpunkt von der Yahoo Japan Corporation eingestellt wurden, 250 überstieg. Es war grob, dass ich keine Bekanntschaft hatte, es sei denn, ich wurde das gleiche Team in der Ausbildung oder die Abteilung, der ich zugeordnet war, war dieselbe.

Als ich in das Unternehmen eintrat, war ich ein Anfänger in der Programmierung und fragte nur: "Kann ich Zeiger essen?" Es wird gesagt, dass Sato sich freiwillig bereit erklärte, in die Auswahlklasse einzutreten und das Training zu überwinden. Und weil sie verschiedenen Orten zugeordnet waren, kamen sie aneinander vorbei.

Danach von @ doradora09, der die Abteilung betrat, zu der ich als Junior gehörte "Sato sponsert eine Lernsitzung namens TokyoR. Wenn Sie möchten, warum schließen Sie sich uns nicht an?" Gelegentlich trat ich bei Tokyo R auf und ging dort wiederholt aneinander vorbei.

Nach dem Jobwechsel im Jahr 2015 war ich nach weiteren Umstrukturierungen in einem ordentlichen Zustand. Als ich aus einer Laune heraus @ doradora09 kontaktierte, "Ich bin zu Datum Studio gekommen, wo Sato der Vizepräsident ist. Warum kommst du nicht und hörst mir zu?" Ich habe in der Vergangenheit an Datum Studio-Seminaren teilgenommen und dachte, es sei ein interessantes Unternehmen.

Es sollte nur eine Geschichte sein, aber es wurde eine Trinkparty, und ich konnte mich mit dem Vizepräsidenten Sato verbinden. Abgesehen davon wurde er sofort von einem Taschenrechner getroffen und beschloss, bis jetzt in das Unternehmen einzusteigen.

Was ist Yohei Sato?

Yohei Sato ist einer der führenden japanischen Datenwissenschaftler. Gleichzeitig ist er Vizepräsident von Datum Studio Co., Ltd. Wir sollten auf Yohei Sato zielen.

Erstellung des Yohei Sato Detektors

Und wenn Sie ein Datenwissenschaftler sind, müssen Sie die Eigenschaften von Yohei Sato extrahieren und verstehen. Ich denke, wir müssen uns bemühen, diesem Merkmal näher zu kommen.

Also habe ich dieses Mal aus den im Internet und in Datum Studio gesammelten Bildern extrahiert, was Sato Yohei ausmacht. Ich beschloss, einen Sato Yohei-Detektor zu entwickeln.

Hauptthema

Nutzungstechnologie und Verarbeitungsablauf

Verwenden Sie OpenCV für die Bildverarbeitung Wir verwenden Tensorflow, eine Deep-Learning-Bibliothek, um Features zu extrahieren. Für die Sprache habe ich python3 gewählt, das diese umfassend handhaben kann.

Der Verarbeitungsablauf ist wie folgt.

Bildersammlung (menschliche Kraft)
Bildverarbeitung (Graustufen mit OpenCV, Gesichtserkennung, Zuschneiden des Gesichtsteils, Konvertierung in ein 64 * 64-Bild)
Klassifizieren Sie Bilder in Yohei Sato und andere
Erstellen eines Lernenden mit Tensorflow
Bewertung

Umgebung

Leihen Sie sich eine gute Instanz in AWS aus und gehen Sie davon aus, dass das Betriebssystem Amazon Linux ist.

Bei der Entwicklung mit Python3 haben wir eine virtuelle Umgebung mit anaconda3 eingeführt.

conda create -n yohei python=3.5 numpy scipy pandas jupyter scikit-learn matplotlib
source activate yohei
conda install tensorflow
conda install -c menpo opencv3=3.1.0

Ich habe ein Problem festgestellt, dass OpenCV unter Amazon Linux nicht funktioniert. Daher habe ich auf Folgendes verwiesen. http://amazarashi.me/archives/855

Bildersammlung

Wir suchen Bilder von Yohei Sato von vorne im Internet und im Datum Studio.

Bildverarbeitung

Ich habe OpenCV für die Bildverarbeitung verwendet. Alles was Sie tun müssen, ist den folgenden Code auszuführen.

import cv2, matplotlib
import numpy as np
import matplotlib.pyplot as plt
from IPython.display import display, Image
import os

def face_detector(img_path, i):
    #Bild wird geladen
    img = cv2.imread(img_path)
    
    #Graustufen
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    #Gesichtserkennung
    img_face = faceCascade.detectMultiScale(img_gray, 1.1, 3)

    #Wenn das Gesicht erkannt werden kann, fahren Sie mit der folgenden Verarbeitung fort
    if len(img_face) > 0:
        for rect in img_face:
            x = rect[0]
            y = rect[1]
            width = rect[2]
            height = rect[3]
            #Ausgeschnitten
            dst = img_gray[y:y+height, x:x+width]
            # 64*Größe auf 64 geändert
            dst_resized = cv2.resize(dst,(64, 64))
            new_image_path = 'Ausgabe Verzeichnis' + str(i) + '.png'
            cv2.imwrite(new_image_path, dst_resized)
            i += 1
        
    return(i)

i = 0

for img_file in file_list:
    full_path_name = 'Bildspeicherung'+ img_file
    i = face_detector(full_path_name, i)

Auf diese Weise können Sie ein Gesichtsbild erstellen, das grau skaliert und auf 64 * 64 ausgeschnitten wurde.

Klassifizieren Sie Bilder in Yohei Sato und andere

Die Bilder werden manuell in Yohei Sato und andere klassifiziert. Bereiten Sie außerdem eine CSV-Datei mit dem folgenden Etikett zur Beurteilung der Richtigkeit vor. (1 ist Yohei Sato, 0 ist anders als das)

img_0.png 1
img_1.png 0
img_9.png 0
︙

Erstellen eines Lernenden mit Tensorflow

Erstellen Sie einen Lernenden, indem Sie sich auf Folgendes beziehen.

Identifizieren Sie die Produktionsfirma von Anime Yuruyuri mit TensorFlow http://kivantium.hateblo.jp/entry/2015/11/18/233834

Ich werde es später von hier hinzufügen. Bitte warten Sie etwas länger.

[PYTHON] Erstellen Sie mit OpenCV und TensorFlow einen Sato Yohei-Diskriminator