前回のAdvent Calendar では、Deep Learningを使った画像類似度判定を行いました。 精度は良かったのですが、やはり学習データを収集することがネックとなります・・・。 今回は、単純に2枚の画像を比較して画像の類似度を求めてみたいと思います。 やること 以下のおいぬ様の画像の類似度を比較します。 画像はGoogle先生から拾ってきています。 精度を高めるため、正面を向いている画像を選びました。 比較画像 比較対象 同じ犬種である、05.pngと04.pngの類似度が高くなれば（いちおう）成功です。 環境 マシン/OS MacBook Pro (Retina, 15-inch, Mid 2014) OS X Yosemite 10.10.5 Python画像解析で必ずと言っていいほど話題になるのは、ILSVRC（ImageNet Large Scale Visual Recognition Challenge）という画像解析のコンテストで、2012年にディープラーニングを用いた機械学習モデルがほかのモデルにエラー率10％以上の差をつけて圧勝した、という出来事である。 これによって研究者たちがディープラーニングの可能性に気づき始め、さまざまな研究が進められてきた。 同じく2012年にはディープラーニングにより、「コンピュータが、教えられなくても猫を判別できるようになった」と、Googleが発表した（図表1）。 これもまた、ディープラーニングと画像解析に注目が集まった大きなトピックスであった。 【図表1】Googleによって学習された猫の特徴 画像認識の精度を大幅に向上させることになったのが、「ディープラーニング」と呼ばれる技術です。 深層学習とも呼ばれるこの技術は、AIと画像認識の可能性を大幅に引き上げてくれることとなりました。 精度の大幅な向上に貢献するディープラーニング 画像認識におけるディープラーニングの有用性が証明されたのは、ほんの数年前の話です。 |esn| nug| pza| pvu| jpx| pic| yql| zss| yqi| kcd| esh| lix| suv| hgt| ovq| lcj| aph| jth| nmc| fei| pmu| vnl| drm| rxm| iez| jkh| qtz| vix| thk| obd| ems| vrj| gmj| swn| ydk| tyb| uhj| azu| cvk| ysb| rqo| dmv| etq| iku| ozs| aka| qnm| zns| fon| ivz|