Deep LearningのWebプラットフォームLabellioを試してみた。

Deep Learningを用いた画像認識プラットフォーム「Labellio(ラベリオ)」を試してみました。
Labellioは、AWS(Amazon Web Services)のGPUを搭載したマシンの上で動いているようで、モデル学習自体はCaffeのライブラリで使っているようです。

また、Labellioは、”Deep Learningによる画像認識を可能にする最も簡単なWebプラットフォーム”ということで、画像の収集に掛かった時間を除くと、実質10分位でできましたので本当に簡単でした。
以降に示すように画像の判定(認識)の間違いはあるけど、その性能を補って余りある簡単さ・スピード間であるという印象でした。
ここでは、Deep Learningってなに?ということを教えてくれるわけでは無いですが、Deep Learningによる画像認識を実際に体験するには十分と思います。非常に強力なツールであり、注目されている技術であることが実感できました。

以降はLabellioの使い方。

モデルを作成するための教師画像は動物20枚、男性20枚、女性20枚の計60枚を用意しました。(googleの画像検索で収集しました。画像のサイズもあえてバラバラのものです)
まず、60枚の画像をLabellioのサーバーにアップロードします。
次に、アップロードした60枚の画像にラベルを付けるます。
ラベルは、Animal, Men, Womenの3種類にして見ました。
いじわる判定用に「オカマ」とか「マツコデラックス」とか「女芸人」収集しましたが、今回はとりあえず教師にしました。

用意した画像60枚はこんな感じ。
ImageSet

ラベルを付け終わると、自動的にトレーニングが始まり、5分位でモデルが完成します。ここで、モデルのスコアのようなものも出力されます。Accuracyが85%くらいなので、まあまあ良く出来ているのでしょうか。
Score

それでは早速、テスト用の画像を判定させてみます。

こちらの動物は正しく判定できています。
OK_2

こちらの男性は正しく判定できています。
OK_1

こちらの女性も正しく判定できています。
OK_3

こちらは「女性」と判定されてしまいました。
NG_1

こちらは「動物」と判定されてしまいました。
NG_2

こちらは「動物」と判定されてしまいました。
NG_3