[PYTHON] J'ai essayé de classer Hanana Oba et Emiri Otani par apprentissage profond (partie 2)

Continuation de la dernière fois

J'ai résolu le problème de classification par reconnaissance d'image dans la formation de l'entreprise, j'ai donc essayé de faire de même avec mon idole préférée. Ci-dessous, l'article précédent

J'ai essayé de classer Oba Hanana et Otani Emiri par apprentissage approfondi

Cette fois, sur la base des résultats précédents, j'aimerais voir quel type d'image a été confondu avec l'amélioration de la précision.

Avant cela, nous présenterons les deux personnes à classer.

Oba Hanana

Je suis un cœur fantomatique. Je suis membre du groupe d'idols "= LOVE". ** Dogawae ouais ouais ouais ouais ouais hey hey hey hey hey! !! !! !! !! -! !! !! ** **

Voici un compte Twitter. Merci de nous suivre. Hanana Oba (https://twitter.com/hana_oba)

Emiri Otani

Il est également membre du groupe d'idols "= LOVE". mignonne.

Emiri Otani (https://twitter.com/otani_emiri)

La précision précédente était d'environ 90% de taux de réponse correcte.

Essayez d'améliorer la précision ① ~ Augmentez le nombre d'essais ~

La dernière fois, c'était environ 200 époques.

En regardant cela, il semble qu'il augmentera encore (si le nombre d'essais est trop grand, le graphique diminuera constamment plutôt que temporairement)

Je vais donc augmenter le nombre de fois. De 200 à 1000 fois

La précision s'est améliorée en toute sécurité. Il est bas depuis longtemps environ 800 fois, est-ce surappris? J'ai pensé, mais ça a repris à la fin.

Le taux de réponse correct pour la 1000e époque était de 98,33%. Eh bien, en réalité, j'ai fait quelques essais et erreurs pour améliorer la précision pendant la formation, donc j'ai pu être assez précis simplement en augmentant le nombre de fois. En tant qu'article, je devrais lutter pour améliorer la précision, mais je veux l'améliorer. Pour le moment, aujourd'hui, nous allons améliorer la précision jusqu'à présent et voir ce que ce modèle a fait une erreur. (Je veux faire des inférences rapidement)

Voyez ce que vous avez fait une erreur

Je vais répondre ci-dessous et voir lequel j'ai fait une erreur.

idol.ipynb

ans = []
for i in range(0,x_test.shape[0]):
  x = np.array([x_test[i]])
  y = model.predict(x)
  ans.append(np.argmax(y))
  if(ans[i] != t_test[i]):
    print(i)

Voici les résultats

75
82
148

Sur les 140 données de vérification, 3 réponses incorrectes = le taux de réponse correcte est d'environ 98%, n'est-ce pas? Utilisez cette option pour restaurer les données une fois supprimées à une valeur numérique, comme indiqué ci-dessous.

idol.ipynb

plt.imshow(x_test[75])
plt.imshow(x_test[82])
plt.imshow(x_test[148])

• 75

• 82

Puisqu'il s'agissait d'une image de M. Kameko, je ne la publierai pas. Ceci est le premier des tweets suivants. (Comme! S'il vous plaît appuyez sur) https://twitter.com/hana_oba/status/1119100534286217221?s=20

• 148

Hmmm, c'est généralement Hanana-chan. La première pièce a un taux de 89% La deuxième pièce a un taux de 58% La troisième pièce est le taux de Miri Nya 64% Il semble qu'il ait finalement pris la décision de le voir.

Eh bien, il est difficile d'expliquer pourquoi l'apprentissage profond a pris une telle décision à un niveau que les humains peuvent comprendre, donc je n'ai plus rien à deviner.

La prochaine fois, j'essaierai d'améliorer la précision d'une manière différente.